文章核心观点 - 工业和信息化部等八部门联合印发《“人工智能+制造”专项行动实施意见》，旨在通过系统性政策推动人工智能与制造业深度融合，目标是到2027年实现人工智能关键核心技术安全可靠供给，产业规模和赋能水平稳居世界前列，并形成一批可复制推广的典型场景和标杆案例，未来2-3年是政策红利窗口期 [1][1] 总体发展目标 - 到2027年，推动3-5个通用大模型在制造业深度应用，形成特色化、全覆盖的行业大模型 [1][4] - 打造100个工业领域高质量数据集，推广500个典型应用场景 [1][4] - 培育2-3家具有全球影响力的生态主导型企业和一批专精特新中小企业，打造一批“懂智能、熟行业”的赋能应用服务商，选树1000家标杆企业 [1][4] - 建成全球领先的开源开放生态，安全治理能力全面提升 [1][4] 创新筑基：夯实人工智能赋能底座 - 强化人工智能算力供给，支持突破高端训练芯片、端侧推理芯片、人工智能服务器、高速互联、智算云操作系统等关键核心技术 [2][4] - 开发高水平行业模型，支持模型训练和推理方法创新，开发适应制造业实时性、可靠性、安全性特点的高性能算法模型 [2][5] - 开展“模数共振”行动，推动建立企业首席数据官制度，打造制造业高质量数据集，促进企业数据开发与模型建设深度融合 [6][7] 赋智升级：拓展推广高价值应用场景 - 加快重点行业应用赋能，参考附件1的指引，加快赋能原材料、装备制造、消费品、电子信息、软件和信息技术服务等重点行业 [8][9] - 加速全流程转型升级，深化智能工厂梯度培育，推动大模型技术深度嵌入研发设计、中试验证、生产制造、营销服务、运营管理等全流程 [9][10][11] - 提升重点企业应用水平，开展制造业企业人工智能应用就绪度评估，实施附件2的应用指南，鼓励龙头企业和央国企先行先试 [11] - 推进重点区域推广应用，发挥国家人工智能创新应用先导区、国家自主创新示范区等作用，打造创新高地和产业集群 [12] 产品突破：构建智能新产品新业态 - 推动智能装备迭代，加快人工智能赋能工业母机、工业机器人，研制新一代人工智能数控系统 [2][14] - 加速智能终端升级，支持端侧模型、开发应用工具链等技术突破，培育智能手机、电脑、平板、智能家居等人工智能终端 [2][15] - 打造软件和智能体新业态，推动人工智能与研发设计类、生产控制类、经营管理类等工业软件深度融合，开展工业智能体技术攻关和应用推广 [16] 主体培育：打造发展和赋能应用主力军 - 梯次培育企业，支持打造生态主导型企业，发展人工智能企业孵化器，梯次培育更多专精特新“小巨人”、高新技术企业、制造业单项冠军等 [17] - 打造创新载体，建设人工智能领域国家制造业创新中心，布局重点实验室，建设中试基地 [18][19] - 发展赋能应用服务商，建设人工智能赋能应用加速器，培育优质赋能应用服务商，打造标准化解决方案 [19] 生态壮大：加强资源配置优化产业生态 - 强化标准引领，加强安全、治理、伦理等基础标准及赋能应用标准研制，构建人工智能关键技术产品及赋能应用综合评测体系 [20][21] - 推动开源开放，建设高水平人工智能开源社区，部署实施一批开源项目，构筑具有全球影响力的开放生态 [2][21] - 加强人才引育，支持高校调整优化相关学科专业，培养既懂人工智能又懂制造业应用的复合型人才，积极引进海外高端人才 [21] 重点行业转型指引（原材料行业） - 提升钢铁行业全流程智能化水平，构建行业数据集和知识库，研发覆盖全流程的动态模型和大模型，实现工艺参数自适应优化、质量缺陷溯源等 [30][31] - 