以“人工智能+”推進工業全要素智能化發展
來源:高新院 achie.org 日期:2025-11-06 點擊:次
【作者簡介】魯春叢,中國工業互聯網研究院院長
習近平總書記指出,“十五五”時期,必須把因地制宜發展新質生產力擺在更加突出的戰略位置。黨的二十屆四中全會通過的《中共中央關于制定國民經濟和社會發展第十五個五年規劃的建議》,強調“加快高水平科技自立自強,引領發展新質生產力”。人工智能是新質生產力的重要組成和關鍵驅動力量,對工業技術、知識、數據、人才、資本等要素創新性配置帶來根本性影響,新型工業化的前進動力正在發生深刻變化。2025年8月國務院印發《關于深入實施“人工智能+”行動的意見》,提出“推動工業全要素智能聯動,加快人工智能在設計、中試、生產、服務、運營全環節落地應用”,“加快工業軟件創新突破,大力發展智能制造裝備”,“深化人工智能與工業互聯網融合應用,增強工業系統的智能感知與決策執行能力”,明確了在工業領域推進“人工智能+”的發展方向和目標要求。
一、深刻認識“人工智能+”推進工業全要素智能化發展的重要意義
人工智能是引領新一輪科技革命和產業變革的戰略性技術,具有溢出帶動性很強的“頭雁”效應。人工智能應用重點正從消費服務領域轉向生產制造領域,以“人工智能+”推進工業全要素智能化發展,不僅是技術產業迭代升級的重要路徑,更是提升國家競爭力、塑造產業主導權的重要舉措。
搶抓新一輪科技革命和產業變革歷史機遇的客觀要求。縱觀以機械化、電氣化、自動化為特征的前三次工業革命,無一不推動了社會生產力的大幅躍升和生產關系的深刻變革。當前,以大模型為代表的人工智能技術爆發式發展,具身智能、智能體、群體智能、人機混合增強智能等加速突破,正在成為重組全球要素資源、重塑全球經濟結構的關鍵力量。大模型正從“吟詩作畫”轉向工藝優化、設備控制,AI手機、AI電腦、AI眼鏡等智能終端成為潮流單品,具身智能機器人從“秀場”走向“工廠”,人工智能正以前所未有的速度融入千家萬戶、賦能千行百業,深刻改變人類生產生活方式。據權威機構預測,到2030年,全球人工智能市場規模預計超過1.8萬億美元,年復合增長率為35.9%,人工智能對全球經濟的總貢獻量將達到15.7萬億美元。牢牢抓住人工智能這個“牛鼻子”,加快形成新質生產力,就是抓住了新一輪科技革命和產業變革的發展先機。
應對國際競爭打造新優勢的戰略選擇。當前,世界主要國家紛紛將人工智能作為重塑競爭力的核心領域,持續加大支持力度。美國先后發布《美國政府關鍵和新興技術國家標準戰略》《贏得AI競賽:美國AI行動計劃》,啟動“星際之門”計劃;法國發布《勇敢擁抱人工智能(AI):讓AI在所有企業全面推廣計劃》,到2030年,推動100%的大型企業、80%的中小企業和50%的微型企業將人工智能融入日常運營;德國發布《未來研究與創新戰略》《人工智能行動計劃》,在《2025年高科技戰略》中明確提出,到2030年,AI創造的產值將占德國GDP的10%。在政策支持的不斷加力下,國際巨頭紛紛加碼人工智能發展,英偉達、微軟、OpenAI、谷歌持續擴大在芯片、大模型、云計算等領域的資本投入,西門子、博世、SAP等企業通過收并購等方式加速拓展工業智能產品。據權威機構預測,到2028年,人工智能企業在芯片、基礎設施上的投資將達到2.9萬億美元。在這場競爭中,我們不進則退、慢進亦退,只有以“人工智能+”形成中國特色競爭新優勢,才能奪得先機、贏得主動。
