人工智能赋能新型工业化

中国工业互联网研究院院长  鲁春丛

（2025年01月10日 北京）

新时代新征程以中国式现代化全面推进强国建设、民族复兴伟业，实现新型工业化是关键任务。人工智能是引领新一轮科技革命和产业变革的战略性技术，也是新型工业化的重要推动力量。党的十八大以来，以习近平同志为核心的党中央把发展人工智能提升到战略高度，强调把新一代人工智能作为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量。近期召开的中央经济工作会进一步对开展“人工智能+”行动，培育未来产业作出明确部署。推进人工智能赋能新型工业化，要从量的增长、质的提升、技的进步、智的转型、碳的治理和链的安全等六个方面持续发力、久久为功。

一是量的增长。人工智能新技术创新活跃、新模式蓬勃发展，是新兴产业重要组成，是推动传统产业转型升级、拓展工业经济增长空间的重要力量，为推进新型工业化、建设现代化产业体系提供有力支撑。我国人工智能核心产业的规模不断扩大，产业链基本覆盖芯片、算法、数据、应用等关键环节。人工智能领域企业已超过4700家。我国算力总规模位居全球第二，其中智能算力占比超30%，已在天津、广州、济南等地建设14个国家超级计算中心。200余个能为公众提供服务的生成式人工智能服务大模型完成备案上线，注册用户超6亿。人工智能应用探索推进，与制造、交通、能源、医疗、城市管理等领域深度融合，涌现出智能制造、智能家居、自动驾驶、智慧物流、智能安防等一批新模式新业态。

二是质的提升。人工智能技术应用推动质检算法从多样本的全监督学习向少样本、无监督演变，质检模型从专用小模型向通用多模态模型迈进，基于人工智能的质量检测跨入全新的发展阶段。解决方案更加高效，传统AI模型高度依赖工厂样本数据和本地化微调，往往面临样本数据获取困难、标注困难、训练时间长、迁移能力弱等问题。通过大模型的泛化迁移能力，可以实现一个模型同时对产品质量缺陷、人员违规操作、零部件装配误差等多种工业场景的快速高效检测。比如，某企业研发的边缘大脑AI质检平台，基于大模型的小样本学习技术，仅需60—100张正常样本、10分钟训练即可形成检测能力，速度几乎是传统有监督AI训练的几十倍，但所需样本量仅为几十分之一。应用场景快速拓展，随着AI的适用性和灵活性不断增强，解决方案也从定制化向标准化、通用化转变，行业碎片化的问题得到改善，AI工业质检从传统的3C电子、汽车、消费品和原材料等领域逐步向能源、医疗、物流行业拓展。据统计，从2021年到2024年，中国AI工业质检市场规模平均增长率预计超过25%，2024年市场规模有望突破7亿美元。

三是技的进步。人工智能的广泛应用与部署促进了多元异构计算技术的快速发展，算力芯片、大模型等创新产品持续涌现，深度改变IT基础设施和智能产品的技术架构。在终端侧，随着5nm甚至3nm芯片工艺的进步，终端设备逐步普及NPU算力。加速智能网联新能源汽车、人形机器人、AI手机和电脑、脑机接口产品等新一代智能终端应用，实现人工智能、新能源、高端装备等领域集成创新。如北理工“汇童”、浙大“悟空”具有较强的运动控制能力，优必选Walker、小米“铁大”已实现市场化应用。在边缘侧，低功耗高性能AI芯片可为边缘AI算法提供数据分析和决策反馈算力，减少网络和云端压力。在制造业领域，通过单一视觉AI设备实现区域安全防控；在交通运输领域，基于边缘AI完成交通信号灯的智能控制。在云侧，超大规模模型的训练和推理需要海量算力支持，推动云端IT基础设施的算力升级。云服务商不断加大AI算力尤其是高性能计算和人工智能计算的投入，算力体系从传统的CPU计算向GPU和FPGA等多核计算架构转变。

