作者：尹西明（北京理工大学管理学院公共管理系主任、研究员）；陈劲（清华大学经济管理学院教授、清华大学技术创新研究中心主任）

　　2025年3月5日两会期间，习近平总书记参加江苏代表团审议时指出，“科技创新和产业创新，是发展新质生产力的基本路径”，强调“既多出科技成果，又把科技成果转化为实实在在的生产力”。《政府工作报告》也将“因地制宜发展新质生产力，加快建设现代化产业体系”作为2025年政府工作十大重点任务之一，提出要“推动科技创新和产业创新融合发展，大力推进新型工业化”，并具体要求“开展新技术新产品新场景大规模应用示范行动”和“持续推进‘人工智能+’行动”。

　　2025年是“十四五”收官和谋篇布局“十五五”规划的关键一年。如何把握新场景蕴含的无限新机遇，加快AI大模型、具身智能等新技术新产品同海量工业场景的深度融合，成为加速AI发展和推动制造业高端化、智能化、绿色化发展的关键引擎。对此，2025年落实中央经济工作会议精神和《政府工作报告》的相关任务部署，需要加快产业政策和场景侧改革，以场景为驱动、以AI为引擎、以数据为纽带、以生态为支撑，推动开展新技术新产品新场景大规模应用示范行动和“人工智能+”行动协同发力，加快构建“场景-技术-产业”循环互促的创新体系，将人工智能、具身智能、生物制造、量子科技和6G等“技术势能”转化为加速新型工业化和现代化产业体系的“发展动能”。

　　人工智能赋能新型工业化的瓶颈问题

　　当前，AI企业多为民企，但重大场景多掌握在政府部门、大型基建国企、制造业链主企业中，这些重大场景开放程度有限，使得AI赋能重大工业场景的门槛高、难度大。例如，智能交通系统建设中，需求方多为政府部门及大型国企，倾向于选择长期合作的大型企业或科研单位，民企很难介入。同时，美西方国家对我多家AI企业实施的系列制裁，也使民企国际化场景拓展受到限制。另一方面，工业场景也较为碎片化，缺乏更加系统性的规划。我国工业场景覆盖制造业全链条，但AI应用场景呈现“少数重大场景为牵引、大量长尾场景占主导”的特征，AI赋能也多停留在质检、设备预测性维护等“点”的应用，缺乏产线级、全流程、跨领域的集成化场景设计。

　　工业AI场景对实时计算和边缘算力需求迫切，但受限于网络延迟、本地应用场景匮乏等因素，我国算力资源分布还不均衡，东部地区算力占比超60%，中西部工业重镇算力供给缺口尚存。并且，我国当前算力基建投资集中于传统通用服务器（CPU为主），但市场急需的智能算力（GPU/TPU/ASIC等）供给尚且不足。

　　除此之外，数据是AI的核心要素，丰富的数据资源能够为AI大模型的训练与优化提供充足的“燃料”，从而提升其在工业场景中的决策能力和预测精度。同时，当前AI预训练模型参数数量、训练数据规模以300倍/年的趋势增长，增大模型和增加训练数据是未来演进方向。然而，实际工业数据分散在设备、系统和产业链各环节，且涉及商业机密和隐私保护，跨企业、跨平台的数据共享存在阻力。

　　从市场来看，微观市场主体活力有待进一步激发。新型工业化需大中小企业融通创新，但当前AI赋能新型工业化仍以头部企业为主导。必须进一步加强产业链上下游协同，促进装备制造商、软件服务商与终端用户之间的深度合作，推进场景闭环构建。

