发挥场景优势 推动“AI+工业”融合互促

“十五五”规划建议将“建设现代化产业体系，巩固壮大实体经济根基”作为“十五五”时期首要战略任务，并提出开展新技术新产品新场景大规模应用示范行动，全面实施“人工智能+”行动，培育壮大新兴和未来产业。中央经济工作会议进一步提出坚持创新驱动，加紧培育壮大新动能，并强调要强化企业创新主体地位，深化拓展“人工智能+”。

今年是“十五五”开局之年，应充分发挥我国丰富应用场景优势，加快产业政策和场景侧改革，以场景为驱动、以人工智能（AI）为引擎、以数据为纽带、以生态为支撑，构建“科技创新-场景应用-产业创新”循环互促的创新体系，将AI的“技术势能”转化为产业向新向上的“发展动能”。

亟需将人工智能的技术势能转化为产业发展动能

“十五五”时期是我国从制造大国迈向制造强国的关键阶段，而AI大模型与海量工业场景的深度融合，成为加速AI发展和推动产业智能化、绿色化、融合化发展，加快推进新型工业化、建设现代化产业体系的关键引擎。特别是以DeepSeek、通义千问等为代表的国产大模型实现全球领先并以开源模式加速全场景应用，标志着中国正从AI技术原创突破迈向以场景为牵引加快高水平产业赋能的关键临界点。

国务院办公厅印发的《关于加快场景培育和开放推动新场景大规模应用的实施意见》明确提出，要充分发挥我国超大规模市场和丰富应用场景优势，支持建设一批综合性重大场景、行业领域集成式场景、高价值小切口场景，扩大生产场景、工作场景、生活场景供给，推动场景资源开放，促进场景资源公平高效配置，推动新场景大规模应用，凸显场景作为新质生产力的战略性资源，对全面实施“人工智能+”行动，加快人工智能高水平赋能新型工业化、建设现代化产业体系的战略意义。

人工智能+工业化面临的现实挑战

第一，工业场景存在碎片化现象，规模化应用待破局。我国工业场景覆盖制造业全链条，但AI应用场景呈现“少数重大场景为牵引、大量长尾场景占主导”的特征，AI赋能多停留在质检、设备预测性维护等“点”的应用，缺乏产线级、全流程、跨领域的集成化场景设计。相关统计显示，在制造业领域，2025年物体搬运物流、智能计划排产、质量控制、现场作业等场景，AI应用规模预计分别为12.3亿元、29.7亿元、23.2亿元、22.7亿元，但整体仍较为分散。场景碎片化导致技术价值难以充分释放，往往存在“投入大、见效慢”的现实瓶颈，智能工厂、智慧供应链等重大场景仍在探索，缺乏可复制推广的场景标杆示范，制约规模化推广。

第二，重大工业场景机会开放程度有待提升。AI企业多为民营企业，但重大场景主要掌握在政府部门、大型基建国企、制造业链主企业手中，这些重大场景开放程度有限，使得AI赋能重大工业场景的门槛高、难度大。

第三，工业数据壁垒高筑，流通共享机制待完善。数据是AI的核心要素，丰富的数据资源能为大模型和具身智能的训练与优化提供充足的“燃料”，从而提升其在工业场景中的泛化能力。同时，当前AI预训练模型参数数量、训练数据规模以300倍/年的趋势增长，增大模型和增加训练数据是未来演进方向。然而，实际工业数据分散在设备、系统和产业链各环节，且涉及商业机密和隐私保护，跨企业、跨平台的数据共享阻力巨大，行业级高质量公共数据集建设亟待提速。

第四，微观经营主体活力不足，面临增收不盈利的现实困境。产业现代化需要大中小企业融通创新，但当前AI赋能工业化仍由头部企业主导，传统制造业中小企业受制于融资约束，难以负担AI技术应用成本，还面临技术门槛高、场景对接难等问题。与此同时，产业链上下游协同不足，装备制造商、软件服务商与终端用户之间缺乏深度合作，制约场景闭环构建，最终陷入“增收不增利”的困境。

第五，算力基建投资加速，但有效算力供给不足。工业场景对实时计算和边缘算力需求迫切，但受限于网络延迟、本地应用场景匮乏等因素，我国算力资源分布不均衡，东部地区算力占比较大，中西部工业重镇算力供给缺口显著。并且，我国当前算力基建投资集中于以CPU为主的传统通用服务器，而市场急需的智能算力（GPU/TPU/ASIC等）供给不足。目前，算力基建“总量过剩、有效供给不足”的结构性问题制约AI大模型在复杂场景中的快速应用迭代和价值释放。

