专家谈 | 中国信通院田洪川：人工智能赋能新型工业化——路径、挑战与发展

一、人工智能赋能新型工业化的主要路径

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，呈现出技术创新快、应用渗透强等特点，成为新型工业化的重要推动力。 一方面， AI与工业各环节融合，带来研发创新方式、生产运营方式、资源组织模式、产品服务模式的深刻变革。 另一方面， AI与制造装备、工业软件、工业数字化平台等供给产业融合，变革现有制造体系和数字化产品赋能模式，实现更精准控制反馈和更高级分析创新，并进一步降低产品开发部署及用户交互门槛，拓展新产业空间的同时为我国提供短板突破的机会。

二、人工智能在工业的应用与挑战

总体形成两类技术应用模式： 一是以场景化小模型为代表的专用智能应用， 正从工业视觉识别等外围应用向数据+知识的综合应用演进。 当前，AI已经在工业研发、生产、管理全环节广泛应用，经统计约57%集中在生产环节。形成表面缺陷检测、生产过程控制优化、质量关联分析、设备预测性维护等上百种场景，并逐步解决更细分更复杂的工业问题。 二是以大模型为代表的工业通用化应用探索，已展现出推动效率跃升和领域创新的潜力。 经统计，当前类ChatGPT的语言大模型在工业领域应用是企业关注的热点，占比超70%，一些大企业在尝试构建行业垂类大模型，但基本都用于提升重复执行类和文本归纳类工业任务的处理效率。此外，基于专用领域大模型、多模态大模型和时序大模型形成工业辅助设计、药物/材料研发、装备具身智能等场景，但受限于专业性和技术成熟度，目前仅部分企业在探索。

工业智能的应用发展还面临一些困难挑战， 一是 生产制造核心环节的机理及工况复杂、安全可靠性要求高，AI的融合应用不单单是技术问题，更多的是可靠性、工程化部署和应用的经济性等实际问题。 二是 研发设计软件、核心工艺包、物性数据库等支撑融合应用的关键算法与知识被少数企业掌握，导致部分核心环节应用以及原始创新应用只有少数领域巨头能够实现。 三是 支撑建模训练的高质量数据缺乏，此外绝大部分企业都对数据隐私及安全性存在担忧，不愿将生产核心数据提供给第三方进行建模训练与应用开发。 四是 既懂智能算法技术，又懂业务知识和工艺的复合型人才少而贵。

三、持续深化人工智能赋能新型工业化

一是以系统工程思维推动人工智能赋能新型工业化。 统筹考虑人工智能技术产业培育与重点行业数字化转型推进，促进数字经济与实体经济深度融合。 二是以场景解耦推进工业人工智能应用推广。 以典型场景为基本要素推进场景化解耦，固化技术构建路径和实施经验。 三是实施数据建设与质量提升工程，以平台+场景推动数据积累。 依托试点项目沉淀核心数据语料库、提示词库。探索行业企业基于可信数据空间开展数据集共享流通应用。 四是发挥市场优势，带动产业培育及融合技术产品创新。 面向智能装备、智能工具引擎、融合解决方案等重点领域开展服务商申报与遴选。依托工业人工智能共性技术试验验证环境开展技术融合验证与评测。

联系方式：

李亚宁

18612054717