“人工智能+”助力傳統(tǒng)產(chǎn)業(yè)改造升級成效顯著

近年來，在政府相關政策、企業(yè)技術創(chuàng)新以及市場需求的推動下，“人工智能+”正逐步融入傳統(tǒng)產(chǎn)業(yè)的各個環(huán)節(jié)，促進其從要素驅動向智能驅動轉型。

解決傳統(tǒng)產(chǎn)業(yè)發(fā)展瓶頸，促進生產(chǎn)效率與質(zhì)量提升。人工智能與傳統(tǒng)產(chǎn)業(yè)融合，推動了生產(chǎn)流程的智能化與自動化，提高了生產(chǎn)效率和產(chǎn)品質(zhì)量，降低了企業(yè)的生產(chǎn)成本。在生產(chǎn)環(huán)節(jié)，工業(yè)機器人結合人工智能視覺檢測技術，實現(xiàn)了從人工巡檢到智能監(jiān)測的轉變。根據(jù)《2024年世界機器人報告》，2023年我國工業(yè)機器人安裝量占全球51%，應用密度達到每萬名員工470臺。在汽車制造領域，工業(yè)機器人利用先進的視覺識別與精準控制技術，精準高效地完成焊接、裝配等各項復雜任務。在家電領域，人工智能的應用實現(xiàn)了降本增效。在原材料領域，人工智能通過數(shù)據(jù)匯總和深度分析，優(yōu)化了生產(chǎn)工藝流程、提高了產(chǎn)品質(zhì)量。在電力領域，大模型提高了故障檢出率、降低了誤檢率。在半導體領域，人工智能應用縮短了研發(fā)周期、降低了不良率。

拓展市場空間，實現(xiàn)產(chǎn)品與服務的智能升級。“人工智能+”推動了傳統(tǒng)產(chǎn)業(yè)從功能型向智能型轉變，激發(fā)了新需求并產(chǎn)生了新的應用場景。在消費領域，智能家居實現(xiàn)了設備的互聯(lián)互通與場景控制。2024年，我國智能手機產(chǎn)量同比增長8.2%，超70%的機型搭載了人工智能芯片，智能拍照、語音助手等成為標配。在生產(chǎn)領域，智能裝備滲透率持續(xù)增長，數(shù)控機床借助智能算法對加工路徑進行優(yōu)化；汽車零部件企業(yè)引入具身智能機器人，提升了精密裝配效率。同時，隨著服務模式創(chuàng)新，傳統(tǒng)產(chǎn)業(yè)已由單一產(chǎn)品銷售向“產(chǎn)品+服務”轉型，如大型機械領域除銷售掘進機外，還提供遠程運維服務。

重塑產(chǎn)業(yè)生態(tài)，增強產(chǎn)業(yè)鏈協(xié)同能力。人工智能與傳統(tǒng)產(chǎn)業(yè)結合，消除了傳統(tǒng)產(chǎn)業(yè)鏈的信息壁壘，促進了上下游鏈條的協(xié)同與資源的優(yōu)化配置，推動了產(chǎn)業(yè)鏈從“線性串聯(lián)”向“網(wǎng)狀協(xié)同”轉型。在供應鏈管理上，應用人工智能驅動的需求預測模型，有助于提高企業(yè)預測市場需求的精準度，以及合理規(guī)劃生產(chǎn)與庫存管理的能力。工業(yè)互聯(lián)網(wǎng)平臺應用大數(shù)據(jù)等技術，為產(chǎn)業(yè)鏈上下游數(shù)據(jù)互通提供了重要基礎。在產(chǎn)業(yè)集群層面，區(qū)域“產(chǎn)業(yè)大腦”加速落地。此外，人工智能技術促進了跨行業(yè)的融合創(chuàng)新，如汽車與信息技術的融合普及了智能駕駛技術。同時，人工智能推動了傳統(tǒng)產(chǎn)業(yè)與新興產(chǎn)業(yè)的跨界融合，加速了產(chǎn)業(yè)生態(tài)的重構。如傳統(tǒng)農(nóng)業(yè)與數(shù)字技術融合孕育出了智慧農(nóng)業(yè)，拓展了農(nóng)業(yè)的發(fā)展空間。