　　把握场景机遇，加快AI高水平赋能新型工业化

　　实施场景驱动创新战略，构建“全链+特色”场景体系。一是实施“场景驱动人工智能高水平赋能新型工业化行动计划”，围绕研发设计、智能生产、供应链管理等制造业核心环节，遴选百个国家级标杆场景，形成“全链条贯通、多领域联动”的场景示范矩阵。二是支持省市区结合自身产业禀赋，打造“一链一策” 的垂直特色场景。例如，长三角可以考虑聚焦先进制造业产业链智能化，成渝地区突出装备制造协同创新，京津冀强化人工智能与科技型制造业的集成应用。三是建立工业场景动态清单，每年更新30%的示范项目，淘汰技术落后、效益低下的场景，推动场景与技术进步同步升级。四是构建AI赋能制造业综合评价体系，围绕技术成熟度、场景开放度、应用赋能成效等维度，建立多层次、动态化的评估框架，为AI高水平赋能提供科学指引和前瞻引导。

　　开发开放超级场景，推动技术—场景精准适配。一是政府加强政策引导，鼓励科技领军企业、制造业链长企业、国资央企等大规模开放产业场景，同时支持各地政府开发开放城市场景，建设千亿级超级场景，推动建设AI+先进制造终端应用基地，设立专项扶持资金，降低民营AI企业参与门槛。二是建立工业AI机会清单，由工业企业发布技术难题，AI民企参与AI+示范应用场景模型开发，形成一批行业级解决方案，政府按成果转化效益给予补贴支持。三是专项支持AI民企边缘计算、小样本学习、自适应算法等工业级AI技术研发，降低算力依赖，提升场景适配性。四是围绕重点产业链打造示范应用场景，发布AI软硬件创新产品目录，并将首台套、首版次、首批次AI大模型和具身智能机器人场景化验证应用纳入“两重两新”和超长期特别国债等专项政策支持。

　　打破数据孤岛，构建工业数据要素流通生态。一是制定并实施《工业数据共享管理指引》，建立科学的数据分级管理体系，可以考虑将工业数据分为公开、受限、保密三级，重点推动设计参数、工艺知识等非涉密数据定向开放与共享。二是依托国家信息中心、中国信通院等机构，以工业互联网平台和数据要素型央企为基础，统筹建设国家级工业数据集团，打造工业数据枢纽平台，支持跨行业、跨区域数据融合应用，并通过税收减免等激励措施，吸引工业企业积极接入平台，构建良性互动的数据共享生态系统。三是加快推进制造业数据空间、数据信托、数据银行等创新机制试点工作，积极探索基于AI、区块链等技术的数据确权与收益分配模式，充分激活数据要素市场价值，促进工业数据资源的优化配置与高效利用。

　　强化中小企业赋能，打造“链主+生态”协同体系。一是在国家AI大基金下设立工业AI中小企业创新基金板块，重点支持“专精特新”企业参与场景开发，提供首台套首批次首版次成果的场景应用风险补偿。二是以场景示范工程、场景保险补贴等激发与引导链主企业向中小企业开放场景，支持其低成本快速部署、全产线应用AI大模型。三是优化营商环境，以法治手段切实解决大企业、政府部门拖欠AI中小企业账款问题，加速中小企业现金回流，形成场景应用-资金回流-场景迭代-企业规模化增长的“飞轮”。四是实施“工业AI工程师万人计划”，联合高校、企业共建实训基地，推行“企业导师+高校教授”双导师制，定向培养既懂工业场景又精通AI技术的复合型人才，为生态提供创新动力。

　　夯实新型基础设施，开源共建提升算力—网络支撑能力。一是政府牵头建立全国一体化异构算力交易平台，创新采用“算力证券化”模式实现跨区域资源高效调配，同时积极推行“算力银行”模式，为企业提供闲置算力存储增值服务，提升资源利用效率。二是支持领军企业依托开源社区开发工业级AIaaS或MaaS平台，通过开源开放模式集成低代码开发、微服务架构、异构模型调用等核心功能，切实降低中小企业智能化转型门槛。三是构建完善的工业AI安全防护体系，建立健全漏洞库与威胁情报开源共享机制，加快研制自主可控的工业防火墙与加密芯片，筑牢产业安全防线，保障产业智能化行稳致远。