人工智能赋能新型工业化：挑战与策略并进的高质量发展之路 ...

今年的政府工作报告明确提出，要持续推进“人工智能+”行动，将数字技术与制造优势、市场优势紧密结合，支持大模型广泛应用，同时推动科技创新和产业创新融合发展，大力推进新型工业化，做大做强先进制造业。人工智能，作为引领新一轮科技革命和产业变革的战略性技术，正成为新型工业化的重要推动力，它改变了产业发展的底层逻辑，促进了科技创新与产业创新的深度融合，为突破传统工业化发展瓶颈、培育全要素生产率增长的新动能提供了可能。

人工智能赋能新型工业化的核心，在于人工智能与工业制造业的深度融合。随着“人工智能+”上升为国家战略，以人工智能大模型为技术底座、工业应用为切入点的工业大模型正成为赋能新型工业化的新方向。Deep-Seek等人工智能技术的快速发展，加速了AI在工业制造业的普及，为我国新型工业化的进程注入了强劲动力。

在政策的推动和产业链各方的共同努力下，我国制造业数字化转型步伐加快，越来越多的工业制造企业开始拥抱人工智能。人工智能赋能新型工业化的水平不断提升，有效推动了制造业的数字化转型、智能化升级和绿色化发展。国产大模型的加速发展，特别是DeepSeek的火爆出圈，标志着我国大模型技术进入了规模化应用的新阶段。如今，越来越多的工业企业接入DeepSeek，大模型等人工智能技术在工业领域的应用场景不断拓展，从研发设计、运营管理、营销服务、客户服务等环节深入渗透到生产制造环节，推动了数字化车间和智能工厂的建设，使制造业迈向了全方位、深层次的智能化转型升级新阶段。

然而，在推进人工智能赋能新型工业化的过程中，我们也面临着一些挑战。大模型等人工智能技术与工业技术的深度融合难度较大，关键核心技术存在短板，高质量的数据获取和整合面临挑战，人工智能技术落地成本高、商业模式不清晰，以及跨界人才紧缺等问题依然严峻。

为了应对这些挑战，我们需要采取更加有为、更加有效、更加高质量的策略。首先，要加快推动人工智能与制造业的深度融合，打造“云边端”协同的智能基础设施，鼓励工业制造企业加大企业内网改造和智能化升级力度，推动重大装备的数字化、智能化改造和更新换代，形成与现有大模型协同发展体系，加快行业大模型、场景小模型的发展。

其次，要加快打造高质量的工业数据集，构建高质量的数据生态，形成统一的AI数据格式规范和行业标准，建立完善的数据采集、存储、分析和应用体系，扩大和建设一批高质量的工业数据集，充分挖掘数据资源价值，保障数据安全可信。同时，要完善数据要素市场，推动跨行业、跨组织的数据共享和开放，建设工业大数据平台，促进企业不同系统之间的数据转换和通信，打破数据孤岛，促进数据的流通和价值实现。

最后，要加快培养精通人工智能和新型工业化的复合型人才。一方面要面向国内外，加快引进高端人才和创新人才；另一方面要鼓励工业企业通过在职培训、脱产培训等方式加大人工智能技术培训力度，全面提升人工智能应用能力和创新能力，更好满足新型工业化建设的人才需求。只有这样，我们才能推动人工智能赋能新型工业化高质量发展，走出一条挑战与策略并进的发展之路。