“人工智能+制造”的 五大抓手

张锐

就如何贯彻落实《“人工智能+制造”专项行动实施意见》，工业和信息化部负责人在国务院新闻办公室日前举行的新闻发布会上明确表示，要通过抓好技术创新、抓好融合应用、抓好企业培育、抓好生态建设和抓好安全治理，加快推动人工智能产业高质量发展。

第一，抓好技术创新。重点是加快突破高端训练芯片、端侧推理芯片、人工智能服务器、高速互联、智算云操作系统等关键技术，同时推动智能芯片软硬协同发展，构建出统一的软硬件适配生态，并推动算力集成，将分散的异构算力整合为高效、稳定的统一资源池，促进算力资源的高效利用。

除了强力度的整合与协同，切实而有效地提升算力资源的利用水平，还必须有序推进高水平智算设施布局，加快建设全国一体化算力网监测调度平台，同时开展智算云服务试点，推动大模型一体机、边缘计算服务器、工业云算力部署，并加强智算资源供给能力。

第二，抓好融合应用。既要面向原材料、装备制造、消费品、电子信息、软件和信息技术服务等制造业相关重点行业加快赋能，也要推动大模型技术深度嵌入生产制造、改造研发设计（含工业设计）、中试验证、生产制造、营销服务、运营管理等全流程，同时面向重点企业提升AI应用水平，鼓励龙头企业、央国企等先行先试，加快中小企业人工智能应用复制推广。

国家自主创新示范区、国家高新区、国家级经开区以及先进制造业集群和数字产业集群等重点领域拥有资源集聚与人才密集优势，无疑是推广AI应用的重要腹地，与此同时，工业互联网、绿色制造等重点领域同样是AI赋能的理想之地。

第三，抓好企业培育。就是要遵循梯次原则，一方面支持大型企业加大创新投入，面向国家重大任务，集聚资源打造具有全球影响力的生态主导型企业；另一方面发展人工智能企业孵化器，通过实施中小企业创业支持计划，培育更多人工智能专精特新“小巨人”企业、高新技术企业、制造业单项冠军企业、独角兽企业和瞪羚企业。

企业AI应用以及AI对企业的赋能效果，离不开外部关键载体的强力支持，为此需要创新载体的支持，包括建设人工智能领域制造业创新中心、人工智能领域重点实验室等，同时还需高质量建设制造领域重点行业国家人工智能应用中试基地，加快形成一批可复制、可推广的行业解决方案。另外，服务商的应用赋能角色不可或缺，包括建设一批人工智能赋能应用加速器、推动形成生态伙伴型服务商，以及电信运营商和国企尤其是中央企业数智科技公司，更应主动承接行业赋能应用服务。

第四，抓好生态建设。首先需要强化标准引领，分级分类推动安全、治理、伦理等基础标准，软硬协同等通用标准、赋能应用标准以及计量技术规范研制，同时健全人工智能开源机制，包括建设高水平人工智能开源社区、研发推广适配人工智能项目特性的开源许可协议，并引导云服务厂商、赋能应用服务商与开源社区积极对接，推动开源项目在工业领域落地应用等。

加强人才引育是生态系统可持续发展的保障。一方面，要在建立人工智能产业人才需求预测系统的基础上，引导与支持高校院所提前布局、调整优化相关学科专业，同时在人工智能产教融合创新平台、卓越工程师学院、卓越工程师实践基地等，设置专业课程，培养既懂人工智能又懂制造业应用的复合型人才，完善人工智能认知教育培训，提升全员人工智能素养与技能。另一方面，要加强人工智能领域高技能人才培养，重点造就出科技领军人才、创新团队，超常规构建领军人才，同时积极引进海外高端人才。

第五，抓好安全治理。首先是技术供应链安全，即确保从芯片、服务器到算力网络等基础设施的安全可控;其次是产品与运行安全，即保障智能装备、工业系统自身安全及稳定运行;最后是数据与模型安全，即保障工业数据全生命周期安全，并开发可靠的行业模型。此外，为人工智能在工业领域深度应用提供整体安全解决方案的应用生态安全也极其重要。

策应系统性生态安全要求，需要强力提升安全保障能力。一方面，要加快攻关深度合成鉴伪、工业模型算法安全防护、训练数据保护、对抗样本检测、智能终端安全测评等关键技术，加强数据安全管理，强化人工智能安全保护能力；另一方面，要构建安全风险库、语料库等资源，建设工业安全大模型。不仅如此，还要通过知识库优化、训练语料纠错、生成合成内容标识等，增强人工智能透明度、可解释性，降低幻觉风险。此外，要落实人工智能科技伦理管理服务办法，加强行业自律，提升企业人工智能伦理风险防范能力。

本版专栏文章

仅代表作者个人观点