政策方向与目标 - 国务院印发《固体废物综合治理行动计划》，要求加强工业固体废物源头减量与规范化管理 [1] - 工业和信息化部将持续推动工业固体废物综合利用工作，着力实现“一降一升” [1] “一降”：降低工业固废产生强度 - 在生产前端推行绿色设计，在生产过程中推行绿色制造，从源头减少工业固废产生 [1] - 聚焦钢铁、有色、石化化工等重点产废行业，引导开展“无废园区”和“无废企业”改造 [1] - 目标是通过改造降低工业生产过程固废产生强度，并提升固废的易利用性 [1] “一升”：提升综合利用水平 - 强化大宗工业固废综合利用，围绕冶炼渣、磷石膏、赤泥等典型品类推动先进技术研发和产业化 [2] - 强化再生资源循环利用，聚焦废钢铁、废铜铝、废纸、废塑料、废旧轮胎等重点领域 [2] - 对相关再生资源领域持续实施行业规范管理，引导企业加强技术创新和产品质量管控 [2] 行业现状与进展 - “十四五”期间，赤泥、磷石膏等复杂难用固废的综合利用取得积极进展 [2] - 根据相关行业协会统计，中国大宗工业固废综合利用率已达到57% [2]

行业政策动态 - 陕西省发改委发布征求意见函 拟对电石、烧碱等高能耗行业中限制类和淘汰类产能执行差别电价 收取加价电费[1] - 该政策虽未落地 但为高能耗行业的反内卷提供了新的政策思路[1] - 在反内卷政策背景下 高能耗化工子行业的优质龙头未来有望脱颖而出[1] 行业基本面与趋势 - 《石化化工行业稳增长工作方案（2025-2026年）》出台 旨在增强产业科技创新能力 拓展新型市场及应用需求 科学调控供给端 加速行业转型升级[1] - 化工板块资本开支已近尾声 在建工程同比连续三个季度下滑[1] - 老旧装置淘汰更新及节能降碳等反内卷政策深化显效 推动部分两高及落后产能确定性退出 中小型企业加速出清 供给端边际明显改善[1] - 2025年第三季度 中证石化产业指数整体ROE小幅回升至10.1% 筑底态势趋于明确[1] - 当前板块市盈率分位数仍处于近十年中枢水平附近 估值性价比值得关注[1] 市场表现与产品 - 今日截至9:50 中证石化产业指数涨超1.4%[1] - 当前部分化工子行业正处于周期底部 仅头部拥有自备电厂的企业具有超额盈利[1] - 化工行业ETF易方达（516570）一键打包三桶油、万华化学等石油石化、基础化工产业龙头[2] - 该指数构成接近于石化化工板块中哑铃策略标的 同时涵盖高股息与高成长成份券[2] - 自2023年以来 该产品收益表现在可比化工行业指数中保持领先[2] - 化工行业ETF易方达管理费加托管费率为0.15%+0.05%/年 显著低于石化化工板块的同类ETF产品[2]

政策文件与目标 - 工信部等八部门联合印发《“人工智能+制造”专项行动实施意见》及《人工智能赋能制造业重点行业转型指引》《制造业企业人工智能应用指南》两个附件 为化工等原材料行业智能化升级提供实施路径和方法指引 [2] - 《意见》明确到2027年的发展目标 包括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 [2] - 具体量化目标包括 推动3～5个通用大模型在制造业深度应用 推出1000个高水平工业智能体 打造100个工业领域高质量数据集 推广500个典型应用场景 [2] - 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 [2] - 《意见》围绕创新筑基、赋智升级、产品突破、主体培育、生态壮大、安全护航、国际合作等七大重点任务 促进人工智能技术与制造业应用“双向赋能” [2] 行业具体应用与指引 - 《指引》提出要推动石化化工行业提质增效 综合利用大模型、数字孪生技术突破油气勘探开发、化工新材料研发范式 [3] - 深度融合油气生产作业、管网储运、化工工艺等工艺机理、专家经验、生产运行数据等 打造石化化工行业大模型 推动大小模型融合应用 [3] - 目标应用场景包括 油田作业区及化工安全生产监测预警、设备预测性维护、工艺流程自适应优化、产品质量预测等 [3] - 构建行业高质量数据集、数据资源节点等数据基础设施 支撑行业大模型、智能体训练与开发 提升复杂场景人工智能应用水平 [3] - 《指南》为企业智能化转型升级提供实施路径和方法指引 [3] 行业现状与挑战 - 2023年以来 行业重点企业积极探索人工智能应用 涌现出智能化工大模型、TPT时序大模型、昆仑大模型等系列专用大模型 [3] - 当前仍存在高质量数据集建设进展缓慢、可靠性不足、基础支撑薄弱等问题 [3] - 建议企业进一步夯实自身数据基础 挖掘人工智能高价值应用场景 实现企业智能化升级 [3] 技术特性与应用前景 - 石化化工行业作为典型流程工业 生产工艺具有跨尺度、非线性、强耦合的复杂特性 [4] - 传统“数学建模+实验验证”的方式 因降维建模导致机理模型与现实系统存在鸿沟 [4] - 人工智能可通过拟合长距离数据和多模态数据间的映射关系 实现对复杂化工系统的可计算化 在石化化工行业显示出广阔应用前景 [4] - 行业凭借其坚实的自动化基础和庞大的数据体量 为人工智能应用提供了广阔的发展空间 [4]