四是智的转型。人工智能技术加速突破并深度融入千行百业，成为推动制造业转型升级的动力源泉。在研发设计环节，人工智能大模型基于强大的泛化能力，通过建模仿真与复杂计算，在材料配比、工艺优化等方面进行深度学习，可以降低试错成本，提高设计效率和质量。比如，某生物计算大模型高效实现大规模的小分子虚拟筛选，与传统工具相比，准确率提升40%以上，计算速度提升5倍，1分钟内可计算1000个分子的药物相关性指标，大幅提升新药研发速度。在生产制造环节，人工智能对生产需求、资源可用性、任务优先级等工业调度任务中的复杂流程逻辑进行建模，实现对关键节点的任务分配和智能化调度。比如，某企业基于生产数据和供应链信息，协助优化产线布局、工艺流程和物料配送，减少库存积压和生产停滞，生产效率提高30%。在营销服务环节，人工智能通过整合和检索大量工业逻辑与产品知识，分析历史用户行为和偏好，打造个性化推荐、智能化答疑等功能，向客户提供定制化应用服务。在运营管理环节，大模型可以通过自身强大的推理能力，对市场需求和生产能力等进行预测和优化，实现设计、生产、销售、物流等系统联动，提升运营管理效率。比如，某工业互联网平台接入大模型，对供应链中各类别、各模态的数据进行管理和整合，大幅优化物料选型、生产计划、采购管理等过程，向全国4700多家中小制造企业提供服务，平均提升产能15%。

五是碳的治理。人工智能强化能源流、信息流管理，通过精准预测、实时监控和智能优化，提升能源生产、运输、储存、消费各环节管理效率，助力构建绿色低碳能源系统。优化能源管理方面，在电网系统中，通过智能调度系统的运行优化，提升能源使用效率，改善能源结构，加大风能、光伏等可再生绿色能源的使用比重。提升制造过程碳效率方面，针对产品设计、工艺装备升级、生产调度等领域开展人工智能融合赋能，通过制造过程碳效率管理，有效提升制造过程能源、资源利用率。比如某家电企业通过智能调度和能源管理系统的优化，降低生产过程中的电力消耗和水消耗，每年间接减少约5000吨二氧化碳排放。增进碳管理决策水平方面，通过人工智能的分析、模拟和预测等能力，为政府、企业双碳目标管理提供决策支持，辅助开展碳管理措施效果评估、优化碳管理路径。

六是链的安全。人工智能通过实时监控、预测分析和自动化决策，增强供应链的透明度、效率和响应能力，提高供应链的韧性与安全水平。实现供应链高效管控，人工智能结合智能终端，实时汇集原材料供应、生产进度、运输状况等业务信息，可快速应对突发风险并制定应急响应方案。例如，某IT企业借助嵌入式人工智能实现端到端的全景式展示、分析与决策，实现危急事件的及时响应，将供应链中断事件处理时间从18—21天缩短到几个小时。促进需求精准预测，通过建立差异化需求预测模型，辅助企业合理安排生产计划和库存管理，提高供应链的效率和灵活性。某头部快消品供应商通过深度积累的行业知识及业务数据，将经验转化为模型特征，融入关键扰动因子，基于时间序列、树模型、深度学习、强化学习等能力进行模型融合，其需求预测工作效率提高3倍，周度预测准确度较人工提升10%，生产成本降低15%，提质增效效果显著。强化预防性风险管理，通过人工智能对供应商状况展开实时监测，提前预警潜在风险，辅助企业及时灵活地调整采购策略，有力保障原材料供应的稳定性与持续性。某电子集团借助人工智能系统，对供应商进行全方位风险评估。当芯片供应商出现财务状况波动和产能受限迹象时，系统及时发出警报，迅速启动备选供应商切换机制，并与原供应商共同制定解决方案，确保生产所需芯片的稳定供应，避免因原材料短缺导致的生产线停滞。

工联院积极推动人工智能与工业融合创新，取得了初步进展。一是建设人工智能工业应用供需对接平台。当前平台汇集近1500个解决方案，覆盖十大重点行业、五个关键环节，涉及1200家工业应用企业，800家人工智能服务商，搭建人工智能供需对接桥梁；二是构建大模型工业语料库。依托国家工业互联网大数据中心，聚焦钢铁、石化、电力、机械等十大重点行业，构建行业语料库以及提示词语料库，已形成高质量工业数据数十万条，支撑大模型的工业应用与评测。三是开展工业领域大模型应用评测。针对国内外主流的大模型进行工业领域性能评测工作，当前已为国内外50余个主流人工智能大模型进行评测，联合香港科技大学、中国经济信息社共同打造并发布中国AI大模型工业知识问答发展指数，研判人工智能在工业领域发展态势。