原標題：制造業數智化轉型加速

工業和信息化部日前發布數據顯示，截至今年2月末，我國5G基站總數達350.9萬個，5G移動電話用戶達8.51億戶，占移動電話用戶的48.8%。數字賦能實體經濟水平不斷提升，5G行業應用已融入71個國民經濟大類，并在工業領域深入推廣。

工信部總工程師趙志國表示，將加快數字技術賦能，促進制造業向數字化、網絡化、智能化發展。今年將開展“人工智能+”行動，促進人工智能與實體經濟深度融合，推動人工智能賦能新型工業化。

平臺驅動轉向數據驅動

從傳統的“人盯人”到人工智能24小時無死角盯防，基于浪潮海岳軟件搭建的人工智能煤礦重點崗位安全隱患圖像智能識別分析系統，以“數據+算力+算法”為支撐，不僅能實時監控、智能識別煤礦作業人員和設備運行狀況，還能在發現異常情況時控制設備閉鎖或停機，并提醒工作人員處置，實現了從人工巡檢到智能監控的跨越，讓礦山安全生產更加智能可控。浪潮數字企業總經理魏代森表示，創新應用智能化技術以“數據+算力+算法”賦能傳統產業智能化生產，能催生出新模式、新業態。

從平臺驅動轉向數據驅動，已成為數字化發展的重要趨勢之一。賽迪研究院未來產業研究中心所長韓健認為，這本質是數字時代企業戰略核心的根本轉變。平臺驅動強調通過建設強大的IT平臺來實現技術優勢和開展業務，數據驅動則意味著更多依賴于數據的收集、分析與應用，讓數據成為決策的核心。

賽智產業研究院院長趙剛說：“數字化發展經歷了信息化、網絡化和平臺化階段，正進入數據驅動的智能化新階段。數字化平臺是業務流程協同運營的驅動力，解決的是市場效率問題；數據要素是不確定環境下業務決策的驅動力，解決的是創新問題。”

趙剛認為，數據驅動的智能化轉型是以“數據+算力+算法”為基礎支撐，充分發揮數據要素協同優化、復用增效和融合創新的引擎作用，加快各類生產要素創新性配置，打造數智化企業，精準快速響應客戶需求和市場變化。

“從企業內部看，企業的決策過程從依賴高層經驗和直覺轉向更依賴數據分析；營銷戰略從關注廣告效應的傳統模型轉向利用數據分析，達到精準投放和效果評估。數據驅動意味著對效率和效益的追求，可以降低運營成本、提高響應速度，使企業在激烈的市場競爭中占據優勢。從外部層面看，數據驅動的企業不僅提高了自身效率，還能通過數據共享協作，促進產業鏈、供應鏈乃至整個社會的數字化轉型。”韓健表示。

數字賦能水平持續提升

走進東方日升新能源股份有限公司的電池生產車間，一臺臺AGV（自動導向搬運車）在車間內自動穿梭。“我們聯合研發的AGV智能調度系統，已實現了將生產車間20個不同協議的自動化設備接入統一管理平臺，管理200多臺AGV自動生產和自動運輸，實現資源配置和任務分配最優解，車間物流搬運成本降低50%，運轉效率提升30%。”騰訊云智能制造首席架構師趙保名說。

截至2023年底，我國已培育421家國家級示范工廠、1萬余家省級數字化車間和智能工廠。數字技術正在以行業覆蓋面廣、業務滲透性強、智能化水平高、經濟效益好等特點賦能新型工業化。

韓健認為，當前數字技術賦能新型工業化主要以提高生產自動化、網絡化和智能化水平為目標，這種技術變革對企業運營模式及其資源配置產生了顯著影響。通過云計算、大數據、人工智能等新一代信息技術與傳統產業的深度融合，在生產操作方面實現了“上云、用數、賦智”，提升傳統產業現代化水平，實現產品高端化發展。

“數字技術賦能新型工業化主要體現在3方面：創新發展是根本動力，生產要素高效配置是內在要求，協同發展是內生需要。”趙剛說。數字技術創新，既推動了人工智能等新興產業創新發展，也為傳統產業的技術研發和產品設計賦能，催生大模型輔助科學研究、數字孿生仿真等研發新模式，大幅提升技術創新對工業經濟增長的貢獻率。數字技術與產業鏈供應鏈深度融合，帶動產業鏈上下游整體推進數字化轉型，整體提升產業集群競爭力。

加快推進“人工智能+”

隨著人工智能大模型技術加速迭代升級，大模型的通用和專用智能水平取得重要進展，對腦力勞動依賴度較高的制造業成為大模型應用的主戰場，“人工智能+”成為數字技術賦能新型工業化的最活躍領域。

360集團創始人周鴻祎認為，大模型可以與傳統產業進行“智改數轉”結合，成為新型工業化的重要賦能者。抓住人工智能的“牛鼻子”，加快形成新質生產力，以大模型能力賦能重點產業體系，推動產業數字化向智能化升級，是我國現代化產業體系向高端化發展的必然趨勢。

“目前，大模型在投入生產實踐與賦能新型工業化的效能上仍有不足。未來要堅守安全發展底線，從政策和標準布局，為推動大模型在各行各業加速落地做好保障；開拓更多大模型應用場景，助力產業轉型升級；推動大模型普惠發展，讓廣大中小微企業用得好。”周鴻祎表示。

工信部科技司副司長劉伯超表示，將拓展人工智能等數字技術在研發設計、生產制造、檢驗檢測等不同環節，以及電子信息、生物醫藥、原材料、裝備制造等不同行業應用。以人工智能和制造業深度融合為主線，統籌布局通用大模型和行業大模型，加快推進人工智能賦能新型工業化。

趙剛認為，開展“人工智能+工業制造”，要以實現制造業腦力勞動自動化為重點。開發工業大模型，推進“人工智能+生成設計”等創新應用，實現制造業全流程智能化；開發“人工智能+人形機器人”，推進嵌入大模型智能的人形機器人在智能工廠的試點應用，提升工業自動化產線的精準化和智能化水平；大力發展“人工智能+產品”，推進大模型智能嵌入產品，提升產品智能化水平，更好服務用戶需求，增強用戶體驗。

“要引導企業投入資源建設高質量的數據倉庫，保障數據的可靠性、完整性和可訪問性。高質量數據直接決定了人工智能大模型能力，這是推動人工智能賦能新型工業化的重要基礎。此外，創新技術研發與合作生態、制定標準和政策、加快人才培養和產業鏈現代化都是推進‘人工智能+’的關鍵。”韓健表示。(記者黃鑫）