BET356官网在线登录 所有版权归中国经济网所有。
中国经济网新媒体矩阵
网络广播视听节目许可证（0107190）（京ICP040090）
“十五五”规划建议把“建设现代产业体系，夯实实体经济基础”作为“十五五”期间的重要战略问题。开展新技术、新产品、新场景大规模应用示范活动，全面实施“人工智能+”活动，培育壮大新兴产业和未来产业。中央经济工委进一步提出坚持创新驱动发展，加大培育壮大新动能力度，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，我国要给予充分发挥大量应用场景优势，加快产业政策和场景侧改革，以场景为动力，以人工智能为引擎，以数据为纽带，以生态为支撑，构建“技术创新-场景应用-产业创新”循环相互促进的创新体系，转化人工智能“技术势能”。成为行业前进的“发展动力”。迫切需要将人工智能的技术潜力转化为产业发展动能。 “十五五”时期是日本从制造大国向制造强国转型的重要阶段，大规模、大规模的产业场景成为加快人工智能发展、推动智能绿色融合产业发展、加快新型工业化进程的重要驱动力。建设现代产业体系。特别是以DeepSeek、统一钱文等为代表的国产大型模型已经取得全球领先，正在加速开源模型全场景应用，成为我国从人工智能技术自主进步向加速场景驱动高水平产业赋能的重要转折点。国务院办公厅印发的《关于加快场景培育开放促进新场景规模化应用的实施意见》指出，日本明确要充分利用ofimo市场规模大、应用场景丰富的优势，支持建设一大批综合主场景、产业板块融合场景、高值小切场景、扩大生产工作场景。脚本。场景及场景供应fe场景推动场景资源开放，促进场景资源公平高效配置，促进新型场景规模化应用，凸显场景作为新的优质生产力的战略资源，对于全面实施“人工智能+”行动，加快高水平人工智能推动新型工业化，构建现代产业体系具有战略意义。人工智能+工业化面临的现实挑战：一是工业场景碎片化，需要解决大规模应用。日本的产业场景覆盖整个制造链条，但AI应用场景的特点是由少数核心场景驱动、大量长尾场景主导。人工智能的使用仍然仅限于“一次性”应用，例如质量检测和预测性设备维护，缺乏集成的场景设计行级、全流程、跨域级别的登录。据相关统计，在制造业领域，预计2025年人工智能在货物装卸物流、智能计划调度、质量控制、现场作业等场景的应用规模分别为12.3亿元、29.7亿元、23.2亿元和22.7亿元，但总体情况仍较为参差不齐。场景的碎片化使得技术的价值难以充分释放。往往存在真正的瓶颈：投入高、见效慢。智能工厂、智能供应链等关键场景仍在考虑中。缺乏可复制推广的参考示范，限制了大规模推广。二是完善重点产业场景机会开放。大多数人工智能公司都是私营公司，但关键场景主要掌握在政府部门、大型国有企业手中。拥有基础设施公司和制造链所有者。这些关键场景的开放程度有限，导致人工智能难以覆盖关键行业场景。很难，也很难强化。三是工业数据壁垒高，机制有待完善、分配和交换。数据是人工智能的核心要素。丰富的数据资源可以为大规模模型和嵌入式智能的训练和优化提供充足的“燃料”，从而提高工业场景的泛化能力。与此同时，当前预训练AI模型的参数数量和训练数据规模每年增加300倍。未来的进化方向是增加模型数量和训练数据。然而，现实世界的工业数据分布在产业链的设备、系统和环节，涉及商业机密和隐私保护。对 sharin 有很大的抵抗力跨企业、跨平台的数据，迫切需要加快建设高质量、行业级的公共数据集。四是小企业缺乏活力，面临增收不增利的现实困境。产业现代化需要大中型企业的整合创新。然而，当前人工智能驱动的产业化仍然由大企业主导。传统制造业的中小企业受融资限制，难以覆盖应用人工智能技术的成本。他们还面临技术门槛高、对接场景困难等挑战。同时，产业链上下游环节不足，设备制造商、软件服务商和最终用户之间缺乏深度合作，限制了闭环场景的构建，最终导致困境“增收不增”的马其顿第五，算力基础设施投资虽在加速，但有效算力供给不足。在工业场景中，迫切需要边缘计算和实时计算能力。但网络延迟、本地应用场景缺乏等因素导致我国算力资源分布不均。