推动“人工智能+产业”落地见效的关键路径
当 “人工智能 +” 被纳入 “十五五” 规划建议，成为培育新质生产力的重要抓手，一个现实而紧迫的问题随之出现：这项具有颠覆意义的技术，怎样才能走出实验室、深入产业一线，把“概念热度”真正转化为“发展实绩”？《学习时报》发表的《推进 “人工智能 + 产业” 发展的关键突破口》对此作出了系统阐释。
“
原文如下：
推进“人工智能+产业”发展的关键突破口
马源 郭宁
《 学习时报 》（ 2026年01月30日 第 03 版 ）
近些年，人工智能技术快速演进，智能原生的新模式、新业态不断涌现。《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》明确提出全面实施“人工智能+”行动，强化人工智能与产业发展的深度融合，抢抓人工智能产业应用制高点，为各行各业提供全方位赋能。我国拥有完整的产业体系、齐全的行业门类和丰富的应用场景，顺应技术创新与产业创新融合发展的规律，找准推进方向和关键切入口，加快推进“人工智能+产业”，不仅是当前及今后一个时期落实党中央部署的重要要求，也是发展新质生产力、建设现代化产业体系的重要内容。
推动“人工智能+产业”是兼顾当下与长远的战略选择
催生新兴业态，增强发展新动能。人工智能本就是前沿科技领域，已直接带动智算芯片、算力集群、高质量数据集等产业链环节快速发展。尤其是以大模型、智能体为代表的人工智能原生应用竞争日趋激烈，性能持续提升，用户规模呈指数式增长，越来越多企业和个人开始为聊天机器人、人工智能编程、内容生成等服务付费。以人形机器人、具身智能、人工智能眼镜、人工智能手机为代表的新型人工智能产品，也正陆续由概念阶段迈向量产阶段。这类产品融合了感知、推理、决策和执行等能力，能够与现实物理环境实时交互，受到市场高度关注。
赋能传统产业，提高全要素生产率。人工智能属于通用目的技术，在工业、农业等传统行业中，正加快融入研发、制造、物流、销售等全流程，明显提升各环节智能化水平。依托历史生产数据，人工智能模型能够更准确预测客户需求，推动柔性制造和大规模个性化定制，更好破解标准化生产与多元化需求之间的矛盾。国内不少研究表明，人工智能通过推动创新链、产业链、供应链的精准衔接，对制造业企业全要素生产率提升具有明显促进作用。在服务业领域，人工智能还能够在一定程度上缓解“鲍莫尔病”，借助智能客服、数字员工等方式降低用工成本、提升服务效率。
加速人工智能创新成果商业化，形成双向赋能。若人工智能技术创新脱离具体产业场景需求，就难以转化为现实的经济社会效益。推进“人工智能+产业”，正是为技术创新提供验证平台、试验空间和价值实现通道，推动技术供给与产业需求高效匹配。一方面，众多人工智能企业迫切需要深入各行业各领域，精准识别行业痛点与真实需求，开发适配性强、轻量化、低门槛的垂直模型，并在试点应用中不断积累数据、打磨产品，逐步形成商业闭环。另一方面，不同行业企业在导入人工智能技术时，也需要开放一定的应用场景，参与联合验证，以应用反哺技术进步。这种“双向赋能”模式，既有利于人工智能企业加快完善商业模式，也有助于传统产业提升智能化水平。
拓宽消费场景，助推持续扩大内需。我国超大规模市场为人工智能产品和服务落地应用提供了充足空间。当前，人工智能技术正推动汽车、家电、家居、通信终端等加速迈向智能化，自动驾驶、智能硬件、人工智能助手等新型消费产品正在快速普及；虚拟主播直播、人工智能妆造、家居一键焕新等互动式消费场景也不断涌现。同时，随着人工智能在教育、养老、文旅、家居等领域加快渗透，不仅有助于提升生活品质，也将培育新的消费增长点。
推进“人工智能+产业”的主要路径
从技术路径看，大模型与专用模型协同发展，已成为当前人工智能赋能产业高质量发展的显著特征。在行业专用模型方面，生产环节中的识别类应用、专家系统等技术相对成熟，应用效果较好，但其解决的问题通常较为聚焦，对落地场景的具体性和清晰度要求较高，例如视频监控模型、在线质检系统、产品质量缺陷预测模型、流体力学仿真模型、工艺参数与产物得率预测模型等。就大模型发展而言，目前大语言模型应用最为广泛，行业垂类大模型主要应用于科技研发、生物医药、材料、能源等领域，如蛋白质结构预测模型、材料科学与工程大模型等。多模态大模型已在装备智能化、视觉识别等领域开展初步探索，时序大模型则在交通、金融、气象等领域形成了动态生产调度优化、设备预测性维护等典型应用。
