文章核心观点 - 全国政协委员王江平提出，人工智能治理需聚焦具体行业（如制造业），并强调“人机对齐”是技术治理的关键抓手，最终目标是构建“混合智能” [1][2][3] - 在“十五五”时期，人工智能治理需形成“中国方案”，通过“文化对齐”和以解决实际问题为导向的“人工智能+”行动，特别是在“AI+制造”领域攻克关键挑战 [4] - 培育新质生产力需强化“AI for Science”与“AI for R&D”的结合，以推动科技创新与产业创新深度融合 [4] - 推动人工智能与制造业深度融合需分行业攻克短板，当前制造业对模型可解释性、鲁棒性要求高，导致其在生产运营环节应用较少 [5] 全球人工智能治理的困境与出路 - 当前人工智能治理存在多重困境：治理理念二元对立、治理实践短期主义、规则主导权存在争议 [1] - 技术治理的关键抓手是“人机对齐”，即人工智能需与人类价值观对齐，可通过“RICE”四大原则实现：鲁棒性（R）、可解释性（I）、可控性（C）、道德性（E） [2] - “人机对齐”技术需动态发展，下一步是实现“双向对齐”：人工智能要“对齐人类”确保安全可靠；人类也要“对齐人工智能”提升全社会“人工智能素养”，最终构建“混合智能”实现“1+1>2” [3] “十五五”时期中国人工智能治理与发展路径 - 人工智能治理需形成特色，贡献“中国方案”：通过“文化对齐”将中国传统文化智慧融入人工智能全流程；推动以解决社会实际问题为导向的“人工智能+”行动 [4] - “人工智能+”行动应引导技术解决产业升级“硬骨头”和民生服务“痛点”，在“AI+制造”领域需聚焦攻克“工业黑箱”、优化能耗、提升良品率等真实挑战 [4] - 培育新质生产力必须强化“AI for Science”（解决“0到1”科学突破）与“AI for R&D”（解决“2到10”技术转化与工程化）的结合，这是科技创新与产业创新深度融合的关键 [4] 人工智能与制造业深度融合的挑战与重点 - 制造业对人工智能模型的可解释性、鲁棒性有极高要求，这解释了为何人工智能目前在研发设计、市场营销等“微笑曲线”两端应用较多，而在生产运营环节应用相对较少 [5] - 推动人工智能与制造业深度融合，必须攻克这些行业性短板 [5] - 推动人工智能发展需多要素协同，应分行业攻克短板，在特定领域可能是数据或标准等问题 [5]