推進新型工業化的內在需要。推進新型工業化,需要深刻把握時代特征和發展規律,緊抓人工智能這一關鍵變量,促進人工智能和制造業深度融合。近年來,我國人工智能技術和產業快速發展,已形成覆蓋算力、數據、框架、模型、應用的完整產業體系,算力總規模位居全球第二,核心產業規模超9000億元,人工智能企業數量超5000家,為更好賦能新型工業化打下堅實基礎。我國制造業增加值規模連續15年位居全球首位,對全球制造業增長的貢獻率超過30%。其中,傳統產業仍是我國制造業的主體,占全部制造業的80%左右。實踐證明,應用數字技術、人工智能對傳統產業進行全方位、全鏈條的改造,將有效推動企業降本、提質、增效、綠色、安全發展。全國已建成的230余家卓越級智能工廠,產品研發周期平均縮短28.4%,生產效率平均提升22.3%,不良品率平均下降50.2%,碳排放平均減少20.4%。我國人工智能的巨大潛力與堅實的工業基礎相結合,將為加快推進新型工業化注入強大動力。
二、我國“人工智能+”推進工業全要素智能化發展取得積極進展
在政產學研用各方協同推進下,我國人工智能技術在電子、原材料、消費品等行業逐步普及,在研發設計、中試驗證、生產制造、運營管理等環節加速拓展,基本形成“產品裝備—產線車間—企業管理—產業鏈協同”的全要素、多層級賦能體系。
人工智能+工業產品,深刻變革研發模式。人工智能可以挖掘工業知識、技術文檔、工藝路線、三維模型等數據的內在規律,通過建模仿真與復雜計算,根據實際需求輔助生成材料配比、參數配置、外觀造型等設計方案,實現方案自動生成、快速迭代和多維度優化。與傳統依賴人工經驗和線性流程的研發設計模式相比,人工智能可大幅縮短研發周期、降低試錯成本、提升設計精度與創新性。一是產品研發智能化。人工智能賦能新材料與新工藝的發現過程,實現從經驗驅動到數據驅動的研發范式轉變。比如,中石化利用大模型自主開發聚酰亞胺新材料智能設計平臺,定向生成新型分子結構設計方案、準確預測新材料性能參數,聚酰亞胺性能預測準確率超過90%,新結構的篩選和設計時間縮短80%。二是裝備設計智能化。人工智能驅動從手工繪制到智能生成的設計方式變革。比如,東風汽車通過多模態大模型的文生圖、圖生圖能力,結合用戶大數據,將以往手動為主的造型工作,轉化為全流程在線化工作,綜合效率提升30%以上。
人工智能+生產作業,深刻變革制造模式。人工智能驅動生產作業模式從剛性流水化向柔性自適應模式演進。傳統產線、車間多依賴固定工藝和流水化生產,造成響應慢、柔性不足、能耗較高,而人工智能以“大小模型+邊緣智能”等形式部署在工業現場,通過機器視覺、智能調度、預測性維護和多智能體協同等方式,實現生產環節的“感知—決策—執行”閉環,減少停機時間,提高能源利用率,使制造系統在效率、良率、能耗與響應速度上實現質的躍升。一是生產排程智能化。人工智能通過對復雜工業流程邏輯進行建模,實現關鍵節點的任務分配和智能化調度。比如,寶鋼包裝依托工業大模型構建智能排產系統,整合訂單、設備、能源、物流等多維數據,結合多目標決策優化算法,實現排產效率大幅提升,可實現十余條產線生產任務的分鐘級智能調配,全年效益增長1.5%以上。二是綠色制造智能化。基于碳排放管理大模型,面向建材、鋼鐵、化工、電力等高耗能行業,開展碳排放監測、核算與追蹤,優化碳管理路徑。比如,寧德時代利用人工智能實現從電極制漿、涂布到檢測、組裝的全流程工藝優化,并進行訂單管理和能耗的智能協同,工廠碳排放降低57%,相當于每年種植1800萬棵樹的生態效益。三是中試驗證智能化。人工智能基于歷史工藝與實驗數據開展虛擬仿真與參數優化,減少大量重復性試驗,縮短驗證周期。比如,武漢先進院構建材料創制大模型MARS和材料中試智能體,實現“性質—結構—合成”多維預測,新材料中試驗證效率提升50%,成本降低60%。
