【作者简介】鲁春丛，中国工业互联网研究院院长

 

习近平总书记指出，“十五五”时期，必须把因地制宜发展新质生产力摆在更加突出的战略位置。党的二十届四中全会通过的《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》，强调“加快高水平科技自立自强，引领发展新质生产力”。人工智能是新质生产力的重要组成和关键驱动力量，对工业技术、知识、数据、人才、资本等要素创新性配置带来根本性影响，新型工业化的前进动力正在发生深刻变化。2025年8月国务院印发《关于深入实施“人工智能+”行动的意见》，提出“推动工业全要素智能联动，加快人工智能在设计、中试、生产、服务、运营全环节落地应用”，“加快工业软件创新突破，大力发展智能制造装备”，“深化人工智能与工业互联网融合应用，增强工业系统的智能感知与决策执行能力”，明确了在工业领域推进“人工智能+”的发展方向和目标要求。

一、深刻认识“人工智能+”推进工业全要素智能化发展的重要意义

 

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。人工智能应用重点正从消费服务领域转向生产制造领域，以“人工智能+”推进工业全要素智能化发展，不仅是技术产业迭代升级的重要路径，更是提升国家竞争力、塑造产业主导权的重要举措。

 

抢抓新一轮科技革命和产业变革历史机遇的客观要求。纵观以机械化、电气化、自动化为特征的前三次工业革命，无一不推动了社会生产力的大幅跃升和生产关系的深刻变革。当前，以大模型为代表的人工智能技术爆发式发展，具身智能、智能体、群体智能、人机混合增强智能等加速突破，正在成为重组全球要素资源、重塑全球经济结构的关键力量。大模型正从“吟诗作画”转向工艺优化、设备控制，AI手机、AI电脑、AI眼镜等智能终端成为潮流单品，具身智能机器人从“秀场”走向“工厂”，人工智能正以前所未有的速度融入千家万户、赋能千行百业，深刻改变人类生产生活方式。据权威机构预测，到2030年，全球人工智能市场规模预计超过1.8万亿美元，年复合增长率为35.9%，人工智能对全球经济的总贡献量将达到15.7万亿美元。牢牢抓住人工智能这个“牛鼻子”，加快形成新质生产力，就是抓住了新一轮科技革命和产业变革的发展先机。

 

应对国际竞争打造新优势的战略选择。当前，世界主要国家纷纷将人工智能作为重塑竞争力的核心领域，持续加大支持力度。美国先后发布《美国政府关键和新兴技术国家标准战略》《赢得AI竞赛：美国AI行动计划》，启动“星际之门”计划；法国发布《勇敢拥抱人工智能（AI）：让AI在所有企业全面推广计划》，到2030年，推动100%的大型企业、80%的中小企业和50%的微型企业将人工智能融入日常运营；德国发布《未来研究与创新战略》《人工智能行动计划》，在《2025年高科技战略》中明确提出，到2030年，AI创造的产值将占德国GDP的10%。在政策支持的不断加力下，国际巨头纷纷加码人工智能发展，英伟达、微软、OpenAI、谷歌持续扩大在芯片、大模型、云计算等领域的资本投入，西门子、博世、SAP等企业通过收并购等方式加速拓展工业智能产品。据权威机构预测，到2028年，人工智能企业在芯片、基础设施上的投资将达到2.9万亿美元。在这场竞争中，我们不进则退、慢进亦退，只有以“人工智能+”形成中国特色竞争新优势，才能夺得先机、赢得主动。

 

推进新型工业化的内在需要。推进新型工业化，需要深刻把握时代特征和发展规律，紧抓人工智能这一关键变量，促进人工智能和制造业深度融合。近年来，我国人工智能技术和产业快速发展，已形成覆盖算力、数据、框架、模型、应用的完整产业体系，算力总规模位居全球第二，核心产业规模超9000亿元，人工智能企业数量超5000家，为更好赋能新型工业化打下坚实基础。我国制造业增加值规模连续15年位居全球首位，对全球制造业增长的贡献率超过30%。其中，传统产业仍是我国制造业的主体，占全部制造业的80%左右。实践证明，应用数字技术、人工智能对传统产业进行全方位、全链条的改造，将有效推动企业降本、提质、增效、绿色、安全发展。全国已建成的230余家卓越级智能工厂，产品研发周期平均缩短28.4%，生产效率平均提升22.3%，不良品率平均下降50.2%，碳排放平均减少20.4%。我国人工智能的巨大潜力与坚实的工业基础相结合，将为加快推进新型工业化注入强大动力。