以场景驱动加快AI高水平赋能新型工业化

首先，实施场景驱动创新战略，构建“全链+特色”场景体系。实施场景驱动人工智能高水平赋能新型工业化行动计划，围绕研发设计、智能生产、供应链管理等重点核心环节，遴选十百千国家级标杆场景，形成“全链条贯通、多领域联动”的场景示范矩阵。结合区域产业禀赋，打造“一链一策”的垂直特色场景。建立工业高价值场景动态清单，每年更新一定比例的示范项目，淘汰技术落后、效益低下的场景，推动场景与技术进步互促并进。构建AI赋能制造业综合评价体系，围绕技术成熟度、场景开放度、应用赋能成效等维度，建立多层次、动态化的评估框架，为AI高水平赋能提供科学指引和前瞻引导。

其次，开发开放超级场景，推动技术-场景精准适配。加强政策引导，鼓励科技领军企业、制造业链长企业、国资央企等开发开放大规模产业场景，支持各地政府开发开放城市场景，建设千亿级超级场景，推动建设AI+先进制造终端应用基地，降低民营AI企业参与门槛。建立工业AI或具身AI机会清单，由工业企业发布技术难题，中小企业参与AI+示范应用场景模型开发，形成一批行业级解决方案，政府按成果转化效益给予补贴支持。专项支持边缘计算、小样本学习、自适应算法、工业智能体等工业级AI研发，降低算力依赖，提升场景适配性。围绕重点产业链打造示范应用场景，发布AI软硬件创新产品目录，并将首台套、首版次、首批次AI大模型和具身智能机器人场景化验证应用纳入“两重两新”和超长期特别国债等专项政策支持。

第三，打破数据孤岛，构建工业数据要素流通生态。制定并实施工业数据共享管理办法，建立科学的数据分级管理体系，重点推动设计参数、工艺知识等非涉密数据定向开放与共享。以工业互联网平台和数据要素型央企为基础，统筹建设国家级工业数据集团，打造工业数据枢纽平台，支持跨业、跨域数据融合应用，并通过税收减免等激励措施，吸引工业企业接入，构建良性互动、共建共益的数据共享生态系统。加快推进制造业数据空间、数据信托、数据银行等创新机制试点工作，积极探索基于AI、区块链等技术的数据确权与收益分配模式，充分激活数据要素市场价值，促进工业数据要素优化配置与高效利用。

第四，强化中小企业赋能，打造“链主+生态”协同体系。一是给与国家人工智能产业投资基金、国家创投基金等政策性战略投资基金更多制度灵活性和决策自由度，重点支持专精特新和科技先锋企业参与场景开发，提供首台套首批次首版次成果的场景应用风险补偿。二是以场景示范工程、场景保险补贴等激发与引导链主企业向中小企业开放场景，支持其低成本快速部署、全产线应用AI大模型。三是优化营商环境，以法治手段切实解决大企业、政府部门拖欠AI中小企业账款问题，助力中小企业形成场景应用-资金回流-场景迭代-企业规模化增长的“飞轮”。四是实施“百千万工业AI工程师计划”，联合高校、企业共建实训基地，推行“企业导师+高校教授”双导师制，定向培养既懂工业场景又精通AI技术的复合型人才，为生态提供创新动力。

第五，夯实新型基础设施，开源共建提升算力-网络支撑能力。一是建立全国一体化异构算力交易平台，创新采用“算力证券化”模式实现跨区域资源高效调配，同时积极推行“算力银行”模式，为企业提供闲置算力存储增值服务，提升资源利用效率。二是支持领军企业依托开源社区开发工业级AIaaS或MaaS平台，通过开源开放模式集成低代码开发、微服务架构、异构模型调用等核心功能，切实降低中小企业智能化转型门槛。三是构建完善的工业AI安全防护体系，建立健全漏洞库与威胁情报开源共享机制，加快研制自主可控的工业防火墙与加密芯片，筑牢产业安全防线。

（作者：尹西明系北京理工大学公共管理系主任、工业和信息化部“十五五”规划专家组成员；武沛琦系中山大学管理学院博士研究生）