人工智能+企業管理,深刻變革運營模式。人工智能推動企業管理向實時感知、動態優化、自主協同的敏捷高效模式演進。傳統運營管理依賴人工經驗和層級決策,往往存在信息孤島、響應滯后、資源配置低效等問題。人工智能通過對設備、產品、財務、供應鏈、人力資源、市場等數據的智能分析與預測,實現精準決策支持、流程自動化與風險預警。隨著大模型、智能體與企業知識庫深度融合,運營管理將向“認知智能”演進,人工智能不僅執行任務,更能理解業務語境、自主提出策略建議,推動企業邁向“智能自治”。一是企業運營智能化。人工智能通過大模型驅動“企業大腦”,實現從人工監控到智能調度的轉變。比如,TCL建立基于工業大模型的顯示器生產園區智能集控系統,實現智能知識推薦、報表智能生成、告警內容深度分析、智能派工等核心功能,通過大模型運營調度優化管理,企業運營成本降低30%,故障處理時間縮短45%。二是設備運維智能化。大模型推動設備管理從“被動維護”向“預測性維護”升級,解決因設備故障導致的企業運營堵點卡點。比如,中國工業互聯網研究院聯合企業打造智能運維大模型,匯聚海量IT設備運維工單數據,融合多智能體協同、檢索增強、知識圖譜等技術,實現復雜IT設備的自動化巡檢和主動運維,助力企業運維成本降低30%,故障率降低50%,平均設備故障處理時間縮減至2小時以內。
人工智能+產業鏈供應鏈,深刻變革協同模式。人工智能驅動產業鏈供應鏈從“被動響應”邁向“智能協同”,讓整個鏈條“看得清、想得快、調得準”。傳統生產模式下,產業鏈運轉多依賴靜態計劃和層級制組織方式,信息傳遞滯后、資源配置僵化、風險預警不足。人工智能通過大數據分析、智能預測等方式,實現供需精準匹配、運輸路徑優化、庫存智能調度與數據實時共享,能夠形成跨行業、跨區域的產業協同網絡,有效打破企業間信息壁壘,推動上下游資源高效配置和產業鏈整體韌性提升,形成高效順暢的協同生態。比如,一汽集團將物流全鏈路拆解為“庫存管理、路徑規劃、設備調度”等近百個業務單元,通過人工智能算法實現智能聯動,當零部件庫存告急時,自動觸發“供應商補貨、生產線排程、物流調度”全鏈條動作,實現智能調度效率提升20%,人工成本降低40%。又如,中國工業互聯網研究院建設全國裝備制造業數字供應鏈平臺,匯聚2.3億件數字工品,服務42萬家企業、215萬名工程師,通過構建工業設計大模型,提供貫穿“模型智能檢索—產品智能推薦—生成式設計”的智能化服務體系,設計效率提升50%,研發成本降低30%。
三、推進“人工智能+”工業全要素智能化發展的重點任務
“十五五”時期是基本實現社會主義現代化夯實基礎、全面發力的關鍵時期,也是基本實現新型工業化深入實施、攻堅克難的關鍵階段。站在科學謀劃“十五五”新的歷史起點上,我們要堅持以習近平新時代中國特色社會主義思想為指導,全面貫徹黨的二十大和二十屆二中、三中、四中全會精神,認真落實黨中央、國務院決策部署,系統總結經驗做法、立足我國基本國情、順應工業發展規律、前瞻布局重點工作,加快以“人工智能+”推進工業全要素智能化發展,為推進新型工業化注入新動能。
推進技術改造,發展智能裝備。一是突破核心技術。加強多模態感知融合技術的研發,提升傳感器精度與集成度。大力發展運動控制等核心算法,研發高性能的控制與驅動部件,實現裝備的高速、高精度、高動態響應和穩定運行。加強人機交互技術研究,開發新型交互接口與設備。二是研發工業軟件。分行業、分階段加快開展研發設計類、生產制造類、經營管理類、運維服務類工業軟件更新換代和工業APP開發應用,實現軟件定義裝備功能。推動開源社區建設,促進跨行業融合,構建開放協同的工業軟件生態系統。制定工業軟件標準體系,加強工業軟件安全防護,推動工業軟件的可信認證。三是推廣裝備應用。深化智能診斷、預測性維護、工藝參數自優化、自適應控制等裝備智能化應用場景創新。發展高負載、高精度、高靈活性的工業機器人,推進機器人等智能裝備與人、環境、生產要素等全面集成、交互與協同,構建柔性制造單元和智能產線。聚焦鋼鐵、有色、石化、化工、建材、機械、汽車、電力裝備、輕工、電子等十大重點行業,以生產作業、倉儲物流、質量管控等環節改造為重點,推動智能制造設備更新和技術改造。