 

二、我国“人工智能+”推进工业全要素智能化发展取得积极进展

 

在政产学研用各方协同推进下，我国人工智能技术在电子、原材料、消费品等行业逐步普及，在研发设计、中试验证、生产制造、运营管理等环节加速拓展，基本形成“产品装备—产线车间—企业管理—产业链协同”的全要素、多层级赋能体系。

 

人工智能+工业产品，深刻变革研发模式。人工智能可以挖掘工业知识、技术文档、工艺路线、三维模型等数据的内在规律，通过建模仿真与复杂计算，根据实际需求辅助生成材料配比、参数配置、外观造型等设计方案，实现方案自动生成、快速迭代和多维度优化。与传统依赖人工经验和线性流程的研发设计模式相比，人工智能可大幅缩短研发周期、降低试错成本、提升设计精度与创新性。一是产品研发智能化。人工智能赋能新材料与新工艺的发现过程，实现从经验驱动到数据驱动的研发范式转变。比如，中石化利用大模型自主开发聚酰亚胺新材料智能设计平台，定向生成新型分子结构设计方案、准确预测新材料性能参数，聚酰亚胺性能预测准确率超过90%，新结构的筛选和设计时间缩短80%。二是装备设计智能化。人工智能驱动从手工绘制到智能生成的设计方式变革。比如，东风汽车通过多模态大模型的文生图、图生图能力，结合用户大数据，将以往手动为主的造型工作，转化为全流程在线化工作，综合效率提升30%以上。

 

人工智能+生产作业，深刻变革制造模式。人工智能驱动生产作业模式从刚性流水化向柔性自适应模式演进。传统产线、车间多依赖固定工艺和流水化生产，造成响应慢、柔性不足、能耗较高，而人工智能以“大小模型+边缘智能”等形式部署在工业现场，通过机器视觉、智能调度、预测性维护和多智能体协同等方式，实现生产环节的“感知—决策—执行”闭环，减少停机时间，提高能源利用率，使制造系统在效率、良率、能耗与响应速度上实现质的跃升。一是生产排程智能化。人工智能通过对复杂工业流程逻辑进行建模，实现关键节点的任务分配和智能化调度。比如，宝钢包装依托工业大模型构建智能排产系统，整合订单、设备、能源、物流等多维数据，结合多目标决策优化算法，实现排产效率大幅提升，可实现十余条产线生产任务的分钟级智能调配，全年效益增长1.5%以上。二是绿色制造智能化。基于碳排放管理大模型，面向建材、钢铁、化工、电力等高耗能行业，开展碳排放监测、核算与追踪，优化碳管理路径。比如，宁德时代利用人工智能实现从电极制浆、涂布到检测、组装的全流程工艺优化，并进行订单管理和能耗的智能协同，工厂碳排放降低57%，相当于每年种植1800万棵树的生态效益。三是中试验证智能化。人工智能基于历史工艺与实验数据开展虚拟仿真与参数优化，减少大量重复性试验，缩短验证周期。比如，武汉先进院构建材料创制大模型MARS和材料中试智能体，实现“性质—结构—合成”多维预测，新材料中试验证效率提升50%，成本降低60%。

 

