人工智能将在更多实体经济领域实现深度应用

今年的政府工作报告提出，持续推进“人工智能+”行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用，大力发展智能网联新能源汽车、人工智能手机和电脑、智能机器人等新一代智能终端以及智能制造装备。人工智能如何赋能制造业高质量发展、人工智能应用如何推进落地，成为今年全国两会代表委员热议的话题。全国政协委员、中国信息通信研究院院长余晓晖在接受《人民邮电》报记者专访时表示，人工智能将在制造、能源等更多实体经济领域实现深度应用，推动生产力实现更大的变革性突破。

　　抢抓机遇

　　制造业拥抱AI深度融合

　　近年来，人工智能在技术创新与商业应用的双轮驱动下，正加速与实体经济深度融合。哪些领域或行业可能会迎来人工智能应用的爆发性增长？

　　余晓晖表示，从发展规律和应用态势来看，人工智能赋能行业的路径符合数字技术应用的客观规律，即遵循“从数字化水平较好的领域率先突破，再逐步扩散到更多行业”的推进特征。一方面，率先在数字原生领域规模化应用。以互联网为代表的数字原生领域，凭借天然的数据沉淀优势、成熟的数字基础设施以及海量的用户基础，率先实现人工智能应用的规模化落地。例如，互联网搜索、社交、购物、写作、编程等领域纷纷接入大模型、拓展新业态，这些应用不仅提升了服务效率，还为用户带来了全新的交互体验。另一方面，逐步向金融、医疗、交通等数字化程度较高的行业渗透，重要场景应用赋能成效显著。例如，美国88％的金融机构部署AI系统，61％的深度应用者获得超预期投资回报率。在药物研发中，生成式AI将化合物筛选周期从数年缩短至数月，新药上市时间从13年缩短至8年，成本降低75％。人工智能在自动驾驶领域的应用也随着大模型的发展实现新的突破。这些先导应用都建立在行业既有的数字化基础之上，同时也加速了相关行业的数字化向智能化的重构进程。

　　“随着人工智能技术的进一步普惠化和各行业数字化转型的全面推进，人工智能将在制造、能源等更多实体经济领域实现深度应用，与更加复杂的物理场景和核心生产流程相结合，推动生产力实现更大的变革性突破。”余晓晖说。

　　那么，中国制造业如何抓住这样的契机和风口推动产业高质量发展？

　　对此余晓晖表示，我国制造业具有门类齐全、规模庞大、场景丰富、数据潜能巨大等优势，加快人工智能技术的创新应用探索，有助于为产业注入新的创新动能，催生各类新模式新业态，实现产业高质量发展；同时制造业也为人工智能技术提供了丰富的试验田和数据集，将推动人工智能发展迈上新的台阶。具体来说，他认为应从四个方面发力。

　　一是加快工业人工智能应用模式创新探索。尽管当前工业人工智能已经形成大量丰富的应用模式，但人工智能作为创新最为活跃的领域，对制造业的融合赋能潜力还远远未得到充分释放。应面向重点行业和典型场景加快人工智能应用探索，与工业互联网深度融合，进一步强化研发设计和营销服务“两端”环节应用，同时面向生产制造等核心环节推进深度应用。

　　二是推动人工智能与工业技术融合创新。推动人工智能技术与工业知识、模型深度结合，在满足工业制造对稳定、可靠、高质量等要求的同时，赋予其智能化能力，是工业人工智能技术创新的关键，也是全球性难题。应加大研发投入，解决人工智能与工业技术融合的基础性原理与关键工程化问题，驱动以智能化为主要特征的新工业革命。

　　三是布局智能叠加的智能制造终端产品、装备、系统。当前人工智能正深刻改变制造装备、机器人、工业自动化、工业软件等领域的产品形态与产业图景；同时，电脑、手机、家电、无人系统、物联网等各类终端产品也加快向人工智能升级。要充分发挥我国人工智能创新优势，特别是推动各行业领军企业与人工智能企业优势互补和创新合作，带动各个领域的产品智能化升级与产业突破，打造我国制造业智能化新优势。

　　四是加强重点领域行业数据资源构建。工业人工智能创新关键是高质量的行业数据集、模型库，目前我国基础大模型已进入全球领先行列，但在工业等领域的应用积累还较为薄弱。要围绕重点制造业高价值场景，加快积累形成高质量行业数据集，构建行业数据资源体系，同时积极探索基于可信数据空间的行业数据流通体系，将数据资源潜能有效转化为国家数据优势，在推进制造业智能化升级的同时，反哺大模型性能升级，推进我国人工智能的进一步突破。

　　通力合作

　　创新AI大模型技术应用

　　2025年工信部将实施“人工智能+制造”行动，加强通用大模型和行业大模型研发布局和重点场景应用。国产大模型发展按下提速键，生成式人工智能正带来产业变革。在推动人工智能的应用过程中，政府和行业如何合作？

　　余晓晖指出，当前，全球人工智能创新和应用全面加速，我国已具备良好的技术产业基础，涌现出世界级大模型产品和优秀企业，进一步发展需要政府与行业形成更强合力，协同推进人工智能技术创新和应用落地。

　　他表示，政府可聚焦基础支撑与制度保障，加强算力、数据、人才、资金等关键要素供给，筑牢创新底座，同时加快推进政府自身应用，牵引产业发展。行业可立足场景和市场优势，加快技术突破，深耕场景创新，打造标杆应用，巩固和增强全球竞争优势。总体而言，政府和行业可进一步加强协同，在以下重要方向形成更大推动合力，推进人工智能创新突破和形成现实生产力。

　　第一，产业生态建设。一是聚焦人工智能软硬件协同问题，推进产业链上下游企业构建创新联合体，推动一批软硬件协同创新系统及方案建设；有序引导软硬件厂商间协同创新及与开源模型国产化适配，集聚各方力量尽快构建起技术领先、自主可靠、良性发展的产业生态体系。二是聚焦开源生态建设问题，加快推进国际先进的人工智能开源社区建设，构建先进的开源服务体系，并积极促进开源国际交流合作。

　　第二，关键要素供给。一是聚焦数据质量与开放问题，协力推进高质量数据集建设，有序开放政务、医疗、交通等公共数据资源，推动数据标注产业发展。二是聚焦高质量人才培养问题，进一步打通产教融合与实战培养通道，加快培养既懂人工智能应用又熟悉本行业需求与机理的跨界人才。加大产业界与学术界的人才联合培养力度，激发更大创新合力和人工智能原创思想。三是加大对人工智能创新和先导应用的投融资支持，确保我国人工智能创新发展所需的资金强度。

　　第三，规模化应用落地。一是聚焦行业供需对接问题，分行业探索建立“场景清单—供需平台—样板间推广”全链条机制，培育垂直领域解决方案提供商，推动标杆场景规模化落地。二是聚焦人工智能规模化应用，推动更多普惠性支持政策出台，发挥我国行业数据和场景优势，鼓励领军企业率先落地行业大模型，与生产及业务流程深度结合，探索解决工程化部署、软硬件协同、数据供给等问题，形成生产力。三是加快推进政府自身应用，加强政务办公、政务服务、城市治理等领域人工智能应用场景的推广，形成示范带动效应。