赋能新型工业化走深向实
小微
位于浙江省慈溪市横河镇的福达轴承集团有限公司数字化车间的自动化流水线。 新华社记者 徐 昱摄
图片来源于网络，如有侵权，请联系删除
德龙软件科技（天津）有限公司的工作人员展示一款用于工业生产的监测软件。
新华社记者 孙凡越摄
当前，新一轮科技革命和产业变革深入演进，人工智能（AI）全方位、深层次赋能工业发展，产业智能化、融合化、绿色化加速，促进全球产业链供应链深度调整。
变革生产方式
我国拥有丰富的应用场景、超大规模市场和庞大人才队伍，为人工智能发展奠定了坚实基础，已经形成覆盖基础层、框架层、模型层、应用层的完整产业体系。而人工智能技术快速演进也为千行百业注入新动能。
“人工智能打破了虚拟与现实的边界，推动技术创新范式发生根本性变革。同时，突破了时间和空间限制，变革生产制造方式。”赛迪研究院数字经济首席研究员王宇霞举例说，在使用人工智能技术之前，人类发现的稳定晶体数量为4.8万个，在引入人工智能材料发现工具GNoME模型后，科研人员在短时间内发现了220万种新晶体，其中38万种新晶体具备稳定结构，成为最有可能通过实验合成并投入使用的潜在新材料。
制造业是人工智能的主战场。通过在制造业大规模应用，人工智能技术和产品也实现迭代升级，形成双向赋能。工业和信息化部支持建设11个国家人工智能创新应用先导区，开展人工智能赋能新型工业化深度行系列活动，遴选151项典型案例，树立一批通用大模型、行业大模型和企业标杆，为产业智能化转型提供指引。
赛迪研究院信息化与软件产业研究所日前发布的《人工智能赋能新型工业化：范式变革与发展路径》报告认为，要围绕研发设计、中试验证、营销服务、运营管理等环节，逐步实现制造业全流程智能化升级。
“在制造业改造初期，可优先选择业务场景相对标准化、技术门槛较低的领域开展应用示范，利用人工智能技术快速实现规模化部署；从中长期看，可逐步将人工智能应用向设计研发、生产制造等核心环节渗透，攻克人工智能技术与复杂工业场景融合难题，形成一批切实可行的智能化解决方案，最终构建起全流程、全要素、全场景的行业应用人工智能体系。”王宇霞说。
例如长安汽车通过建立以三维数字化、全球协同设计为核心的汽车产品智能化研发云平台，实现跨部门、跨企业、跨区域协同，保障设计方案协调与适配。这种研发模式能够充分利用各地优质资源，确保不同国家和地区研究中心之间的数据实时传递和协作，提升研发效率和质量。
创新产品形态
今年的《政府工作报告》提出，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。
“近年来，以大模型为代表的人工智能技术，加速与智能手机、网联汽车、家电、穿戴设备等深度融合，提升终端产品使用体验。”王宇霞说。
企业加速布局人工智能技术的创新应用，AI手机、AI PC（个人计算机）等智能终端的市场普及率逐步提升。国际数据公司（IDC）预测，2025年中国智能终端市场出货量将增长4%，其中AI个人计算机、AI平板和AI手机总计出货量同比增长20%。
联想最新财报显示，在个人电脑市场整体下降的背景下，联想中国区营收和利润同比增长均超过20%，一个重要的增长点便是AI PC。联想是全球首家在AI PC端侧部署和运行DeepSeek大模型的企业。今年2月，联想天禧个人智能体系统深度融合DeepSeek大模型，能力获得重大升级。
“各大厂商通过技术创新、场景落地重塑人机交互范式，推动行业从单纯的产品竞争转向全方位的价值创造。”赛迪研究院电子信息研究所副所长赵燕介绍，智能终端集成专用AI引擎，提升硬件算力水平。同时，将AI大模型嵌入操作系统内核，打造系统运行的底层智能中枢。
前不久，中兴通讯发布业内首款全尺寸内嵌DeepSeek的小折叠手机，用户不需要单独下载，一句指令即可直接开启应用。此外，通过星云引擎智能调用多种专家大模型，用户只需提出具体问题，手机便可自动选择最合适的“专家”解答。
“近年来，我们不断拓展AI在手机、PC、平板以及移动互联终端设备中的应用，加速AI普惠。未来，我们将持续依托星云AI芯、端、云一体化技术能力，融合星辰大模型、DeepSeek等，探索更智能的交互方式，提升用户体验。”中兴通讯高级副总裁、终端事业总裁倪飞说。
但是，目前AI终端标准尚未建立，出现开发环节软硬件适配难度大，以及产品质量参差不齐、同质化竞争严重的现象，个人隐私保护、数据安全与合规等问题也备受关注。
赵燕建议，应共建新一代智能终端行业标准，打造通用适配和应用开发平台，保障智能终端在不同操作系统下的兼容性和互操作性，统筹推进产业生态化；加强端云两侧设备软硬件安全技术研发，制定出台法律法规，完善政府监管机制，有效解决用户的数据安全及隐私问题。
加速深度融合
中国信息协会常务理事、国研新经济研究院创始院长朱克力认为，传统工业化依赖要素投入和规模扩张，而人工智能驱动的智能化转型则通过数据要素激活、算法模型迭代和智能决策优化，推动制造业从生产型制造向服务型制造跃迁。当前，工业大模型与垂直场景的深度融合成为新亮点。以深度学习框架为基础的行业大模型加速落地，在电子信息、汽车制造等领域实现从设计到生产的闭环应用。
人工智能赋能新型工业化已取得重要进展。赛智产业研究院院长赵刚介绍，技术底座不断夯实，人工智能算力、智算操作系统、工业大模型平台等技术在制造业加快应用，工业企业广泛接入DeepSeek等模型，工业大模型应用平台超100个。产业政策持续出台，广东、江苏等省份出台促进人工智能赋能新型工业化支持政策。
推动人工智能与新型工业化深度融合，需在技术、生态和制度多维度协同发力。朱克力分析，技术层面应聚焦基础模型叠加行业知识的双轮驱动，突破算法泛化能力不足的瓶颈；生态构建需打破数据孤岛和技术壁垒；制度保障方面，需完善创新激励与风险防控体系。
“要深化工业领域物联网、算力芯片、工业级智算平台、工业大模型等新技术研发和应用，突破复杂工业场景下的技术性能瓶颈；加强工业企业数据治理，推动工业数据标注、训练和推理，建设高质量工业数据集；以智能制造为主攻方向，深化各行业工业大模型、智能体和具身智能应用，促进制造业全链条智能化转型。”赵刚说。
朱克力表示，工业数据的碎片化问题会制约模型训练效果，需建立跨行业的数据共享机制，在保障安全的前提下推动数据要素流通。政府层面，可建设国家级工业数据交易平台，制定数据确权、交易和使用的标准规范。企业层面，鼓励龙头企业开放智能平台接口，带动中小企业接入生态，形成链主企业引领、配套企业协同的发展格局。（记者 李芃达 黄 鑫）
【责任编辑:冉晓宁】
