国家战略与政策导向 - “十五五”规划建议将“建设现代化产业体系，巩固壮大实体经济根基”作为首要战略任务，并提出全面实施“人工智能+”行动，培育壮大新兴产业和未来产业 [1] - 中央经济工作会议进一步强调坚持创新驱动，加紧培育壮大新动能，并深化拓展“人工智能+” [1] - 国务院办公厅印发《关于加快场景培育和开放推动新场景大规模应用的实施意见》，明确提出要充分发挥超大规模市场和丰富应用场景优势，支持建设一批综合性重大场景、行业领域集成式场景和高价值小切口场景 [2] AI赋能新型工业化的战略意义与现状 - AI大模型与海量工业场景的深度融合，成为加速AI发展和推动产业智能化、绿色化、融合化发展，加快推进新型工业化、建设现代化产业体系的关键引擎 [2] - 以DeepSeek、通义千问等为代表的国产大模型实现全球领先并以开源模式加速全场景应用，标志着中国正从AI技术原创突破迈向以场景为牵引加快高水平产业赋能的关键临界点 [2] - 在制造业领域，预计到2025年，物体搬运物流、智能计划排产、质量控制、现场作业等场景的AI应用规模预计分别为12.3亿元、29.7亿元、23.2亿元、22.7亿元，但整体应用仍较为分散 [2] 人工智能+工业化面临的主要挑战 - 工业场景存在碎片化现象，AI赋能多停留在质检、设备预测性维护等“点”的应用，缺乏产线级、全流程、跨领域的集成化场景设计，制约规模化推广 [2] - 重大工业场景（主要掌握在政府部门、大型基建国企、制造业链主企业手中）开放程度有限，使得AI企业（多为民营企业）赋能重大工业场景的门槛高、难度大 [3] - 工业数据壁垒高筑，实际工业数据分散在设备、系统和产业链各环节，且涉及商业机密和隐私保护，跨企业、跨平台的数据共享阻力巨大，行业级高质量公共数据集建设亟待提速 [3] - 当前AI预训练模型参数数量、训练数据规模以300倍/年的趋势增长，增大模型和增加训练数据是未来演进方向 [3] - 传统制造业中小企业受制于融资约束，难以负担AI技术应用成本，还面临技术门槛高、场景对接难等问题，产业链上下游协同不足，制约场景闭环构建 [3] - 算力基建存在结构性矛盾，投资集中于以CPU为主的传统通用服务器，而市场急需的智能算力（GPU/TPU/ASIC等）供给不足，呈现“总量过剩、有效供给不足”的局面 [4][5] - 工业场景对实时计算和边缘算力需求迫切，但我国算力资源分布不均衡，东部地区算力占比较大，中西部工业重镇算力供给缺口显著 [4] 以场景驱动加快AI高水平赋能新型工业化的建议 - 实施场景驱动创新战略，构建“全链+特色”场景体系，围绕研发设计、智能生产、供应链管理等重点环节，遴选十百千国家级标杆场景，形成示范矩阵 [5] - 开发开放超级场景，鼓励科技领军企业、制造业链长企业、国资央企等开发开放大规模产业场景，支持各地政府开发开放城市场景，建设千亿级超级场景 [6] - 建立工业AI或具身AI机会清单，由工业企业发布技术难题，中小企业参与AI+示范应用场景模型开发，形成一批行业级解决方案 [6] - 专项支持边缘计算、小样本学习、自适应算法、工业智能体等工业级AI研发，降低算力依赖，提升场景适配性 [6] - 制定并实施工业数据共享管理办法，建立科学的数据分级管理体系，重点推动设计参数、工艺知识等非涉密数据定向开放与共享 [7] - 以工业互联网平台和数据要素型央企为基础，统筹建设国家级工业数据集团，打造工业数据枢纽平台，支持跨业、跨域数据融合应用 [7] - 加快推进制造业数据空间、数据信托、数据银行等创新机制试点工作，积极探索基于AI、区块链等技术的数据确权与收益分配模式 [7] - 强化中小企业赋能，重点支持专精特新和科技先锋企业参与场景开发，提供首台套首批次首版次成果的场景应用风险补偿 [8] - 以场景示范工程、场景保险补贴等激发与引导链主企业向中小企业开放场景，支持其低成本快速部署、全产线应用AI大模型 [8] - 实施“百千万工业AI工程师计划”，联合高校、企业共建实训基地，推行“企业导师+高校教授”双导师制，定向培养复合型人才 [8] - 夯实新型基础设施，建立全国一体化异构算力交易平台，创新采用“算力证券化”模式实现跨区域资源高效调配，积极推行“算力银行”模式 [9] - 支持领军企业依托开源社区开发工业级AIaaS或MaaS平台，通过开源开放模式集成低代码开发、微服务架构、异构模型调用等核心功能，降低中小企业转型门槛 [9] - 构建完善的工业AI安全防护体系，建立健全漏洞库与威胁情报开源共享机制，加快研制自主可控的工业防火墙与加密芯片 [9]