东部地区占算力大部分，中部地区工业城市之间算力供给存在较大差异，此外，我国目前的算力基础设施投资主要集中在传统通用CPU为主的服务器上，缺乏市场急需的智能算力（GPU/TPU/ASIC等）。算力基础设施“总量过剩、有效供给不足”的结构性约束限制了应用的快速迭代和价值提升。复杂场景下大规模AI模型的解锁。加快高水平人工智能驱动新场景驱动产业化。一是实施场景化创新战略，构建“全链条+特色”场景体系。实施基于场景化人工智能的高水平行动规划，推动新型工业化。围绕研发设计、智能生产、供应链管理等关键核心环节，精选数十万个全国参考场景，形成“全链条互联互通、多维合作”场景示范矩阵。结合区域产业禀赋，打造“一链一策”特色垂直场景。建立高价值产业场景动态清单，每年更新一定比例的示范项目，淘汰落后技术和低效率场景，促进场景相互强化。和技术进步。构建人工智能驱动制造综合评价体系，围绕技术成熟度、场景开放性、应用赋能有效性等方面，建立动态、多层次的评价框架，为人工智能高水平赋能未来提供科学、前瞻的指引。二是发展开放超级场景，促进技术和场景精准适配。加强政策引导，鼓励技术龙头、产业链龙头、制造企业、央企等开发发布大型产业场景，支持地方政府发展开放城市场景，打造千亿级超级场景，推动人工智能+先进制造终端应用基地建设，降低民营人工智能企业参与门槛。创建工业或物理人工智能机会列表。工业企业发布技术版企业和中小企业行业将参与AI+示范应用场景模型的开发，形成一批工业级解决方案。政府将根据成果转化效果给予补贴。特别支持边缘计算、小样本学习、自适应算法、智能工业等工业级AI研发，减少对算力的依赖，提高场景适应性。围绕主要产业链打造示范应用场景，发布人工智能软硬件创新产品目录，纳入嵌入“两新”、超长期特别国债等专项政策支持的第一套、第一版、第一批大型人工智能模型和智能机器人场景验证应用。三是拆除数据孤岛，构建工业数据要素循环生态系统。德韦洛落实工业数据共享管理办法，建立科学的数据分级管理制度，重点促进设计参数、工艺知识等非保密数据定向公开和共享。基于工业互联网的平台形态和基于数据要素的核心企业，统筹建设全国性工业数据集群，打造支撑跨行业、跨领域数据集成应用的工业数据中心平台。还将通过税收抵免等激励措施吸引工业企业接入，打造良性互动、共建互利的数据共享生态系统。加快数据空间制造、数据信托、数据银行等创新机制试点工作，积极考虑基于人工智能、区块链等技术的数据确权和收益共享模式，充分激活市场价值推动工业数据要素优化配置和高效利用。四是加强对小微企业赋能，构建“链主+生态圈”合作体系。一是赋予国家人工智能产业投资基金、国家创业投资基金等政策性战略投资基金更大的制度灵活性和决策自由度，重点支持专业、创新、技术领先的企业参与场景建设。第一个版本是为第一组结果提供场景应用风险补偿。二是通过场景示范项目、场景保险补贴等方式，鼓励和引导链主为中小企业发布场景，支持大规模人工智能模型在生产线上快速部署和低成本全面应用。第三个是最优的改善营商环境，通过法律手段有效解决大企业和政府部门对人工智能中小企业账户违约的问题，帮助中小企业形成场景应用→融资→场景重复→规模化业务增长的“飞轮”。四是实施“百名工业人工智能工程师计划”，与高校、企业共建培训基地，引入“企业教授+大学教授”双元制，培养既懂工业场景又熟悉人工智能技术的复合型人才。国家为创新提供动力。第五，通过联合开源指令，融合新基建，提升算力和网络支撑能力。一是建立国家综合异构算力交易平台，创新性地采用“计算机公链”二是支持龙头企业依托开源社区开发工业级AIaaS或MaaS平台，通过开源、开放的模式融合低代码开发、微服务架构、异构模型调用等核心能力，有效降低中小企业智能化转型门槛。三是构建完整的工业人工智能安全防护体系，建立健康的漏洞库和开源威胁情报共享机制，加快自主可控的工业防火墙和加密芯片研发，构筑坚固的工业安全防线（作者：尹S先生）贺明是北京理工大学公共管理学院院长、工业和信息化部“十五五”智库成员。吴佩奇先生（中山大学工商管理学院博士研究生）