人工智能+企业管理，深刻变革运营模式。人工智能推动企业管理向实时感知、动态优化、自主协同的敏捷高效模式演进。传统运营管理依赖人工经验和层级决策，往往存在信息孤岛、响应滞后、资源配置低效等问题。人工智能通过对设备、产品、财务、供应链、人力资源、市场等数据的智能分析与预测，实现精准决策支持、流程自动化与风险预警。随着大模型、智能体与企业知识库深度融合，运营管理将向“认知智能”演进，人工智能不仅执行任务，更能理解业务语境、自主提出策略建议，推动企业迈向“智能自治”。一是企业运营智能化。人工智能通过大模型驱动“企业大脑”，实现从人工监控到智能调度的转变。比如，TCL建立基于工业大模型的显示器生产园区智能集控系统，实现智能知识推荐、报表智能生成、告警内容深度分析、智能派工等核心功能，通过大模型运营调度优化管理，企业运营成本降低30%，故障处理时间缩短45%。二是设备运维智能化。大模型推动设备管理从“被动维护”向“预测性维护”升级，解决因设备故障导致的企业运营堵点卡点。比如，中国工业互联网研究院联合企业打造智能运维大模型，汇聚海量IT设备运维工单数据，融合多智能体协同、检索增强、知识图谱等技术，实现复杂IT设备的自动化巡检和主动运维，助力企业运维成本降低30%，故障率降低50%，平均设备故障处理时间缩减至2小时以内。

 

人工智能+产业链供应链，深刻变革协同模式。人工智能驱动产业链供应链从“被动响应”迈向“智能协同”，让整个链条“看得清、想得快、调得准”。传统生产模式下，产业链运转多依赖静态计划和层级制组织方式，信息传递滞后、资源配置僵化、风险预警不足。人工智能通过大数据分析、智能预测等方式，实现供需精准匹配、运输路径优化、库存智能调度与数据实时共享，能够形成跨行业、跨区域的产业协同网络，有效打破企业间信息壁垒，推动上下游资源高效配置和产业链整体韧性提升，形成高效顺畅的协同生态。比如，一汽集团将物流全链路拆解为“库存管理、路径规划、设备调度”等近百个业务单元，通过人工智能算法实现智能联动，当零部件库存告急时，自动触发“供应商补货、生产线排程、物流调度”全链条动作，实现智能调度效率提升20%，人工成本降低40%。又如，中国工业互联网研究院建设全国装备制造业数字供应链平台，汇聚2.3亿件数字工品，服务42万家企业、215万名工程师，通过构建工业设计大模型，提供贯穿“模型智能检索—产品智能推荐—生成式设计”的智能化服务体系，设计效率提升50%，研发成本降低30%。

 

三、推进“人工智能+”工业全要素智能化发展的重点任务

 

“十五五”时期是基本实现社会主义现代化夯实基础、全面发力的关键时期，也是基本实现新型工业化深入实施、攻坚克难的关键阶段。站在科学谋划“十五五”新的历史起点上，我们要坚持以习近平新时代中国特色社会主义思想为指导，全面贯彻党的二十大和二十届二中、三中、四中全会精神，认真落实党中央、国务院决策部署，系统总结经验做法、立足我国基本国情、顺应工业发展规律、前瞻布局重点工作，加快以“人工智能+”推进工业全要素智能化发展，为推进新型工业化注入新动能。

 

推进技术改造，发展智能装备。一是突破核心技术。加强多模态感知融合技术的研发，提升传感器精度与集成度。大力发展运动控制等核心算法，研发高性能的控制与驱动部件，实现装备的高速、高精度、高动态响应和稳定运行。加强人机交互技术研究，开发新型交互接口与设备。二是研发工业软件。分行业、分阶段加快开展研发设计类、生产制造类、经营管理类、运维服务类工业软件更新换代和工业APP开发应用，实现软件定义装备功能。推动开源社区建设，促进跨行业融合，构建开放协同的工业软件生态系统。制定工业软件标准体系，加强工业软件安全防护，推动工业软件的可信认证。三是推广装备应用。深化智能诊断、预测性维护、工艺参数自优化、自适应控制等装备智能化应用场景创新。发展高负载、高精度、高灵活性的工业机器人，推进机器人等智能装备与人、环境、生产要素等全面集成、交互与协同，构建柔性制造单元和智能产线。聚焦钢铁、有色、石化、化工、建材、机械、汽车、电力装备、轻工、电子等十大重点行业，以生产作业、仓储物流、质量管控等环节改造为重点，推动智能制造设备更新和技术改造。

 