“人工智能+”助力傳統(tǒng)產(chǎn)業(yè)改造升級面臨三重堵點

“人工智能+”助力傳統(tǒng)產(chǎn)業(yè)改造升級過程中，在應用的廣度和深度上仍存在三重堵點。

首先，技術供給與產(chǎn)業(yè)需求之間存在“堵點”，主要表現(xiàn)在兩個方面：一是底層核心技術存在短板。我國人工智能應用多集中在場景落地，基礎研究和高端硬件與發(fā)達國家之間仍有差距。二是人工智能技術與產(chǎn)業(yè)場景的適配度較低。近年來，通用大模型發(fā)展迅速，但行業(yè)大模型的研發(fā)相對滯后，傳統(tǒng)產(chǎn)業(yè)細分領域的工藝知識和數(shù)據(jù)特征比較難融入模型訓練。同時，小模型部署成本高，中小企業(yè)受到資金和技術的限制，難以針對特定工序開發(fā)輕量模型。此外，人工智能在工業(yè)場景中應用的穩(wěn)定性和可靠性尚需進一步驗證，特別是在航空航天、能源電力等對生產(chǎn)連續(xù)性和穩(wěn)定性要求較高的行業(yè)，若發(fā)生系統(tǒng)故障或錯誤決策可能引發(fā)事故并帶來經(jīng)濟損失。

其次，資源配置與轉型需求之間存在“堵點”，主要表現(xiàn)在三個方面：一是算力供給結構不平衡。我國算力總體規(guī)模位居全球前列，但面臨著供需對接不暢、應用深度不足、區(qū)域發(fā)展不均等短板。二是數(shù)據(jù)資源碎片化。傳統(tǒng)產(chǎn)業(yè)數(shù)據(jù)分散在設備和系統(tǒng)中，標準和格式不統(tǒng)一，數(shù)據(jù)安全與共享矛盾較為突出，跨企業(yè)數(shù)據(jù)流通的制度保障機制略顯不足，企業(yè)“不愿共享、不敢共享”的困局尚未有效打破。三是“人工智能+”的人才供需不平衡。從高校人才培養(yǎng)體系來看，人工智能與傳統(tǒng)專業(yè)交叉融合還不夠深入，具備跨領域素養(yǎng)與實踐能力的人才依然缺乏。傳統(tǒng)產(chǎn)業(yè)中部分員工對人工智能技術的熟悉度不夠，增加了適應智能化設備與管理系統(tǒng)操作和維護的難度，需對其進行大規(guī)模、系統(tǒng)性的培訓。

最后，政策支持與企業(yè)訴求之間存在“堵點”，主要表現(xiàn)在三個方面：一是政策協(xié)同性有待提升。當前“人工智能+”相關政策分散在各個部門，在一定程度上帶來“人工智能+”賦能傳統(tǒng)產(chǎn)業(yè)時對接部門多、流程多、周期長。二是對傳統(tǒng)產(chǎn)業(yè)的中小企業(yè)推進“人工智能+”支持力度略顯不足。龍頭企業(yè)推進“人工智能+”相對容易，而中小企業(yè)推進“人工智能+”所需的資金、技術、人才等較為有限，在技術選型、系統(tǒng)集成、應用開發(fā)等方面面臨諸多困難，導致“人工智能+”助力中小型傳統(tǒng)企業(yè)改造升級相對緩慢。三是標準與治理體系建設相對滯后。傳統(tǒng)產(chǎn)業(yè)人工智能應用的技術標準、倫理規(guī)范仍處于探索階段，尚不健全，算法透明度與解釋力還略顯不足。