聚焦新型工业化，人工智能应用再升级

本文聚焦于人工智能赋能新型工业化这一主题，阐述了人工智能在新型工业化中的重要作用、当前取得的进展、存在的问题，并提出了相应的解决策略。

在今年的政府工作报告中明确提出，要“持续推进‘人工智能 ’行动，把数字技术与制造优势、市场优势更好地融合起来，支持大模型广泛应用”，同时要“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，已然成为新型工业化的重要推动力。

人工智能赋能新型工业化，从根本上改变了产业发展的底层逻辑。它推进了科技创新和产业创新的深度融合，这不仅能够突破传统工业化发展过程中遇到的瓶颈，还能培育全要素生产率增长的新动能。

人工智能赋能新型工业化，其本质是人工智能与工业制造业的深度融合。当下，“人工智能 ”已经上升为国家战略。以人工智能大模型为技术底座、以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。随着Deep – Seek等人工智能技术的飞速发展，AI在工业制造业的发展和普及得到加速，这必将进一步加快我国新型工业化的进程。

近年来，在政策的大力推动下，经过产业链各方的共同努力，制造业数字化转型的步伐明显加快。越来越多的工业制造企业开始积极拥抱人工智能，人工智能赋能新型工业化的水平不断提升。这有效地推动了制造业的数字化转型、智能化升级以及绿色化发展。随着我国人工智能领域不断取得突破，人工智能赋能新型工业化也在向纵深拓展。国产大模型加速发展，DeepSeek火爆出圈，有力地推动我国大模型技术进入规模化应用新阶段。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。这些技术不仅在企业的研发设计、运营管理、营销服务、客户服务等环节发挥作用，还深入渗透到生产制造环节。我国的数字化车间和智能工厂建设加快，推动制造业迈向全方位、深层次智能化转型升级新阶段，有力地促进了工业企业的高质量发展。

尽管我国人工智能赋能新型工业化取得了积极进展，但在推进过程中也暴露出一些问题。例如，大模型等人工智能技术与工业技术深度融合存在困难，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，人工智能技术落地面临成本高和商业模式不清晰的问题，以及跨界人才紧缺等情况依然严峻。

为了促进人工智能赋能新型工业化高质量发展，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。开展重大装备数字化、智能化改造，推动重大装备更新换代。推动工业企业加快接入DeepSeek，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。加快构建高质量数据生态，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。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，加快引进精通人工智能、新型工业化的高端人才和创新人才。另一方面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。

本文围绕人工智能赋能新型工业化展开，先介绍了政府相关政策及人工智能的重要作用，接着阐述了当前取得的进展，指出存在的问题，最后针对性地提出了加快融合、打造数据集、培养人才等促进高质量发展的策略。