在新一輪科技革命和產(chǎn)業(yè)變革加速演進的背景下，推動人工智能與傳統(tǒng)產(chǎn)業(yè)深度融合，成為助力傳統(tǒng)產(chǎn)業(yè)改造升級的新動力。2025年8月，國務(wù)院發(fā)布的《關(guān)于深入實施“人工智能+”行動的意見》提出“人工智能+”產(chǎn)業(yè)發(fā)展，為傳統(tǒng)產(chǎn)業(yè)改造升級提供了根本遵循。深入分析“人工智能+”賦能傳統(tǒng)產(chǎn)業(yè)的成效，厘清短板與不足，提出相應(yīng)對策，對推進新型工業(yè)化和加快制造強國建設(shè)具有重要意義。

“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(guān)政策、企業(yè)技術(shù)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(qū)動向智能驅(qū)動轉(zhuǎn)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(jié)合人工智能視覺檢測技術(shù)，實現(xiàn)了從人工巡檢到智能監(jiān)測的轉(zhuǎn)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(yīng)用密度達到每萬名員工470臺。在汽車制造領(lǐng)域，工業(yè)機器人利用先進的視覺識別與精準控制技術(shù)，精準高效地完成焊接、裝配等各項復(fù)雜任務(wù)。在家電領(lǐng)域，人工智能的應(yīng)用實現(xiàn)了降本增效。在原材料領(lǐng)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(lǐng)域，大模型提高了故障檢出率、降低了誤檢率。在半導(dǎo)體領(lǐng)域，人工智能應(yīng)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(wù)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(zhuǎn)變，激發(fā)了新需求并產(chǎn)生了新的應(yīng)用場景。在消費領(lǐng)域，智能家居實現(xiàn)了設(shè)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(lǐng)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(wù)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(wù)”轉(zhuǎn)型，如大型機械領(lǐng)域除銷售掘進機外，還提供遠程運維服務(wù)。

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(jié)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(zhuǎn)型。在供應(yīng)鏈管理上，應(yīng)用人工智能驅(qū)動的需求預(yù)測模型，有助于提高企業(yè)預(yù)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(yīng)用大數(shù)據(jù)等技術(shù)，為產(chǎn)業(yè)鏈上下游數(shù)據(jù)互通提供了重要基礎(chǔ)。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(shù)促進了跨行業(yè)的融合創(chuàng)新，如汽車與信息技術(shù)的融合普及了智能駕駛技術(shù)。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(gòu)。如傳統(tǒng)農(nóng)業(yè)與數(shù)字技術(shù)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(yīng)用的廣度和深度上仍存在三重堵點。

首先，技術(shù)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(shù)存在短板。我國人工智能應(yīng)用多集中在場景落地，基礎(chǔ)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(shù)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(lǐng)域的工藝知識和數(shù)據(jù)特征比較難融入模型訓(xùn)練。同時，小模型部署成本高，中小企業(yè)受到資金和技術(shù)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(yīng)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(zhuǎn)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(jié)構(gòu)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(yīng)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(shè)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(lǐng)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(shù)的熟悉度不夠，增加了適應(yīng)智能化設(shè)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(xùn)。

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(guān)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(shù)、人才等較為有限，在技術(shù)選型、系統(tǒng)集成、應(yīng)用開發(fā)等方面面臨諸多困難，導(dǎo)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(shè)相對滯后。傳統(tǒng)產(chǎn)業(yè)人工智能應(yīng)用的技術(shù)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。

構(gòu)建協(xié)同賦能體系

推動“人工智能+”助力傳統(tǒng)產(chǎn)業(yè)改造升級

為擴大“人工智能+”在傳統(tǒng)產(chǎn)業(yè)改造升級中應(yīng)用的廣度和深度，需堅持問題導(dǎo)向和系統(tǒng)思維，從技術(shù)創(chuàng)新、資源整合以及政策優(yōu)化三個維度構(gòu)建協(xié)同賦能體系。

第一，加強技術(shù)創(chuàng)新，提高產(chǎn)業(yè)適配能力。一是以“人工智能+”賦能關(guān)鍵核心技術(shù)突破。發(fā)揮新型舉國體制優(yōu)勢，集中力量攻克人工智能芯片、工業(yè)軟件、傳感器等關(guān)鍵領(lǐng)域核心技術(shù)，精準實施“揭榜掛帥”機制，支持高校、科研院所與企業(yè)聯(lián)合組建創(chuàng)新聯(lián)盟，提升高端芯片和工業(yè)控制軟件的產(chǎn)業(yè)化水平。二是加速行業(yè)大模型研發(fā)。構(gòu)建通用與行業(yè)小模型的協(xié)同發(fā)展架構(gòu)，設(shè)立中央財政專項基金，鼓勵龍頭企業(yè)與科研機構(gòu)合作開發(fā)細分行業(yè)的專用大模型，盡快實現(xiàn)對傳統(tǒng)產(chǎn)業(yè)關(guān)鍵領(lǐng)域的模型全覆蓋。推廣AIaaS（人工智能即服務(wù)）模式，降低中小企業(yè)應(yīng)用人工智能的門檻。三是促進技術(shù)與應(yīng)用場景的有機融合。開展“人工智能+傳統(tǒng)產(chǎn)業(yè)”場景創(chuàng)新行動，遴選代表性應(yīng)用場景并對其給予資金和技術(shù)支持，建立“企業(yè)提需求、高校給方案、政府搭平臺”的協(xié)同工作機制。