政策与目标 - 工信部等八部门联合印发《"人工智能+制造"专项行动实施意见》，部署七大重点任务以促进人工智能技术与制造业应用双向赋能，加快制造业智能化、绿色化、融合化发展 [1] - 工信部同步发布《工业互联网和人工智能融合赋能行动方案》，提出到2028年推动不少于5万家企业实施"人工智能+工业互联网"升级改造 [1] - 《意见》提出到2027年推动3至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，打造100个工业领域高质量数据集，推广500个典型应用场景 [2] - 到2027年培育2至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 [2] - 工信部副部长表示发展人工智能是实现新型工业化的必答题，将一手抓技术供给促进"智能产业化"，一手抓赋能应用加快"产业智能化" [1] 产业规模与影响 - 中国工业互联网与人工智能核心产业规模双双突破万亿元，深度融合将带动相关产业规模达到数十万亿元 [1] - 人工智能正从工业互联网的"辅助工具"变为"核心引擎"，加速向研发设计、生产制造、管理决策、运维服务等制造业全环节延伸 [7] - 人工智能与工业互联网互促共进、融合赋能，将进一步加快产业模式和企业组织形态变革 [7] - AI+制造业可驱动研发设计模式智能化革新，提升生产制造过程精益化水平，优化供应链管理协同化效率，对建设制造强国意义重大 [4] 技术发展与重点任务 - 《意见》围绕创新筑基、赋智升级、产品突破、主体培育、生态壮大、安全护航、国际合作等七大重点任务，细化21项具体措施 [2] - 技术发展重点包括推动智能芯片软硬协同发展，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 [3] - 支持模型训练和推理方法创新，培育重点行业大模型，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 [3] - 培育智能手机、电脑、平板、智能家居等人工智能终端，攻关深度合成鉴伪、工业模型算法安全防护、训练数据保护等关键技术 [3] 行业应用与转型指引 - 《人工智能赋能制造业重点行业转型指引》为原材料、装备制造、消费品、电子信息、软件和信息技术服务等行业转型提供指引 [3] - 原材料行业转型涉及钢铁、石化化工、新材料、有色金属、建材等行业 [3] - 装备制造行业转型涉及工业母机、汽车、电力装备、船舶、航空航天等行业 [3] - 针对汽车行业，将加速全链条智能化升级，打造汽车大模型以自动生成车身造型、内饰布局方案，实时仿真优化结构强度、风阻系数等参数 [3] - 《制造业企业人工智能应用指南》指导企业使用人工智能进行研发设计、生产制造、经营管理及开展延伸服务 [3] 工业互联网融合应用 - 工业互联网是人工智能与制造业融合的重要载体，《方案》围绕基础设施、要素支撑、融合应用、产业生态四个方面提出目标 [6] - 在基础设施方面，将推动不少于50000家企业实施新型工业网络改造升级，以满足人工智能工业应用需求 [6] - 在要素支撑方面，将在20个重点行业打造一批高质量数据集 [6] - 实施工业互联网与重点产业链"链网协同"工程，在钢铁、航空、电力、石化化工、医药等重点行业推广融合应用参考指南 [6] - 加快场景培育与开放，建立解决方案资源池，遴选典型案例促进融合应用 [6] 地方政策与行动 - 上海市发布《支持先进制造业转型升级三年行动方案（2026—2028年）》，提出17条举措，明确到2028年新增年产值超10亿元制造业企业100家等目标 [8] - 北京市发布人工智能创新高地建设行动计划，力争用时两年推动北京人工智能核心产业规模突破万亿元 [8] - 江苏省将人工智能发展摆在突出位置，优化算力、算法、数据等核心生产要素配置，加大"AI+产业"复合型人才培育，加快建立高质量数据集 [8] - 广州市海珠区与珠海市相继成立人工智能发展局，为全国首批专责人工智能发展的区级政府工作部门 [9] - 各地积极探索"人工智能+"制造，有助于形成区域间协同创新生态，加快人工智能科技创新与产业创新深度融合 [10]

