文章核心观点 - 八部门联合发布《“人工智能+制造”专项行动实施意见》，旨在通过推动人工智能与制造业深度融合，发展新质生产力，赋能新型工业化，目标是到2027年使中国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][4][5] 总体要求与目标 - 总体要求：坚持创新驱动、场景牵引、市场主导、安全可信、开放共享、普惠融通，推动“智能产业化”与“产业智能化”双向赋能，加快制造业智能化、绿色化、融合化发展 [5] - 量化目标（至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 [5] - 打造 100个 工业领域高质量数据集 [5] - 推广 500个 典型应用场景 [5] - 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 [5] - 打造一批“懂智能、熟行业”的赋能应用服务商 [6] - 选树 1000家 标杆企业 [6] - 建成全球领先的开源开放生态，安全治理能力全面提升 [6] 创新筑基：夯实人工智能赋能底座 - 强化算力供给：推动智能芯片软硬协同发展，突破高端训练芯片、端侧推理芯片、人工智能服务器等关键技术，有序推进高水平智算设施布局，提升智算资源供给能力 [7] - 开发高水平行业模型：开发适应制造业特点的高性能算法模型，培育重点行业大模型，发展“云-边-端”模型体系，打造面向细分场景的小模型，并推动模型轻量化部署与应用 [7] - 开展“模数共振”行动：推动建立企业首席数据官制度，夯实数据治理基础，梳理数据资源清单，发布高质量数据集建设指南，推动基础数据转化为高质量行业数据集，并促进数据开发与模型建设深度融合 [7][8] 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：深入开展“深度行”活动，建设应用对接平台，参考《人工智能赋能制造业重点行业转型指引》，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 [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] - 研发设计：推进智能辅助设计、软件代码辅助编写、药物研发等 [9] - 中试验证：应用虚拟仿真、多模态融合等技术优化工艺、提高效率、降低成本 [10][11] - 生产制造：深化人工智能在流程控制、工艺优化、排产调度、工业质检、预测性维护等环节应用 [11] - 营销服务：推广智能客服、数字人、个性化推荐、定制化售后等 [11] - 运营管理：运用大模型优化供应链管理，提升战略、人力、财务、风险管理能力 [11] - 提升重点企业应用水平：开展企业人工智能应用就绪度评估，鼓励龙头企业、央国企先行先试，并支持中小企业开展数字化、智能化改造 [12] - 推进重点区域与领域应用：发挥国家人工智能创新应用先导区、国家高新区等作用，推动区域集群化转型升级，并加强人工智能与工业互联网、绿色制造等领域的融合应用 [12][13] 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，发展手术机器人、智能医疗装备，推动人工智能技术融入大飞机、船舶等重大技术装备，发展无人机等智能低空装备，并推进智能网联汽车测试与试点 [14] - 加速智能终端升级：培育智能手机、电脑、平板、智能家居等人工智能终端，加快AR/VR可穿戴设备、脑机接口等新型终端的产业化，推动具身智能产品创新，建设人形机器人中试基地和标杆产线 [16] - 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，打造编程开发智能体，并构建智能体分类分级管理体系 [16] 主体培育：打造发展和赋能应用主力军 - 梯次培育企业：支持企业打造生态主导型企业，梯次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等，鼓励地方给予“算力券”“模型券”等支持 [16] - 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，高质量建设国家人工智能应用中试基地 [17] - 发展赋能应用服务商：健全制造业数字化转型服务体系，建设人工智能赋能应用加速器，培育优质赋能应用服务商，打造标准化赋能解决方案 [17] 人工智能赋能制造业重点行业转型指引（摘要） - 原材料行业：提升钢铁行业全流程智能化水平，推动石化化工行业提质增效，加快人工智能与新材料研发深度融合，促进人工智能赋能有色金属行业，推动人工智能赋能建材行业创新应用 [26][27][28][29] - 装备制造行业：推动工业母机柔性化智能化跃升，加速汽车行业全链条智能化升级，推进电力装备全生命周期智能化，推动人工智能技术在船舶行业应用落地，打造航空航天智能化制造体系 [30][31] - 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，强化家居领域智能化运营和智能产品供给能力，构建食品加工领域安全高效智慧化管理体系，提升医药智能研发与供应管理水平，推进生物制造领域全链条创新发展，推动历史经典产业焕新升级 [32][33][34][35][36] - 电子信息行业：提升电子元器件设计智能化水平，推动消费电子、新型显示等行业柔性智造，强化电子信息元件与产品质量管控能力，创新电子信息行业绿色低碳发展智能方案 [37][38][39] - 软件和信息技术服务行业：打造软件全生命周期智能工具链产品体系，加快传统软件与服务智能化升级，培育打造垂直领域智能体，建设软件行业高质量数据集 [40][41] 制造业企业人工智能应用指南（摘要） - 开展智能化评估和规划：企业应开展智能化水平诊断评估，并制定人工智能应用规划，确定核心场景和技术导入优先级 [42] - 提升智能化基础能力：升级硬件基础能力（如改造“哑设备”、部署边缘计算、推动数据中心转型智算中心），并提升软件智能化水平（如升级核心软件、植入智能算法） [43] - 构建高质量数据集：建设数据资源平台和工业知识库，应用数据集处理工具链，建立数据管理体系，并构建多样化的多模态工业高质量数据集 [43][44][45] - 合理规划布局算力资源：科学规划算力规模，合理配置算力资源（鼓励采用云服务或自建智算设施），并加强云边端算力协同调度 [47] - 开展模型选型与调优：科学确定高价值应用场景（研发设计、中试验证、生产制造、营销服务、运维管理），量化场景关键指标，结合业务选定安全可信的模型，并采用提示词工程、模型微调、混合调优等技术进行优化 [48][49][50][51] - 模型部署与集成及持续提升：在实际环境中验证模型性能并灵活部署，提升模型应用易用性，定期评估应用能力水平并推动迭代优化升级，深化技术融合创新，并鼓励领军企业向产业链输出优秀技术方案 [52][53][54]