核心观点 - 工业和信息化部将通过技术创新、融合应用、企业培育、生态建设和安全治理五大方面，推动人工智能产业高质量发展，目标是到2027年，人工智能关键核心技术实现安全可靠供给，产业规模和赋能水平稳居世界前列 [1] 技术创新与算力发展 - 重点突破高端训练芯片、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技术 [1] - 推动智能芯片软硬件协同发展，构建统一的软硬件适配生态，整合分散的异构算力为统一资源池，提升整体利用效率 [1] - 有序推进高水平智算设施布局，加快建设全国一体化算力网监测调度平台，开展智算云服务试点 [2] - 推动大模型一体机、边缘计算服务器和工业云算力部署，增强智算资源供给能力 [2] - 企业应科学规划算力规模，优先选择具备瞬时响应和弹性扩缩容能力的算力服务，并合理配置资源，优先采用云计算服务以降低前期成本 [2] 融合应用与行业赋能 - 目标是到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，推出1000个高水平工业智能体，推广500个典型应用场景 [3] - 面向原材料、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加快赋能，推动大模型技术深度嵌入研发设计、生产制造、营销服务、运营管理等全流程 [3] - 鼓励龙头企业、央国企先行先试，加快中小企业人工智能应用的复制与推广 [3] - 依托国家自主创新示范区、国家高新区、国家级经开区，加快人工智能新产品、新服务、新业态的规模化落地 [4] - 围绕先进制造业集群、数字产业集群等开展人工智能赋能应用，推动区域制造业智能化转型升级 [4] - 推动人工智能与工业互联网平台融合赋能，研发面向工业互联网的数据集、大模型和智能体 [4] - 深化人工智能技术在绿色制造领域的融合应用，研发并推广智能化、绿色化协同解决方案 [4] 智能产品与新兴业态 - 加快建设工业母机、工业机器人等各类工业装备搭载应用智能体 [5] - 发展手术机器人、智能诊断系统等，加速智能医疗装备产品创新和临床应用推广 [5] - 推动人工智能技术融入大飞机、船舶等重大技术装备研发、制造、运行，发展无人机等智能低空装备 [5] - 有序推进智能网联汽车产品的准入和上路通行试点 [5] - 深化培育智能手机、电脑、平板、智能家居等人工智能终端 [5] - 聚焦工业巡检、远程医疗等重点场景，加快增强现实/虚拟现实可穿戴设备、脑机接口等新型终端的产业化、商业化进程 [5] - 开展工业机理与智能体决策模型融合、智能体与工业系统间交互适配，研制开放协同的智能体协议和接口，提升互联互通互操作效率 [5] - 支持智能体应用商店建设运营，加速智能体规模化、商业化进程 [5] 企业培育与产业主体 - 目标是到2027年，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，打造一批赋能应用服务商，选树1000家标杆企业 [6] - 支持大型企业加大创新投入，集聚资源打造具有全球影响力的生态主导型企业 [6] - 发展人工智能企业孵化器，通过实施中小企业创业支持计划，培育更多人工智能专精特新“小巨人”企业、高新技术企业、制造业单项冠军企业、独角兽企业和瞪羚企业 [7] - 建设人工智能领域国家制造业创新中心，布局一批人工智能领域重点实验室，加强对类脑智能、世界模型等前沿技术探索 [7] - 高质量建设制造领域重点行业国家人工智能应用中试基地，加快形成一批可复制、可推广的行业解决方案 [7] - 建设一批人工智能赋能应用加速器，推动形成生态伙伴型服务商 [7] - 电信运营商和国企尤其是中央企业数智科技公司应主动承接行业赋能应用服务 [7] 生态建设与标准人才 - 强化标准引领，分级分类推动安全、治理、伦理等基础标准，软硬协同等通用标准、赋能应用标准以及计量技术规范研制 [8] - 健全人工智能开源机制，建设高水平人工智能开源社区，部署实施一批模型、数据集、智能体等优质开源项目 [8] - 研发推广适配人工智能项目特性的开源许可协议，构建新型人工智能开源规则秩序 [8] - 引导云服务厂商、赋能应用服务商与开源社区积极对接，推动开源项目在工业领域落地应用 [8] - 通过举办开发者大会、“校园行”等活动，传播开源理念，繁荣开源文化 [8] - 引导与支持高校院所调整优化相关学科专业，设置专业课程，培养既懂人工智能又懂制造业应用的复合型人才 [9] - 在北京中关村学院、上海创智学院、深圳河套学院、国家人工智能产教融合创新平台等机构完善人工智能认知教育培训 [9] - 加强人工智能领域高技能人才培养，重点造就科技领军人才、创新团队，并积极引进海外高端人才 [9] 安全治理与风险防范 - 目标是到2027年建成全球领先的安全治理系统 [9] - 确保从芯片、服务器到算力网络等基础设施的技术供应链安全可控 [9] - 保障智能装备、工业系统自身安全及稳定运行的产品与运行安全 [9] - 保障工业数据全生命周期安全，并开发可靠行业模型的数据与模型安全 [9] - 为人工智能在工业领域深度应用提供整体安全解决方案的应用生态安全 [9] - 加快攻关深度合成鉴伪、工业模型算法安全防护、训练数据保护、对抗样本检测、智能终端安全测评等关键技术 [10] - 构建安全风险库、语料库等资源，建设工业安全大模型 [10] - 通过知识库优化、训练语料纠错，生成合成内容标识等，增强人工智能透明度、可解释性，降低幻觉风险 [10] - 落实人工智能科技伦理管理服务办法，加强行业自律，提升企业人工智能伦理风险防范能力 [10] - 企业要建立人工智能应用输入输出双端过滤安全监控能力，加强恶意指令输入、异常推理输出等风险防范 [10] - 强化人工智能应用供应链安全管理，将上下游供应商的安全能力纳入合作方管理要点 [10]