经济日报记者 李芃达

　　近年来，我国人工智能（AI）技术发展日新月异，大模型已经在重点工业领域完成规模化部署，与实体经济融合不断加快，赋能效应日益明显。

　　“当前，人工智能不但是提升效率的辅助工具，而且是作为一种关键生产要素，深度融入研发设计、生产制造、供应链管理、市场营销等全价值链环节。正从消费互联网的模式创新，全面转向工业、农业、能源等实体经济领域。”赛迪研究院电子信息研究所数智技术研究室副主任王丽丽说。

　　产学研用协同创新

　　工信部发布数据显示，我国已累计培育400余家人工智能领域国家级专精特新 “小巨人”企业。

　　“我们联合财政部设立600亿元规模的国家人工智能基金，加快布局投资项目；印发《国家人工智能产业综合标准化体系建设指南》，累计共制定了40余项行业关键标准和10余项国际标准，大力促进产融合作。”工业和信息化部总工程师谢少锋说。

　　在激烈的市场竞争中，企业最先察觉到行业痛点，创新需求也最为强烈。因此，构建以企业为主导的产学研用创新体系，将加快人工智能与实体经济的深度融合。

　　在纺织行业，布品质量检测曾经一度靠人工完成，不仅效率低，还存在漏检误检等问题。为此，中电信人工智能科技有限公司与中国电信人工智能研究院联合攻关，基于星辰视觉大模型研发出AI验布机，将AI视觉算法应用于织造、布行、印染、成衣等阶段的面料质检环节，能够精准检测出布面的疵点、色差问题，较人工提效100%，布匹缺陷检出率达90%。

　　人工智能在与实体经济融合的过程中也暴露出安全治理缺失、高端人才不足等行业难题。“在工业领域，安全永远是第一位的。应由权威机构牵头、联合产业界，共同制定针对工业AI系统的评测标准和认证流程，特别是在核心生产环节加强标准引领。”王丽丽建议，在人才培养上，鼓励高校设立“人工智能+X”的交叉学科，推动产学研深度融合，让AI人才直接到一线解决真实问题。

　　赋能传统制造业转型

　　“我国已形成了覆盖基础层、框架层、模型层、应用层的完整产业体系。算力规模居全球前列，建成钢铁、煤炭等高质量行业数据集，培育出一批竞争力强的通用大模型和行业大模型。”谢少锋介绍，大模型在能源、电子、原材料、消费品等行业加快落地。

　　设备故障预测准确率达到90%以上，断链响应效率提升70%，单位能耗降低25%……山东浪潮智能生产技术有限公司依托自主研发的智产大模型，融合工业机理与人工智能技术，为山东荣信集团有限公司打造煤化工行业大模型，具有设备故障预测、供应链优化、碳排放管控等功能，助力企业降本增效。

　　浪潮集团副总裁张金龙认为，工业是大模型应用的主战场，要以数字化场景为抓手，以数字技术为支撑，加快工业大模型应用，推动传统产业完成数字化改造。

　　在王丽丽看来，人工智能赋能传统产业，一方面通过引入预测性分析，建立以状态感知和风险预判为基础的主动式管控体系，在设备预测性维护中，将突发的、随机的设备故障转变为可预知、可规划的维护活动，提高生产确定性；另一方面，改变了传统研发范式，这一环节曾高度依赖工程师的经验和知识积累，在AI助力下，设计效率、产品性能、迭代速度都大幅提升。

　　数据资源开发利用

　　数据作为人工智能应用的底座，为大模型提供关键支撑。

　　“人工智能发展离不开数据资源开发利用。”国家数据局局长刘烈宏介绍，2024年以来，国家数据局联合14个部门深入实施“数据要素×”三年行动计划，数据要素正深入各行业、各领域，释放出千姿百态的乘数效应。

　　交通运输行业具有海量数据资源和丰富应用场景，是发挥数据要素乘数效应、释放数据要素价值的重点领域。据悉，交通运输部正按照“1+N+X”的技术架构，加快建设综合交通运输大模型，即建设1套通用大模型底座、N个行业垂域大模型、一批面向应用的智能体。

　　“数据是支撑大模型建设，实现行业落地应用的重要基础。我们建成交通运输数据共享交换系统，横向连通国务院各个部门，纵向直达地方交通运输主管部门，实时对接国家数据共享交换平台，累计汇聚数据27亿条，数据存储容量达74TB，提供服务14亿次，有力支撑了跨地域、跨层级、跨系统、跨部门业务协同。”交通运输部科技司司长徐文强告诉记者。

　　有关数据显示，2024年，我国数据生产量同比增长20%，数据流通交易量同比增长超过30%。

　　“数据要素市场化配置改革和‘人工智能+’行动是同向发力、同频共振的。我们将加快推动数据要素和人工智能产业赋能、终端应用和场景培育相结合。”刘烈宏表示，当前，全国数据系统正在加快建设高质量数据集。未来，国家数据局将进一步构建数据流通交易标准体系，细化流通交易规则，推动发布数据流通交易标准示范合同，降低数据流通交易制度性成本，提升数据流通交易效率，更好地助力“人工智能+”行动。