从行业领域看，根据经济合作与发展组织（OECD）调查数据，截至2024年底，按成员国企业使用人工智能的比例来看，位居前列的行业包括信息通信业、专业技术服务业、金融业、公共管理和批发贸易等；制造业由于需要融合物理机理与运行数据，仅有12.38%的企业使用人工智能产品或服务，处于中等水平，我国也呈现类似特点。在制造业中，离散制造切入难度相对较低、渗透程度相对较高，普遍围绕智能研发、按需生产、柔性制造等进行探索；而流程制造业如能源电力、钢铁、石化等，由于产业链条长、工艺流程复杂，更重视生产效率、安全监管、环保合规等方面的提升，在引入人工智能时，通常优先部署过程智能控制、设备智能运维、参数自动优化、表面缺陷精准检测等场景。在服务业中，金融、会计、法律等专业服务行业，应用已经由基础操作逐步延伸到深层次决策分析。
从产业链环节看，产业链前后两端的研发设计、运营服务等环节，通常具有知识密集、数据密集、容错空间较大的特点，因此落地速度相对较快；而生产制造等中间环节，对任务执行的精准度、可靠性和连续性要求更高，因此落地相对较慢。整体来看，现阶段呈现出“微笑曲线”特征。以研发环节为例，因其价值高、数据通用性较强，已成为人工智能优先落地的重点方向，如基于人工智能的实时数据仿真计算、工艺参数优化、新产品发现等。至于生产管理环节，虽然也出现了生产过程控制优化、质量分析、安全管理与巡检等一些典型细分应用，但在全链条智能化推进中，整体仍处于探索阶段。
推进“人工智能+产业”的关键着力点
加快打造高质量数据集。人工智能技术研发创新和产业应用落地，除了依赖基础数据集，更需要高水平的行业数据集支撑。应分类构建行业数据标准体系，进一步支持重点行业高质量数据集加快建设，并重视负面样本数据的积累。推动自动化标注技术应用，大力发展仿真数据和合成数据，探索形成模拟稀缺高质量数据集的有效路径。分行业、分领域制定企业数据治理指南，明确数据流通使用制度和安全责任边界，推动数据真正拿得出、流得动、用得好。
推动各行业各领域开放应用场景。针对大模型在产业链各环节应用呈现出的“两端快、中间慢”特点，在巩固前后两端应用优势的基础上，应加快其在生产制造环节的推广步伐。遴选和培育一批工业领域垂直大模型典型应用场景，鼓励制造业龙头企业加快在新场景中的人工智能应用探索。创新开放智能调度、无人运输、无人配送、智慧仓储等应用场景。推动国有企业深化“人工智能+”场景建设，强化高价值场景供给，拓展场景开放的广度与深度。在开放应用场景的同时，还要同步推进制度创新，例如健全创新产品和服务的准入、标准、认证等制度，支持人工智能新技术、新产品先行先试。
推动人工智能终端产品持续迭代。我国是全球消费电子产品的重要需求市场，智能终端与大模型深度融合，必然会释放巨大需求增量。可研究制定人工智能终端产业发展相关规划，与促消费、扩内需等政策协同发力。进一步完善产业生态，推动硬件提供商、大模型服务商、终端厂商、人工智能应用开发商等多方协同创新。加快推动人形机器人、人工智能家居、人工智能手机、人工智能穿戴设备与健康监测设备、智能汽车等各类智能新产品在实际消费中迭代升级。
在云端构建人工智能服务生态。人工智能既依赖训练算力，也依赖推理算力，对算力集群规模和计算性能提出较高要求。云计算作为高效、便捷、集约、绿色的算力使用方式，已成为推进“人工智能+”的重要基础设施。应以提升智算云服务的经济性、普惠性和市场竞争力为导向，吸引供给侧将数据资源、模型服务迁移上云。充分发挥我国电力资源优势，加强算力、电力、网络一体化布局，通过绿电直供等新模式提升绿色电力保障能力，同时持续改善互联网专线的经济性，降低需求侧企业用云和用模型的成本。
让人工智能更广泛赋能中小企业发展。中小企业是推动创新、吸纳就业、改善民生的重要主体，推进人工智能赋能中小企业是大势所趋，但也面临不少现实挑战。可考虑出台中小企业使用人工智能的相关指引，在产业园区、开发区等企业集聚区域加强辅导和普及。探索开展中小企业人工智能创新应用试点，注重智能化解决方案的投入产出效果，总结并复制推广典型经验做法。支持开发一批经济适用、操作简便的人工智能应用，并通过算力券、模型券等方式帮助中小企业更好拥抱人工智能。鼓励龙头企业联合产业链合作伙伴，向中小企业免费或低成本提供算力、模型、数据集等基础能力。