近日，工业和信息化部明确表示，我国人工智能与制造业深度融合已进入规模化落地新阶段，下一步将聚焦通用大模型与行业大模型协同研发、工业数据集高质量建设、产业生态体系完善三大核心任务，以“供给-应用”双轮驱动制造业全链条智能化升级，打造全球竞争新优势。
AI大模型：从“单点突破”到“全链赋能”
我国人工智能产业已形成“基础层（算力/数据）-框架层（开发平台）-模型层（通用/行业大模型）-应用层（场景解决方案）”完整生态链。据工信部统计，截至2024年6月，全国已培育超200个工业大模型，覆盖电子、汽车、钢铁、化工等30余个重点行业，在研发设计、中试验证、生产制造、运营管理等环节形成典型应用场景。
在电子行业，华为云盘古大模型助力某半导体企业实现晶圆缺陷检测效率提升40%，研发周期缩短30%；在汽车制造领域，一汽集团联合百度智能云构建的“冲焊涂总”全流程质量预测模型，使整车一次下线合格率提高至99.2%；在钢铁行业，宝武集团基于腾讯云TI平台开发的能耗优化模型，单座高炉年节煤超2万吨。
“下一步将推动通用大模型与行业大模型‘双轨并进’。”工信部科技司负责人表示，一方面支持科技巨头攻关千亿参数级通用大模型，提升跨领域泛化能力；另一方面鼓励龙头企业联合科研院所开发垂直领域专用模型，重点突破工艺优化、故障诊断、供应链协同等场景的“卡脖子”问题。
数据集建设：破解工业AI“燃料”短缺难题
高质量工业数据是训练大模型的“核心燃料”。当前，我国工业数据存在“三低”痛点：数据标注率不足15%、跨企业数据流通率低于8%、行业数据集覆盖率仅60%。为此，工信部将实施“工业数据跃升计划”：
构建国家级工业数据资源池：依托国家工业互联网大数据中心，整合装备制造、电子信息等八大行业数据，2024年底前建成覆盖20个细分领域的50个高质量数据集，数据规模突破10PB。
建立数据确权与流通机制：推动区块链技术在数据资产登记、交易中的应用，在长三角、粤港澳大湾区试点工业数据空间，实现跨企业数据“可用不可见”安全共享。
开发智能标注工具链：研发面向工业场景的半自动标注平台，将数据标注效率提升5倍以上，降低中小企业数据治理成本超60%。
“某家电企业通过接入工业数据资源池，其压缩机故障预测模型准确率从78%提升至92%，年减少停机损失超3000万元。”工信部赛迪研究院专家指出，数据要素的深度开发正成为制造业降本增效的新支点。
生态培育：打造“雁阵式”创新集群
为加速AI技术产业化落地，工信部将实施“三个一批”工程：
培育一批龙头企业：在高端装备、新材料等10个领域遴选20家“AI+制造业”链主企业，支持其建设行业大模型创新中心，开展“模型即服务”（MaaS）商业模式探索。
孵化一批专精特新企业：通过“揭榜挂帅”机制，聚焦工业视觉检测、设备预测性维护等细分赛道，培育100家掌握核心算法的中小企业，对优质项目给予最高5000万元资金支持。
建设开源开放社区：依托中国信通院、之江实验室等机构，打造工业AI开源平台，2024年内开放50个以上预训练模型、200个行业数据集，降低中小企业AI应用门槛。
同时，工信部将联合国家标准委加快制定《工业大模型应用成熟度模型》《智能制造数据安全规范》等12项关键标准，构建涵盖模型训练、部署、运维的全生命周期标准体系。
全球竞速：抢占智能工业革命制高点
当前，全球制造业正经历“数字化-网络化-智能化”三级跳。工信部数据显示，我国智能制造就绪率已从2020年的7.9%提升至2024年的18.5%，但与德国（35%）、美国（28%）仍有差距。
“‘AI+制造业’的深度融合将重构全球产业竞争格局。”中国工程院院士李培根指出，通过工业大模型与数字孪生、5G+工业互联网等技术的协同创新，我国有望在新能源装备、智能网联汽车等领域实现“换道超车”。
工信部表示，到2025年将实现“三个100”目标：建成100个工业大模型创新应用先导区，培育100家具有国际竞争力的AI解决方案供应商，推动100个重点行业智能化改造覆盖率超80%，带动制造业综合成本下降15%、生产效率提升30%，为新型工业化注入强劲数字动能。
从实验室到生产线，从数据孤岛到智能生态，中国正以AI大模型为笔，以工业数据为墨，在新型工业化的画卷上书写“智造强国”的新篇章。随着政策、技术、市场的同频共振，一个更加智能、高效、绿色的现代产业体系正加速崛起。
