深度融合賦能實體經濟

近年來，我國人工智能（AI）技術發展日新月異，大模型已經在重點工業領域完成規模化部署，與實體經濟融合不斷加快，賦能效應日益明顯。

“當前，人工智能不但是提升效率的輔助工具，而且是作為一種關鍵生產要素，深度融入研發設計、生產制造、供應鏈管理、市場營銷等全價值鏈環節。正從消費互聯網的模式創新，全面轉向工業、農業、能源等實體經濟領域。”賽迪研究院電子信息研究所數智技術研究室副主任王麗麗說。

產學研用協同創新

工信部發布數據顯示，我國已累計培育400余家人工智能領域國家級專精特新“小巨人”企業。

“我們聯合財政部設立600億元規模的國家人工智能基金，加快布局投資項目；印發《國家人工智能產業綜合標準化體系建設指南》，累計共制定了40余項行業關鍵標準和10余項國際標準，大力促進產融合作。”工業和信息化部總工程師謝少鋒說。

在激烈的市場競爭中，企業最先察覺到行業痛點，創新需求也最為強烈。因此，構建以企業為主導的產學研用創新體系，將加快人工智能與實體經濟的深度融合。

在紡織行業，布品質量檢測曾經一度靠人工完成，不僅效率低，還存在漏檢誤檢等問題。為此，中電信人工智能科技有限公司與中國電信人工智能研究院聯合攻關，基于星辰視覺大模型研發出AI驗布機，將AI視覺算法應用于織造、布行、印染、成衣等階段的面料質檢環節，能夠精準檢測出布面的疵點、色差問題，較人工提效100%"，布匹缺陷檢出率達90%。

人工智能在與實體經濟融合的過程中也暴露出安全治理缺失、高端人才不足等行業難題。“在工業領域，安全永遠是第一位的。應由權威機構牽頭、聯合產業界，共同制定針對工業AI系統的評測標準和認證流程，特別是在核心生產環節加強標準引領。”王麗麗建議，在人才培養上，鼓勵高校設立“人工智能+X”的交叉學科，推動產學研深度融合，讓AI人才直接到一線解決真實問題。

賦能傳統制造業轉型

“我國已形成了覆蓋基礎層、框架層、模型層、應用層的完整產業體系。算力規模居全球前列，建成鋼鐵、煤炭等高質量行業數據集，培育出一批競爭力強的通用大模型和行業大模型。”謝少鋒介紹，大模型在能源、電子、原材料、消費品等行業加快落地。

設備故障預測準確率達到90%以上，斷鏈響應效率提升70%，單位能耗降低25%……山東浪潮智能生產技術有限公司依托自主研發的智產大模型，融合工業機理與人工智能技術，為山東榮信集團有限公司打造煤化工行業大模型，具有設備故障預測、供應鏈優化、碳排放管控等功能，助力企業降本增效。

浪潮集團副總裁張金龍認為，工業是大模型應用的主戰場，要以數字化場景為抓手，以數字技術為支撐，加快工業大模型應用，推動傳統產業完成數字化改造。

在王麗麗看來，人工智能賦能傳統產業，一方面通過引入預測性分析，建立以狀態感知和風險預判為基礎的主動式管控體系，在設備預測性維護中，將突發的、隨機的設備故障轉變為可預知、可規劃的維護活動，提高生產確定性；另一方面，改變了傳統研發范式，這一環節曾高度依賴工程師的經驗和知識積累，在AI助力下，設計效率、產品性能、迭代速度都大幅提升。

數據資源開發利用

數據作為人工智能應用的底座，為大模型提供關鍵支撐。

“人工智能發展離不開數據資源開發利用。”國家數據局局長劉烈宏介紹，2024年以來，國家數據局聯合14個部門深入實施“數據要素""”三年行動計劃，數據要素正深入各行業、各領域，釋放出千姿百態的乘數效應。

交通運輸行業具有海量數據資源和豐富應用場景，是發揮數據要素乘數效應、釋放數據要素價值的重點領域。據悉，交通運輸部正按照“1+N+X”的技術架構，加快建設綜合交通運輸大模型，即建設1套通用大模型底座、N個行業垂域大模型、一批面向應用的智能體。

“數據是支撐大模型建設，實現行業落地應用的重要基礎。我們建成交通運輸數據共享交換系統，橫向連通國務院各個部門，縱向直達地方交通運輸主管部門，實時對接國家數據共享交換平臺，累計匯聚數據27億條，數據存儲容量達74TB，提供服務14億次，有力支撐了跨地域、跨層級、跨系統、跨部門業務協同。”交通運輸部科技司司長徐文強告訴記者。

有關數據顯示，2024年，我國數據生產量同比增長20%"，數據流通交易量同比增長超過30%。

“數據要素市場化配置改革和‘人工智能+”行動是同向發力、同頻共振的。我們將加快推動數據要素和人工智能產業賦能、終端應用和場景培育相結合。”劉烈宏表示，當前，全國數據系統正在加快建設高質量數據集。未來，國家數據局將進一步構建數據流通交易標準體系，細化流通交易規則，推動發布數據流通交易標準示范合同，降低數據流通交易制度性成本，提升數據流通交易效率，更好地助力“人工智能+”行動。