西部地区高质量发展总体战略 - 西部地区围绕高质量发展核心 依托各自资源禀赋因地制宜促发展 [1] 贵州省实体经济发展举措 - 推动经营主体高质量发展 针对全省480多万户经营主体 利用大数据平台精准画像分类施策 [3] - 提出政府采购份额40%投向中小企业 产业基金支持民间投资项目资金占比不低于50%等务实举措 [3] 甘肃省产业升级与投资 - 聚焦传统产业转型焕新 安排资金1200亿元 推进310项智能化、绿色化、融合化改造重点项目 [5] - 加快智改数转网联 推动石化化工产业延链补链、有色冶金产业高端延伸、装备制造产业提档扩能 从政策、项目、要素三方面协同发力 [6] 青海省新能源产业发展 - 聚力储能新赛道 加快沙戈荒外送基地、水风光一体化基地建设 持续发展多元储能技术 [6] - 打造全球光热中心 加速壮大新能源千亿级产业集群 [6] 新疆维吾尔自治区新能源体系建设 - 重点构建以新能源为主体的新型电力系统 加快推进大型风电光伏基地建设 [7] - 推进疆电外送通道建设 强化新能源上下游产业延链补链强链 [7] 内蒙古自治区新能源发展目标 - 加快6个沙戈荒基地及外送通道建设 确保全年新增并网新能源装机3000万千瓦 总装机突破2亿千瓦 [7] - 探索实施国家级零碳园区、算力中心等存量负荷绿电替代 [7] - 高标准建设国家重要能源和战略资源基地 追求能源领域质的有效提升和量的合理增长 [8] 重庆市区域协同与产业建设 - 迭代实施现代化产业体系建设等十项行动 [8] - 协同四川提速建设智能网联新能源汽车、软件信息服务、食品及农产品加工3个新的万亿级产业集群 稳步提升双城经济圈建设发展能级 [8] 宁夏回族自治区城乡融合发展 - 把促进城乡融合发展作为全年经济工作重点 以区域联动、公共资源优化等为重点 [10] - 推进实施地下管网更新改造、城乡清洁取暖等一批重大项目 [10] - 统筹新型工业化、新型城镇化和乡村全面振兴 加强规划引领、促进富民增收、提升治理效能 [12]

文章核心观点 - 广西坚定不移实施工业强桂战略 在工业经济总量提升 产业结构优化 数智化与绿色化转型方面成效显著 构建起体现广西特色与优势的现代化产业体系 [1] - 广西将持续聚焦十大千亿元级支柱产业 坚持智能化 绿色化 融合化方向 以人工智能为引领 深化科技创新与产业创新融合 完善绿色低碳发展体系 推动产业高质量发展 [2] 工业经济总量与增长 - “十四五”期间广西工业经济实现跨越式增长 2025年规模以上工业总产值预计达2.7万亿元 5年增长9000亿元 [1] - 2025年工业增加值占地区生产总值比重超27% 5年提升近4个百分点 工业成为全区经济发展的“压舱石” [1] 产业结构与支柱产业 - 广西已形成十大千亿元级支柱产业 [1] - 有色金属产业产值5年实现翻番 2025年预计突破4500亿元 [1] - 钢铁 食品2个产业产值超3000亿元 [1] - 造纸与木材加工 石化化工 机械 电力4个产业产值超2000亿元 [1] - 汽车 电子信息 建材3个产业产值超1000亿元 [1] 数智化与绿色化转型 - 广西实施“智改数转”“人工智能+制造”行动 [1] - “十四五”期间累计推动5000多家企业实施“智改数转” 近万家企业完成数字化诊断 [1] - “十四五”期间新增国家级绿色工厂105家 绿色园区11个 3个园区入选首批国家级零碳园区建设名单 [1] 未来发展方向 - 广西将持续聚焦十大千亿元级支柱产业 坚持智能化 绿色化 融合化方向 [2] - 以人工智能为引领 深化科技创新与产业创新融合 完善绿色低碳发展体系 推动产业高质量发展 [2]

工业经济总量与增长 - 广西坚定不移实施工业强桂战略 着力扩投资、调结构、增效益 做优做强工业经济[1] - “十四五”期间广西工业经济实现跨越式增长 2025年规模以上工业总产值预计达2.7万亿元 5年增长9000亿元[1] - 2025年工业增加值占地区生产总值比重超27% 5年提升近4个百分点 工业成为全区经济发展的“压舱石”[1] 支柱产业结构与规模 - 广西已形成十大千亿元级支柱产业[1] - 其中有色金属产业产值5年实现翻番 2025年预计突破4500亿元[1] - 钢铁、食品2个产业产值超3000亿元 造纸与木材加工、石化化工、机械、电力4个产业产值超2000亿元 汽车、电子信息、建材3个产业产值超1000亿元[1] 产业转型与升级举措 - 在数智化与绿色化转型方面成效显著 实施“智改数转”“人工智能+制造”行动[1] - “十四五”期间累计推动5000多家企业实施“智改数转” 近万家企业完成数字化诊断[1] - 新增国家级绿色工厂105家、绿色园区11个 3个园区入选首批国家级零碳园区建设名单[1] 未来发展方向 - 广西将持续聚焦十大千亿元级支柱产业 坚持智能化、绿色化、融合化方向[2] - 以人工智能为引领 深化科技创新与产业创新融合 完善绿色低碳发展体系 推动产业高质量发展[2]

