吉利長興自動變速器有限公司，機器臂高速揮舞，技術人員在自動流水線上忙碌作業。譚雲俸攝（中經視覺）
人工智慧是引領新一輪科技革命和産業變革的戰略性技術，具有溢出帶動性很強的“頭雁”效應。工信部數據顯示，我國人工智慧領域企業已超過4500家，智慧晶片、通用大模型等創新成果加速涌現，數字化車間和智慧工廠加快建設。
“要充分發揮我國工業體系完整、産業規模龐大、應用場景豐富等優勢，以人工智慧和製造業深度融合為主線，以智慧製造為主攻方向，以場景應用為牽引，推動製造業智慧化轉型、高水準賦能工業製造體系。”工業和資訊化部運作監測協調局局長陶青説。
應用場景更豐富
今年的《政府工作報告》提出，深化大數據、人工智慧等研發應用，開展“人工智慧+”行動。實施製造業數字化轉型行動。
“製造業是‘人工智慧+’行動主戰場，我國製造業規模巨大、資訊基礎設施完善，為人工智慧技術與製造業深度融合奠定了良好基礎。”國家資訊中心資訊化和産業發展部主任單志廣分析，在數字基礎設施方面，我國算力産業規模快速增長，算力總規模達到230EFLOPS，居全球第二位，5G、6G等關鍵核心技術不斷取得突破，高性能計算持續處於全球第一梯隊；在産業基礎方面，我國擁有全世界最完整的産業體系，製造業總體規模連續14年保持全球第一位，人工智慧核心産業規模不斷增長。
中國資訊通信研究院人工智慧研究所副主任巫彤寧表示，我國擁有産業體系配套完善的供給優勢，人工智慧和製造業的融合能夠從優化供給水準、提升産品性能和品質等方面，進一步增強産業鏈供應鏈競爭力。同時，廣闊的製造業領域為人工智慧發展提供了豐富的應用場景。
也要看到，人工智慧技術在與製造業融合過程中面臨諸多挑戰。一方面，晶片研發設計和工藝製程與國際先進水準仍存在差距、人工智慧標準化體系亟待建立、核心高端專業人才不足；另一方面，數據安全問題也日益凸顯，如何保護企業的核心數據和智慧財産權成為各方關注話題。
“下一步，要圍繞演算法、算力等大模型底層技術，加快推動智慧晶片、大模型演算法、框架等基礎性關鍵核心技術和産品的突破；建立健全人工智慧賦能新型工業化標準體系；健全人工智慧人才培養、安全保障等機制。”陶青説。
在巫彤寧看來，推動標準化建設至關重要。應通過建立人工智慧標準化技術委員會，建立健全和推廣人工智慧相關行業標準，開展技術研究與驗證，促進技術的統一和互操作性，加強人工智慧産品和應用與産業深度融合。
人才培養方面，單志廣建議，推動建設覆蓋高層次人才、專業技術人才、行業技能人才、中小學人工智慧基礎教育人才等多層次人才培養體系；加強新型技能培訓，引導勞動者進入數據標注等人工智慧産業相關崗位；積極開展數字教育國際交流合作，努力培養適應時代發展的全球治理與國際化創新型人才。
賦能效應更明顯
製造業是國民經濟的支柱，擁有一定的數字化基礎，人工智慧技術可通過優化研發設計過程，縮短研發週期；通過提升生産線智慧化，提升生産效率和産品質控水準；基於歷史數據和專家知識，開展故障診斷和預防性維護，降低設備故障率。
“人工智慧技術能夠準確預測市場需求和技術産品的迭代趨勢，進而輔助企業制定長期發展戰略，促進新技術的研發和應用，支援企業持續創新。”巫彤寧介紹，智慧物流管理系統可實現優化物流路線和車輛調度，確保貨物能夠以最快、最經濟的方式送達。此外，利用人工智慧技術開展設備預測性維護，結合工業網際網路和5G技術，實時監測、獲取設備運作數據，推算出設備故障出現時間，減少生産中斷風險，為製造業帶來更高的穩定性和可靠性。