第二，優(yōu)化資源配置，增強支撐保障能力。一是大力推動算力產(chǎn)業(yè)發(fā)展。有效實現(xiàn)東西部之間算力資源優(yōu)化配置，提高算力資源轉(zhuǎn)化為傳統(tǒng)產(chǎn)業(yè)改造升級生產(chǎn)力的能力，大力發(fā)展綠色算力，加快突破算力領(lǐng)域關(guān)鍵核心技術(shù)。二是激活數(shù)據(jù)要素價值。明確數(shù)據(jù)資源持有權(quán)、數(shù)據(jù)加工使用權(quán)、數(shù)據(jù)產(chǎn)品經(jīng)營權(quán)，出臺傳統(tǒng)產(chǎn)業(yè)數(shù)據(jù)分類分級標準。在關(guān)鍵領(lǐng)域建設(shè)國家級傳統(tǒng)產(chǎn)業(yè)數(shù)據(jù)中心，開放設(shè)備參數(shù)、工藝標準等公共數(shù)據(jù)資源。鼓勵企業(yè)通過數(shù)據(jù)交易所開展傳統(tǒng)產(chǎn)業(yè)數(shù)據(jù)交易。三是加強復(fù)合型人才培養(yǎng)。高校應(yīng)優(yōu)化“人工智能+傳統(tǒng)產(chǎn)業(yè)”的交叉學(xué)科設(shè)置，相關(guān)專業(yè)增設(shè)人工智能課程包，提高復(fù)合型人才培養(yǎng)的數(shù)量與質(zhì)量。開展數(shù)字技能提升行動，確保傳統(tǒng)產(chǎn)業(yè)中的規(guī)模以上企業(yè)工人數(shù)字技能全覆蓋。通過政策創(chuàng)新，吸引全球“AI+制造”領(lǐng)域高端人才來華創(chuàng)新創(chuàng)業(yè)，推動傳統(tǒng)產(chǎn)業(yè)改造升級。

第三，完善政策體系，優(yōu)化落地環(huán)境。一是強化政策協(xié)同效應(yīng)。通過財稅政策、技術(shù)政策、產(chǎn)業(yè)政策等政策組合，助力人工智能賦能傳統(tǒng)產(chǎn)業(yè)發(fā)展，縮短“人工智能+傳統(tǒng)產(chǎn)業(yè)”項目的審批周期。二是增強對中小企業(yè)的扶持力度。設(shè)立“人工智能+”改造專項基金，資助中小企業(yè)設(shè)備更新和模型部署。推廣政府、企業(yè)和銀行三方合作模式，對中小企業(yè)推行“人工智能+”提供低利率貸款并給予利息補貼。建設(shè)區(qū)域性“人工智能+”服務(wù)平臺，提供免費技術(shù)咨詢和測試驗證服務(wù)。三是完善標準與治理體系。加快制定傳統(tǒng)產(chǎn)業(yè)人工智能應(yīng)用技術(shù)標準，建立智能裝備、數(shù)據(jù)安全等國家標準體系。構(gòu)建人工智能算法備案與審計制度，審查涉及安全生產(chǎn)的人工智能系統(tǒng)算法透明性。探索“倫理沙盒”機制，在汽車、化工等高風險行業(yè)開展人工智能倫理試點，平衡好“人工智能+”創(chuàng)新與安全之間的關(guān)系。

傳統(tǒng)產(chǎn)業(yè)改造升級是推進新型工業(yè)化的關(guān)鍵，“人工智能+”是實現(xiàn)目標的重要推動力。我國正處于技術(shù)革新、場景拓展、生態(tài)系統(tǒng)構(gòu)建的關(guān)鍵時期，需深入實施“人工智能+”行動，解決技術(shù)、資源、政策瓶頸，推動傳統(tǒng)產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展，為制造強國戰(zhàn)略和中國式現(xiàn)代化建設(shè)提供基礎(chǔ)支撐。

（作者：熊艷系浙江財經(jīng)大學(xué)中國政府監(jiān)管與公共政策研究院研究員；王嶺系浙江財經(jīng)大學(xué)中國政府監(jiān)管與公共政策研究院副院長、經(jīng)濟學(xué)院副院長、研究員）