文章核心观点 - 工业和信息化部印发《工业互联网和人工智能融合赋能行动方案》，旨在通过四大行动，推动两者深度融合，目标是到2028年实现融合赋能水平显著提升 [1][2][5] 基础设施 - 目标扩大满足人工智能工业应用需求的新型工业网络规模，在原材料、装备制造等重点行业加快部署，推动不少于50000家企业实施新型工业网络改造升级 [2] - 实施基础底座升级行动，支持工业企业推动工业网络控网算一体化演进和能力升级，推进重点行业新型工业网络改造 [5] - 提高工业互联网平台智能化水平，强化其要素连接、智能分析、资源配置能力，探索打造“模型池”，形成面向典型场景的工业智能体应用 [5] - 强化工业智能算力供给，鼓励公共算力服务商向工业企业提供服务，加快智能网关等设备部署，推动端侧设备智能化升级 [5] 要素支撑 - 目标完善工业数据汇聚、治理、流通、共享体系，在20个重点行业打造一批高质量数据集 [2] - 实施数据模型互通行动，加强工业数据汇聚共享，建立全国工业数据目录，加快工业数据可信流通空间建设 [6] - 加强行业数据集建设支撑，鼓励企业联合开展工业数据清洗、标注、合成、评估，打造高质量行业数据集 [6] - 提升工业模型开发部署效率，加快打造面向重点行业的工业大模型和面向应用场景的专用小模型，鼓励探索开发工业模型互联接口 [6] 融合应用 - 目标面向重点产业链关键环节、典型场景，培育一批智能化解决方案供应商，推动大中小企业协同升级 [2] - 实施应用模式焕新行动，鼓励工业企业利用工业互联网打通数据流，基于人工智能开展智能分析，加快平台化设计、智能化生产、个性化定制等应用模式变革 [6] - 加快重点行业推广，实施工业互联网与重点产业链“链网协同”工程，在钢铁、航空、船舶等超过12个重点行业编制、发布、更新、推广一批融合应用参考指南 [7] 产业生态 - 目标实现重点企业、技术产品、公共服务等要素资源的高效配置 [2] - 实施产业生态融通行动，强化重点企业培育，鼓励企业打造具备智能系统集成能力的解决方案，鼓励龙头企业孵化行业级智能化解决方案供应商 [8] - 加快技术产品创新，鼓励企业联合推进工业通信芯片、工业传感器、工业终端、工业控制系统等智能化升级，逐步深化人形机器人应用，加强标准体系衔接 [8] - 优化公共服务能力，推动行业数据集、工业模型评测等公共服务平台建设，支持建设开源项目和开源社区，开展“百城千园行”等活动，推广典型案例和优秀方案 [8] 行业现状与政策背景 - 2025年，中国具有一定影响力的工业互联网平台超340家，连接设备超1亿台（套），服务企业近400万家次，工业互联网实现41个工业大类全覆盖 [1] - 2025年8月发布的《国务院关于深入实施“人工智能+”行动的意见》提出深化人工智能与工业互联网融合应用 [1] - 工业互联网已迈入高质量发展、规模化推广新阶段，为人工智能提供互联通道、数据资源、平台中枢，而人工智能的新特征也助力工业互联网升级，两者互促共进 [8]

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]

政策核心内容 - 工信部印发《工业互联网和人工智能融合赋能行动方案》 [1] - 方案旨在通过工业互联网与人工智能融合，推动重点行业数字化转型与智能化改造 [1] 重点实施路径 - 实施工业互联网与重点产业链“链网协同”工程 [1] - 强化与各行业数字化、智能化政策的衔接与协同 [1] - 在钢铁、航空、船舶、工程机械、农机装备、电子信息制造、电力、石化化工、有色金属、纺织服装、医药、轻工等重点行业编制、发布、更新、推广一批融合应用参考指南 [1] 具体工作举措 - 分行业梳理融合应用的典型场景、技术产品清单、供应商名录、标准索引 [1] - 加快场景培育与开放，建立解决方案资源池，加强供需精准对接 [1] - 聚焦产业链资源共享和要素互通需求，开展人工智能与“链网协同”典型案例征集 [1] - 遴选系统集成水平高、连接元素广、链式转型效益好、智能化水平高的项目 [1]