党的二十届四中全会提出“构建以先进制造业为骨干的现代化产业体系”。在此过程中，人工智能（AI）作为赋能先进制造、优化产业布局的关键技术，其战略重要性尤为突出。随着产业智能化浪潮加速推进，拥抱AI已成为企业突破发展瓶颈、抢占未来先机的必然路径。如何切实推动AI与工业领域深度融合？日前，中国经济时报记者就此采访了国务院发展研究中心企业研究所副所长、研究员马源，探寻破题方向。

我国工业AI应用：成效初显，挑战犹在

记者：您认为，我国工业AI应用正处于何种发展阶段？制造业企业在应用AI方面，面临的主要瓶颈体现在哪些方面？

马源：总体来看，我国工业体系完备，应用场景类型多，数据资源丰富，在工业AI应用方面大有可为。结合我国典型行业和企业AI应用案例分析，目前进展可简要归纳为以下方面。从应用领域看，电子信息、汽车、能源、钢铁、化工等制造业自动化、数字化基础扎实，数据资源积累丰富，AI应用相对较快，如过程控制、质量检测、工艺优化。从产业链环节看，呈现出“微笑曲线”，即产业链两端研发设计和市场营销、客户服务等环节落地较快，如利用AI技术进行仿真建模、优化参数、预测需求等，但在生产制造等中间环节相对缓慢，目前应用集中在物料识别、库存优化、巡检、缺陷检测、预测性维护等细分场景。从技术采纳看，大模型和小模型各有其应用空间，小型专用模型如视觉识别成熟度高，与工业机理关系弱，得到广泛应用；大模型在材料研发、辅助设计、知识检索、动态优化、设备维护等方面开始应用。从发展方向看，当下以场景开放和探索为主，特别是在数据基础好的行业门类和环节继续推进；未来几年场景将拓展范围，如向制造流程等核心环节延伸，形成一批贯穿全流程的、可推广的解决方案，再叠加智能体、人形机器人等新技术新业务，深刻改变未来工业形态。

从调研情况看，制造业企业应用AI是个循序渐进、逐步深入的过程，需要因业、因企施策，目前面临的一些挑战包括：企业拥抱AI的意愿强烈，但对应用场景解决能力、投入产出比等还有不少顾虑；工业生产制造环节对可靠性、稳健性要求很高，既有大模型还需要克服“幻觉”等技术难题；企业数字化转型进程不一，数据治理基础薄弱，同时又担心数据安全风险；企业组织架构、人才队伍等尚难以匹配智能化转型需要。这些方面需要从技术、应用、数据、诊断、培训等方面协同努力推进解决。

健全机制，推动数据资源流得动用得好

记者：数据是工业AI应用的根基，但制造业普遍面临“数据碎片化”“低质化”及共享意愿低的问题，在您看来，如何构建兼顾数据安全与高效利用的机制，破解“数据孤岛”难题？

马源：高质量数据集是训练工业AI应用的基础性资源，直接关乎模型性能的优劣。而数据“碎片化”“孤岛化”，导致AI的潜在价值难以释放。就丰富数据资源供给和推进流通利用而言，既要提升能力，还要健全机制。可考虑的方面包括：一是加强工业数据标准建设，让行业内不同企业、不同环节的数据能够互认兼容、流通使用，提升不同来源数据的质量和一致性。二是增强专业标注能力。工业数据“隔行如隔山”，高质量数据集离不开高质量、专业化的标注投入，应着力发展自动标注技术，培育特色化、专业化的标注服务。三是发展合成数据，弥补原始数据不足，包括支持仿真数据生成、合成技术研发等，这是近年来国际上的发展趋势。四是建设行业可信数据空间，如在化工、能源、钢铁、煤炭、装备等急需领域，支持龙头企业或联盟协会牵头产业链上下游加快建设，推进共享流通利用；有关部门已经在推动高质量数据集建设，也取得了一些进展。五是健全版权管理政策，对于工业AI应用，探索允许合理使用版权数据的政策举措。六是保障数据安全和保护个人信息。重点是加强数据分类分级管理，健全企业内部数据治理体系，让高质量数据集合规流通使用，免除后顾之忧。

协同共进，培育繁荣“AI＋工业”生态

记者：在培育“AI＋工业”生态等方面，政府、企业、科研机构需建立怎样的协同机制，有效推动AI与制造业深度融合？

马源：培育“AI＋工业”生态主要涉及工业企业、AI应用方案提供商和科研机构，也需要政府部门健全制度、完善环境。大致可从以下三个方面来考虑。

从需求侧来看，工业企业是AI应用的最终受益者和价值实现者，需主动拥抱AI，将AI纳入发展战略，把脉自身问题痛点，作为“出题人”列出应用场景需求；加强与AI应用方案提供商的协同互动，健全数据从采集到销毁的全周期治理制度，针对具体场景如工艺、诊断、维护等需要，开发和验证解决方案，在快速迭代中完善AI应用、逐步推广。

从供给侧来看，AI应用方案提供商宜定位为“智能化伙伴”，从以技术为中心转向以业务应用为中心，将通用AI技术与特定行业知识紧密结合起来，提供经济、便捷、易用的AI应用解决方案，将成功案例沉淀为可复用的行业模板和方法论。同时，还应与物联网设备企业、边缘计算设备企业、云服务商建立伙伴关系，支持企业选择公有云、私有云或混合部署，满足客户在数据安全和成本上的不同需求。

从政府侧来看，主要是健全制度和完善政策，促进AI深入应用到工业领域，包括：组织制造业企业梳理共性痛点，形成“AI＋工业”应用场景需求清单；通过“算力券”、“模型券”、开放高质量行业数据集等，降低中小企业拥抱AI应用的门槛；优化AI行业大模型评测和准入备案制度，研究制定工业AI在数据标准、安全、算法、伦理等方面的规范要求，为AI与工业深度融合明确合规方向。

值得注意的是，培育繁荣“AI＋工业”生态，还需妥善把握自主可控与国际合作的关系。就目前而言，已被有关国家列入管制或“卡脖子”的环节，还有直接关系到国计民生和国家安全的重要行业或领域，需考虑提升工业AI的自主可控能力。同时，加强国际合作，带动全球产业链协同发展，参与相关国际规则制定，共享工业AI发展红利。