推进大连接，升级工业互联网。一是升级基础设施。打造泛在互联、控网算一体、开放智能、安全可控的新型工业网络，提升标识解析服务效能，推广“工业互联网平台+智能体”等创新模式，加快国家工业互联网大数据中心建设运营，推进算力资源多级布局、互联互通、高效调度。二是创新技术产品。推进工业通信芯片、工业传感器、工业终端、工业控制系统等智能化升级，提升感知、交互、控制、决策能力。加快应用人工智能优化工业软件开发流程和模式，提升主动优化、辅助生成等能力。三是拓展应用场景。坚持分业推进、分级推进、协同推进，实施横纵结合的“T”型战略，横向实现产业链、产业集群的资源集成、供需对接，纵向打通设备单元、产线、车间、工厂、企业等各个层级智能应用的数据互联通路，推动工业互联网赋能制造业数字化转型、智能化改造。建设一批5G工厂，在重点行业、重点产业链发布推广工业互联网融合应用参考指南和典型案例，在国家人工智能创新应用先导区、国家先进制造业集群等加快智能化解决方案普及推广。

 

推进大数据，建设工业高质量数据集。一是建设数据集目录。面向工业数据多源异构特性，分级推进设备产线、工厂企业、产业生态数据采集处理与流通应用。分类打造高质量数据集产品库、工业机理库、工业模型库，形成高质量数据集目录。二是打造可信数据空间。基于隐私计算、安全沙箱、身份可信认证、数据使用控制及全链路追溯等核心技术，打通数据集供给方、需求方及服务方协同链路，在“数据集物理不出域”前提下，通过“可用不可见”模式满足多主体数据集使用需求。三是完善技术体系。编制重大技术攻关目录和基础设施建设指南，引导行业企业、科研机构开展技术攻关。在技术、质量、流通、安全等方面，构建高质量数据集标准体系，开展数据集质量与价值评估，推动数据集规范建设、流通与交易。四是深化融合应用。加快工业高质量数据集的应用，形成工业场景训练语料服务、AI一体机定制化服务、数据处理工具商业化服务等模式。开展高质量数据集建设试点、案例遴选，编制行业高质量数据集建设指南，加快经验模式推广。

 

推进大模型，推广工业智能体。一是健全多层次模型体系。推进人工智能算法与工业机理融合，打造工业大模型。在复杂工业场景中，利用大模型强大的多模态内容生成、理解能力进行宏观指导与决策支持。同时，依靠小模型的高精度、专业性、实时性负责产线监控、设备维护等具体任务，形成“大模型指挥、小模型执行”的协作方式，打造大、小模型协同应用生态。二是发展工业智能体。开发自主智能体互联协议，整合一系列相互关联的数字工具，将离散的数字能力转化为可执行、可度量、可持续的业务价值。三是建设开发工具链。强化模型设计、架构与制造业场景的协同适配，打造具备规模化部署能力的工具链和工具库，实现工厂级、车间级的模型能力快速部署，降低大模型应用门槛。四是促进供需对接。构建场景导向的大模型工业应用解决方案供需对接平台，提供涵盖技术咨询、方案设计、智能应用部署和运维优化在内的端到端服务，精准匹配制造业企业需求，缩短方案落地周期。

 

推进产教融合，培育数智人才。一是培养卓越工程师。加快卓越工程师实践基地、工程师协同创新中心等载体建设，主动发现和培养一批具有科研项目攻关能力、善于解决复杂工程问题的高层次创新型人才，打造国家战略人才力量。二是创新复合型人才培养方式。针对不同层次数智人才需求，运用好工业互联网沉淀的工业模型知识，为人才培养提供真实生产场景的数据支撑。强化制造业一线工人的人工智能应用能力，畅通技能人才发展通道，吸引更多技能人才学习数字技术，从事数字职业。三是构建产教资源整合体系。调动好高校和企业两方面积极性，鼓励高校探索设立工业智能等交叉学科，建设产教融合实践中心，引导企业大规模开展“人工智能+”能力素养提升培训，持续完善人才评价与激励措施。

 

---

来源：《中国党政干部论坛》杂志 2025年第10期