推动石化化工行业提质增效，打造行业大模型，实现安全生产监测预警、设备预测性维护、工艺流程自适应优化 [31] - 加快人工智能与新材料研发深度融合，建设新材料大数据中心，构建多模态材料行业数据集，发展跨尺度计算框架和行业大模型 [32] - 促进人工智能赋能有色金属行业，打造高质量数据集，构建融合物理机理的行业大模型，实现采选冶过程精准控制 [33] - 推动人工智能赋能建材行业，在水泥、平板玻璃等行业部署场景模型，训练行业大模型，提升生产过程的智能优化控制水平 [34] 重点行业转型指引（装备制造行业） - 推动工业母机柔性化智能化跃升，利用人工智能技术深度融入数控系统，构建基于大模型的智能诊断系统，实现预测性维护和敏捷生产 [35][36] - 加速汽车行业全链条智能化升级，打造汽车大模型推动智能研发，开发柔性可重构产线，建立全流程质量控制与预测性维护 [36] - 推进电力装备全生命周期智能化，智能优化核心部件结构参数，构建健康评估与寿命预测平台 [36][37] - 推动人工智能技术在船舶行业应用落地，构建船舶行业大模型，推进关键工序智能化升级，实现航行能效优化及设备故障诊断 [37][38] - 打造航空航天智能化制造体系，开发基于人工智能算法的仿真平台，打造工业决策系统，构建智能加工与装配等解决方案 [38] 重点行业转型指引（消费品行业） - 提升纺织服装领域个性化设计与高效生产能力，打造智能化产品规划平台，利用数据分析决策大模型实现热点快速识别 [39] 企业应用指南：开展智能化评估和规划 - 开展智能化水平诊断评估，综合运用数据管理能力成熟度、智能制造能力成熟度等参考标准，摸清企业水平并确定应用需求 [42] - 制定人工智能应用规划，确定核心场景和技术导入优先级，优先开展经营管理、研发设计等场景智能化升级 [42][43] 企业应用指南：提升智能化基础能力 - 升级硬件基础能力，对工业“哑设备”实施数字化改造，通过加装传感设备、部署边缘计算等提升信息感知与决策控制能力 [44][45] - 提升软件智能化水平，加快工业实时操作系统等核心软件智能化改造，部署集成数字孪生、大模型等数智技术的工业软件 [45] 企业应用指南：构建高质量数据集 - 建设数据资源平台，搭建企业专识数据库和覆盖全业务场景的数据资源池，构建包含机理库、仿真库、经验库在内的工业知识库 [46] - 应用数据集处理工具链，加强数据处理工具使用，覆盖数据汇聚、清洗、标注、合成等重点环节 [48] - 建立数据管理体系，鼓励探索首席数据官制度，建立数据管理体系，制定数据集质量评估标准 [48] - 构建多样化数据集，打造覆盖企业多场景的多模态工业高质量数据集，鼓励联合第三方开展合成数据集、知识图谱等建设 [49] 企业应用指南：合理规划布局算力资源 - 科学规划算力规模，制定阶段化、梯度上升的算力部署规模，鼓励优先选择可扩缩容的算力服务 [51] - 合理配置算力资源，鼓励优先采用云计算服务快速构建能力，对数据安全要求高的企业可自建智算资源 [51] - 加强算力资源协同调度，鼓励基于业务特征实现云边端算力协同，云侧负责模型训练等任务，边缘端侧满足低延迟需求 [51] 企业应用指南：开展模型选型与调优 - 科学确定应用场景，在研发设计、中试验证、生产制造、营销服务、运维管理五类高价值场景重点布局人工智能应用 [52][53] - 量化场景关键指标，为模型选型和调优提供依据，例如研发设计类衡量设计迭代次数、方案采纳比率等 [54] - 结合业务选定模型，基于场景需求和算力基础开展模型评测选型，优先选用经行业实践验证的成熟方案，并把安全作为重要考虑 [54] - 采用提示词工程与检索增强调优，构建涵盖工业常规问题、边缘案例的提示词库 [54]