推進大連接,升級工業互聯網。一是升級基礎設施。打造泛在互聯、控網算一體、開放智能、安全可控的新型工業網絡,提升標識解析服務效能,推廣“工業互聯網平臺+智能體”等創新模式,加快國家工業互聯網大數據中心建設運營,推進算力資源多級布局、互聯互通、高效調度。二是創新技術產品。推進工業通信芯片、工業傳感器、工業終端、工業控制系統等智能化升級,提升感知、交互、控制、決策能力。加快應用人工智能優化工業軟件開發流程和模式,提升主動優化、輔助生成等能力。三是拓展應用場景。堅持分業推進、分級推進、協同推進,實施橫縱結合的“T”型戰略,橫向實現產業鏈、產業集群的資源集成、供需對接,縱向打通設備單元、產線、車間、工廠、企業等各個層級智能應用的數據互聯通路,推動工業互聯網賦能制造業數字化轉型、智能化改造。建設一批5G工廠,在重點行業、重點產業鏈發布推廣工業互聯網融合應用參考指南和典型案例,在國家人工智能創新應用先導區、國家先進制造業集群等加快智能化解決方案普及推廣。
推進大數據,建設工業高質量數據集。一是建設數據集目錄。面向工業數據多源異構特性,分級推進設備產線、工廠企業、產業生態數據采集處理與流通應用。分類打造高質量數據集產品庫、工業機理庫、工業模型庫,形成高質量數據集目錄。二是打造可信數據空間。基于隱私計算、安全沙箱、身份可信認證、數據使用控制及全鏈路追溯等核心技術,打通數據集供給方、需求方及服務方協同鏈路,在“數據集物理不出域”前提下,通過“可用不可見”模式滿足多主體數據集使用需求。三是完善技術體系。編制重大技術攻關目錄和基礎設施建設指南,引導行業企業、科研機構開展技術攻關。在技術、質量、流通、安全等方面,構建高質量數據集標準體系,開展數據集質量與價值評估,推動數據集規范建設、流通與交易。四是深化融合應用。加快工業高質量數據集的應用,形成工業場景訓練語料服務、AI一體機定制化服務、數據處理工具商業化服務等模式。開展高質量數據集建設試點、案例遴選,編制行業高質量數據集建設指南,加快經驗模式推廣。
推進大模型,推廣工業智能體。一是健全多層次模型體系。推進人工智能算法與工業機理融合,打造工業大模型。在復雜工業場景中,利用大模型強大的多模態內容生成、理解能力進行宏觀指導與決策支持。同時,依靠小模型的高精度、專業性、實時性負責產線監控、設備維護等具體任務,形成“大模型指揮、小模型執行”的協作方式,打造大、小模型協同應用生態。二是發展工業智能體。開發自主智能體互聯協議,整合一系列相互關聯的數字工具,將離散的數字能力轉化為可執行、可度量、可持續的業務價值。三是建設開發工具鏈。強化模型設計、架構與制造業場景的協同適配,打造具備規模化部署能力的工具鏈和工具庫,實現工廠級、車間級的模型能力快速部署,降低大模型應用門檻。四是促進供需對接。構建場景導向的大模型工業應用解決方案供需對接平臺,提供涵蓋技術咨詢、方案設計、智能應用部署和運維優化在內的端到端服務,精準匹配制造業企業需求,縮短方案落地周期。
推進產教融合,培育數智人才。一是培養卓越工程師。加快卓越工程師實踐基地、工程師協同創新中心等載體建設,主動發現和培養一批具有科研項目攻關能力、善于解決復雜工程問題的高層次創新型人才,打造國家戰略人才力量。二是創新復合型人才培養方式。針對不同層次數智人才需求,運用好工業互聯網沉淀的工業模型知識,為人才培養提供真實生產場景的數據支撐。強化制造業一線工人的人工智能應用能力,暢通技能人才發展通道,吸引更多技能人才學習數字技術,從事數字職業。三是構建產教資源整合體系。調動好高校和企業兩方面積極性,鼓勵高校探索設立工業智能等交叉學科,建設產教融合實踐中心,引導企業大規模開展“人工智能+”能力素養提升培訓,持續完善人才評價與激勵措施。
來源:《中國黨政干部論壇》雜志 2025年第10期