陶青表示，工信部將深化人工智慧技術在製造業全流程融合應用，大幅提升研發、中試、生産、服務、管理等環節智慧化水準。針對國民經濟影響大、帶動能力強、數字化基礎好的重點行業，開展人工智慧賦能新型工業化專項行動。
“要實現製造業關鍵環節、重點行業和重點産品的智慧化升級，需要做好場景挖掘和業務流程標準化。”單志廣認為，生産、質檢、庫存管理、供應鏈優化等關鍵環節，往往具有重復性高、數據量大、決策複雜等特點，適合應用人工智慧技術。例如，在質檢環節使用機器視覺技術進行自動檢測。
顯示面板生産過程的每一個關鍵製程都需要AOI（自動光學檢測）設備拍攝圖片，進而識別相關缺陷。以前用人工進行缺陷分類，整個流程有100多個製程，需要耗費大量人工和時間。為降低人力成本，格創東智聯合TCL華星開發了AI視覺檢測系統，基於人工智慧技術進行圖片的識別分類。在大幅提升檢測效率的同時，減少了90%的檢測人員，一天可以檢測300多萬張圖片。此外，人工智慧技術能夠有效避免人員易疲勞、人與人之間的認知差異等問題，進一步提升檢測精度。
産業生態更完善
在製造業升級過程中，單一技術力量是有限的。人工智慧在企業中的應用需要結合5G、雲計算等技術才能發揮最大效用。
“首先，需要建立高速的5G網路、大規模的雲計算資源和先進的人工智慧基座。其次，統一的數據管理平臺能夠整合來自生産線、供應鏈、市場等方面數據，通過雲計算進行存儲、處理和分析，為人工智慧演算法提供必要輸入。可以利用高速網路基礎設施，在製造設備和數據中臺之間構建起數據傳輸橋梁，確保數據實時傳輸，為大模型訓練和推理結果的設備反饋提供堅實保障。”巫彤寧説。
阿裏雲智慧集團副總裁安筱鵬同樣認為，以“公共雲+AI”為代表的技術體系全方位賦能和支撐是當前製造業轉型另一個明顯特徵。公共雲是突破高端晶片瓶頸的最優路徑，通過高效連接異構計算資源，突破單一性能晶片瓶頸，協同完成大規模智慧計算任務。要將“公共雲優先”戰略作為製造業數字化轉型相關政策規劃的重要內容，明確中長期發展目標、重點任務和保障措施等；避免晶片“擠兌”現象，警惕各地“小散多”一哄而上地建設算力中心；要將數據中心利用效率作為數據中心建設考核指標，扭轉數據中心“重建設、輕運營”“重投入、輕績效”的建設模式。
人工智慧賦能製造業還需要良好的産業生態作為支撐。“應重視産業聯盟組織對於推動産業發展、促進研究與創新、加強合作交流、參與政策和標準制定與提高國際競爭力方面發揮的重要作用。”巫彤寧表示。
據介紹，由中國資訊通信研究院聯合産業單位共同發起的中國人工智慧産業發展聯盟（以下簡稱“AIIA聯盟”），已有成員單位超千家，在搭建産學研用合作平臺、構建我國人工智慧産業生態、強化人工智慧與經濟社會各領域深度融合等方面都取得了重要的成績。AIIA聯盟自2023年起，每年度發起十大先鋒案例徵集，甄選出具有高價值、標桿性、真落地的行業典型應用實踐，更好地推動我國人工智慧技術應用及産業發展。
人工智慧開源生態建設一直是業界重點關注方向。“要探索構建中國特色的開源生態系統，鼓勵科技公司加入開源生態建設，推動開源社區、開源基金會等平臺與高校、企業、研究院等機構合作研究；舉辦開源大賽，選拔優秀人才，展示創新成果，傳播普及開源理念。”單志廣説。
