人工智能 是引领新一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。工信部数据显示，我国 人工智能 领域企业已超过4500家，智能芯片、通用大模型等创新成果加速涌现，数字化车间和智能工厂加快建设。

　　“要充分施展我国工业体系完整、产业规模庞大、应用场景丰富等优势，以 人工智能 和制造业深度融合为主线，以智能制造为主攻方向，以场景应用为牵引，推动制造业智能化转型、高水平赋能工业制造体系。”工业和信息化部运行监测协调局局长陶青说。

　　应用场景更丰富

　　今年的《政府工作报告》提出，深化 大数据 、 人工智能 等研发应用，开展“ 人工智能 +”行动。实施制造业数字化转型行动。

　　“制造业是‘ 人工智能 +’行动主战场，我国制造业规模巨大、信息基础设施完善，为 人工智能 技术与制造业深度融合奠基了良好基础。”国家信息中心信息化和产业发展部主任单志广分析，在数字基础设施方面，我国算力产业规模快速增长，算力总规模达到230EFLOPS，居全球第贰位，5G、6G等关键核心技术不断取得突破，高性能计算持续处于全球第壹梯队；在产业基础方面，我国拥有全世界最完整的产业体系，制造业总体规模连续14年保持全球第壹位， 人工智能 核心产业规模不断增长。

　　中国信息通信研究院 人工智能 研究所副主任巫彤宁表示，我国拥有产业体系配套完善的供给优势， 人工智能 和制造业的融合能够从优化供给水平、提升产品性能和质量等方面，进一步增强产业链供应链竞争力。同时，广阔的制造业领域为 人工智能 发展提供了丰富的应用场景。

　　也要看到， 人工智能 技术在与制造业融合进程中面临诸多挑战。一方面，芯片研发设计和工艺制程与国际顶尖水平仍存在差距、 人工智能 标准化体系亟待建立、核心高端专业人才不足；另一方面， 数据安全 问题也日益凸显，如何保护企业的核心数据和 知识产权 成为各方关注话题。

　　“下一步，要围绕算法、算力等大模型底层技术，加快推动智能芯片、大模型算法、框架等基础性关键核心技术和产品的突破；建立健全 人工智能 赋能 新型工业化 标准体系；健全 人工智能 人才培养、安全保证等机制。”陶青说。

　　在巫彤宁看来，推动标准化建设非常重要。应通过建立 人工智能 标准化技术委员会，建立健全和推广 人工智能 相关行业标准，开展技术研究与验证，增进技术的统一和互操作性，强化 人工智能 产品和应用与产业深度融合。

　　人才培养方面，单志广建议，推动建设覆盖高条理人才、专业技术人才、行业技能人才、中小学 人工智能 基础教育人才等多条理人才培养体系；加强新型技能培训，引导劳动者进入数据标注等 人工智能 产业相关岗位；积极开展数字教育国际交流合作，努力培养适应时代发展的全球治理与国际化创新型人才。

　　赋能效应更明显

　　制造业是国民经济的支柱，拥有相应的数字化基础， 人工智能 技术可通过优化研发设计过程，缩短研发周期；通过提升生产线智能化，提升生产效率和产品质控水平；基于历史数据和专家知识，开展故障诊断和预防性维护，降低设备故障率。

　　“ 人工智能 技术能够准确预测市场需求和技术产品的迭代趋势，进而辅助企业制定长期发展战略，增进新技术的研发和应用，支持企业持续创新。”巫彤宁介绍，智能物流管理系统可实现优化物流路线和车辆调度，确保货物能够以最快、最经济的形式送达。另外，利用 人工智能 技术开展设备预测性维护，结合 工业互联 网和5G技术，实时监测、获取设备运行数据，推算出设备故障出现时间，减少生产中断风险，为制造业造成更高的稳定性和可靠性。

　　陶青表示，工信部将深化 人工智能 技术在制造业全流程融合应用，大幅提升研发、中试、生产、服务、管理等环节智能化水平。针对国民经济影响大、带动能力强、数字化基础好的关键行业，开展 人工智能 赋能 新型工业化 专项行动。

　　“要实现制造业关键环节、重点行业和重点产品的智能化升级，需要做好场景挖掘和业务流程标准化。”单志广认为，生产、质检、库存管理、供应链优化等关键环节，往往具有重复性高、数据量大、决策复杂等特点，适合应用 人工智能 技术。例如，在质检环节使用 机器视觉 技术进行自动检测。

　　显示面板生产过程的每一个关键制程都需要AOI（自动光学检测）设备拍摄图片，进而识别相关缺陷。以前用人工进行缺陷分类，整个流程有100多个制程，需要耗费大量人工和时间。为降低人力成本，格创东智联合TCL华星开发了AI视觉检测系统，基于 人工智能 技术进行图片的识别分类。在大幅提升检测效率的同时，减少了90%的检测人员，一天可以检测300多万张图片。另外， 人工智能 技术能够有效避免人员易疲劳、人与人之间的认知不同等诸多问题，进一步提高检测精度。

　　产业生态更完善

　　在制造业升级进程中，单一技术力量是有限的。 人工智能 在企业中的应用需要结合5G、 云计算 等技术才能施展最大效用。

　　“首先，需要建立高速的5G网络、大规模的 云计算 资源和顶尖的 人工智能 基座。其次，统一的数据管理平台能够集成来自生产线、供应链、市场等方面数据，通过 云计算 进行存储、处理和分析，为 人工智能 算法提供必要输入。可以利用高速网络基础设施，在制造设备和数据中台之间构建起数据传输桥梁，确保数据实时传输，为大模型训练和推理结果的设备反馈提供坚实保障。”巫彤宁说。

　　阿里云智能集团副总裁安筱鹏同样认为，以“公共云+AI”为代表的技术体系全方位赋能和支撑是当前制造业转型另外一个明显特征。公共云是突破高端芯片瓶颈的最优路径，通过高效连接异构计算资源，突破单一性能芯片瓶颈，协同完成大规模智能计算任务。要将“公共云优先”战略作为制造业数字化转型相关政策规划的重要内容，明确中长期发展目标、重点任务和保障措施等；避免芯片“挤兑”现象，警惕各地“小散多”一哄而上地建设算力中心；要将 数据中心 利用效率作为 数据中心 建设考核指标，扭转 数据中心 “重建设、轻运营”“重投入、轻绩效”的建设模式。

　　 人工智能 赋能制造业还需要良好的产业生态作为支撑。“应重视产业联盟组织对于推动产业发展、增进研究与创新、加强合作交流、参与政策和标准制定与提高国际竞争力方面施展的关键作用。”巫彤宁表示。

　　据介绍，由中国信息通信研究院联合产业单位共同发起的中国 人工智能 产业发展联盟（以下简称“AIIA联盟”），已经有成员单位超千家，在搭建产学研用合作平台、构建我国 人工智能 产业生态、强化 人工智能 与经济社会各领域深度融合等方面都获得了重要的成绩。AIIA联盟自2023年起，每年度发起十大先锋案例征集，甄选出具有高价值、标杆性、真落地的行业典型应用实践，更好地推动我国 人工智能 技术应用及产业发展。

　　 人工智能 开源生态建设一直是业界重点关注方向。“要探索构建中国特色的开源生态系统，鼓励科技公司加入开源生态建设，推动开源社区、开源基金会等平台与高校、企业、研究院等机构合作研究；举办开源大赛，选拔优秀人才，展示创新成果，流传普及开源理念。”单志广说。