潘悦 制图

　　当前，人工智能正从技术概念走向产业落地，成为重塑全球竞争格局的核心力量。面对呼啸而至的智能时代，如何把握机遇在新一轮产业变革中实现转型升级？在日前举行的2025国家新质生产力与智能产业发展会议上，多位专家学者建言献策，探寻智能时代产业升级新路径。

　　前沿技术推动深刻变革

　　新一轮科技革命和产业变革正以前所未有的速度和广度重塑全球生产力格局。

　　在中国自动化学会理事长、中国空间技术研究院研究员杨孟飞看来，人工智能、大数据、区块链、生物技术、新能源等前沿技术的突破正推动生产方式、组织形式、产业形态等发生深刻变革。自动化技术作为创新发展的核心基石，已深度融入经济社会发展和国家战略需求，成为驱动新质生产力发展的关键引擎，持续为产业升级、技术创新与社会进步注入强劲动能。

　　今年的政府工作报告提出，持续推进“人工智能+”行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用，大力发展智能网联新能源汽车、人工智能手机和电脑、智能机器人等新一代智能终端以及智能制造装备。扩大5G规模化应用，加快工业互联网创新发展，优化全国算力资源布局，打造具有国际竞争力的数字产业集群。

　　“人工智能作为新一轮科技革命和产业变革的核心力量，既是发展新质生产力的重要引擎，也是加快制造强国建设的重要支撑。”华东理工大学教授钱锋表示。

　　随着“人工智能+”行动连续两年被写入政府工作报告，人工智能技术正在加速融入千行百业。其中，制造业是人工智能技术产品落地应用的重要领域。

　　据介绍，人工智能在工业领域的应用场景已遍地开花。在工业研发设计中，人工智能可以用于定制化产品设计、建模与仿真、工业软件、工艺设计等领域。在工业生产制造中，人工智能可以用于产品质量监测、工业代码生成、工业机器人控制、产品包装等领域。例如，在产品质量监测上，人工智能通过深度学习、实时监测预警、算法分析和智能化系统集成等手段，提升工业质量监测的效率和准确性。在工业经营管理中，人工智能可以用于原材料采购、生产制造智能化管理、仓储物流、供应链管理等领域；在工业产品服务中，人工智能可以用于智能营销、客户服务、智能产品等领域。

　　业界已经形成共识，人工智能赋能新型工业化是实现制造业高质量发展的重要路径之一。日前，工业和信息化部已专题研究部署推动人工智能产业发展和赋能新型工业化，强调要系统谋划、协同推进，一体推动战略、规划、政策、标准等方面的任务落实，为人工智能产业发展和赋能新型工业化打造良好的生态环境，充分激发创新活力。

　　抢抓机遇构建“工业大脑”

　　如何抢抓人工智能加速工业应用的重大战略机遇，加快推进人工智能和制造业深度融合发展？钱锋认为，加快构建工业具身智能系统即“工业大脑”是推动传统制造业深度转型升级的重要举措。在他看来，应加快构建集制造业全生命周期生产要素为一体，供需快速感知、制造精准调控、要素高效配置的“工业大脑”，实现产业链供应链价值链协同优化、生产要素创新性配置、制造过程实时精准调控、安全环保运维智慧管控、新材料新产品智能设计，确保制造过程资源能源高效利用、生产绿色化低碳化、产品高值化高端化，以及产业价值链最大化。

　　“这将为新一代智能制造和数字化转型提供高质量科技供给，为发展新质生产力提供关键驱动力，为新型工业化注入新动能。”钱锋说。

　　针对当前我国“工业大脑”建设存在关键核心技术有待突破、人工智能赋能制造业支撑和动力不足、机制创新和人才培养有待加强等问题，业界专家也给出了解题思路。

　　首先，聚焦产业需求突破关键核心技术，夯实“工业大脑”高质量科技供给。应加快工业软件、工业操作系统等核心技术攻关，推动工业元宇宙、区块链、隐私计算等技术集成创新，健全首台（套）、首批次、首版次应用政策；推动人工智能通用技术与工业机理、知识、场景结合，加快攻关半定制化FPGA芯片、高兼容性编译器、训练和推理框架等工业智能关键核心技术；加快打造重点行业“工业数据空间”，促进工业数据流通共享。以工业元宇宙、人工智能和物联网等技术实现工业数据实时获取，打造高质量工业语料库。

　　其次，聚焦重点产业转型升级，构建人工智能赋能的智慧“工业大脑”。要加快打造制造业通专融合的垂直领域大模型，运用DeepSeek等人工智能颠覆性创新赋能上下游企业，引导人工智能创新成果向工业领域快速转化；以设备大规模更新改造为契机，加快构建贯穿设备、产线、车间、工厂、企业、行业等不同层级，敏捷适应内外部环境变化、具有具身智能的“工业子脑”；发挥我国制造业门类齐备优势，强化技术赋能、供应链赋能、平台赋能、生态赋能，拓展智能制造深度和广度。

　　此外，还应加强政策机制保障，以“工业大脑”支撑科技创新与产业创新深度融合。建议设立“工业大脑”技术创新与应用重大专项，推动制造业“链主”企业联合人工智能和制造领域国家级实验室、国家技术创新中心、高校院所等共建创新联合体；推动“工业大脑”技术框架、算法模型、组件工具等开源，打造应用生态；引导高校设立人工智能和制造专业交叉学科，加强面向工业智能的复合型人才培养，打造工业智能创新孵化、应用测试、技术验证等公共服务平台。

　　求解AI技术应用挑战

　　专家指出，当前制造业在应用人工智能技术上仍面临诸多挑战，包括时空数据样本少、可信数据生成难、系统自主演化难等，有待将工艺、装备、知识机制进行有机融合，在通用大模型的基础上把专业、垂类领域的知识和技术充分融合起来，构建“通专融合的大模型”。

　　“随着人工智能大模型技术的发展，国内外大量研究机构开始进行大模型参数量竞赛与算力竞赛，这引发了学术界对当前人工智能发展道路的批判性思考。”华南理工大学教授陈俊龙表示，一方面，大模型研究与应用仍高度依赖以国外为主的高性能计算生态，对于大模型技术的自主安全难以把控；另一方面，当前大部分工业智能化场景对于大模型性能的利用与付出的计算成本不成正比，反而需要更高效、更轻量的模型。针对这一问题，陈俊龙结合当下大模型与小模型的研究现状，提出了大小模型协同创新的思路。

　　基于当前技术演进趋势与产业实践，人工智能的发展高度依赖能源供给的可持续性，能源已成为制约人工智能技术突破的核心瓶颈与终极边界。对此，中国自动化学会副理事长、山东大学教授张承慧总结了国内外新能源系统控制的发展历程，尤其是中国在新能源大规模应用过程中形成的标志性控制理论与技术成果，为新能源大规模应用提供了关键理论借鉴和工程示范，并提出了算力-智力-电力深度融合新范式——元能源系统，以推动电力系统升级换代和数字化转型。（记者吴蔚）