工业和信息化部日前发布数据显示，截至今年2月末，我国5G基站总数达350.9万个，5G移动电话用户达8.51亿户，占移动电话用户的48.8%。数字赋能实体经济水平不断提升，5G行业应用已融入71个国民经济大类，并在工业领域深入推广。

　　工信部总工程师赵志国表示，将加快数字技术赋能，促进制造业向数字化、网络化、智能化发展。今年将开展“人工智能+”行动，促进人工智能与实体经济深度融合，推动人工智能赋能新型工业化。

　　平台驱动转向数据驱动

　　从传统的“人盯人”到人工智能24小时无死角盯防，基于浪潮海岳软件搭建的人工智能煤矿重点岗位安全隐患图像智能识别分析系统，以“数据+算力+算法”为支撑，不仅能实时监控、智能识别煤矿作业人员和设备运行状况，还能在发现异常情况时控制设备闭锁或停机，并提醒工作人员处置，实现了从人工巡检到智能监控的跨越，让矿山安全生产更加智能可控。浪潮数字企业总经理魏代森表示，创新应用智能化技术以“数据+算力+算法”赋能传统产业智能化生产，能催生出新模式、新业态。

　　从平台驱动转向数据驱动，已成为数字化发展的重要趋势之一。赛迪研究院未来产业研究中心所长韩健认为，这本质是数字时代企业战略核心的根本转变。平台驱动强调通过建设强大的IT平台来实现技术优势和开展业务，数据驱动则意味着更多依赖于数据的收集、分析与应用，让数据成为决策的核心。

　　赛智产业研究院院长赵刚说：“数字化发展经历了信息化、网络化和平台化阶段，正进入数据驱动的智能化新阶段。数字化平台是业务流程协同运营的驱动力，解决的是市场效率问题；数据要素是不确定环境下业务决策的驱动力，解决的是创新问题。”

　　赵刚认为，数据驱动的智能化转型是以“数据+算力+算法”为基础支撑，充分发挥数据要素协同优化、复用增效和融合创新的引擎作用，加快各类生产要素创新性配置，打造数智化企业，精准快速响应客户需求和市场变化。

　　“从企业内部看，企业的决策过程从依赖高层经验和直觉转向更依赖数据分析；营销战略从关注广告效应的传统模型转向利用数据分析，达到精准投放和效果评估。数据驱动意味着对效率和效益的追求，可以降低运营成本、提高响应速度，使企业在激烈的市场竞争中占据优势。从外部层面看，数据驱动的企业不仅提高了自身效率，还能通过数据共享协作，促进产业链、供应链乃至整个社会的数字化转型。”韩健表示。

　　数字赋能水平持续提升

　　走进东方日升新能源股份有限公司的电池生产车间，一台台AGV（自动导向搬运车）在车间内自动穿梭。“我们联合研发的AGV智能调度系统，已实现了将生产车间20个不同协议的自动化设备接入统一管理平台，管理200多台AGV自动生产和自动运输，实现资源配置和任务分配最优解，车间物流搬运成本降低50%，运转效率提升30%。”腾讯云智能制造首席架构师赵保名说。

　　截至2023年底，我国已培育421家国家级示范工厂、1万余家省级数字化车间和智能工厂。数字技术正在以行业覆盖面广、业务渗透性强、智能化水平高、经济效益好等特点赋能新型工业化。

　　韩健认为，当前数字技术赋能新型工业化主要以提高生产自动化、网络化和智能化水平为目标，这种技术变革对企业运营模式及其资源配置产生了显著影响。通过云计算、大数据、人工智能等新一代信息技术与传统产业的深度融合，在生产操作方面实现了“上云、用数、赋智”，提升传统产业现代化水平，实现产品高端化发展。

　　“数字技术赋能新型工业化主要体现在3方面：创新发展是根本动力，生产要素高效配置是内在要求，协同发展是内生需要。”赵刚说。数字技术创新，既推动了人工智能等新兴产业创新发展，也为传统产业的技术研发和产品设计赋能，催生大模型辅助科学研究、数字孪生仿真等研发新模式，大幅提升技术创新对工业经济增长的贡献率。数字技术与产业链供应链深度融合，带动产业链上下游整体推进数字化转型，整体提升产业集群竞争力。

　　加快推进“人工智能+”

　　随着人工智能大模型技术加速迭代升级，大模型的通用和专用智能水平取得重要进展，对脑力劳动依赖度较高的制造业成为大模型应用的主战场，“人工智能+”成为数字技术赋能新型工业化的最活跃领域。

　　360集团创始人周鸿祎认为，大模型可以与传统产业进行“智改数转”结合，成为新型工业化的重要赋能者。抓住人工智能的“牛鼻子”，加快形成新质生产力，以大模型能力赋能重点产业体系，推动产业数字化向智能化升级，是我国现代化产业体系向高端化发展的必然趋势。

　　“目前，大模型在投入生产实践与赋能新型工业化的效能上仍有不足。未来要坚守安全发展底线，从政策和标准布局，为推动大模型在各行各业加速落地做好保障；开拓更多大模型应用场景，助力产业转型升级；推动大模型普惠发展，让广大中小微企业用得好。”周鸿祎表示。

　　工信部科技司副司长刘伯超表示，将拓展人工智能等数字技术在研发设计、生产制造、检验检测等不同环节，以及电子信息、生物医药、原材料、装备制造等不同行业应用。以人工智能和制造业深度融合为主线，统筹布局通用大模型和行业大模型，加快推进人工智能赋能新型工业化。

　　赵刚认为，开展“人工智能+工业制造”，要以实现制造业脑力劳动自动化为重点。开发工业大模型，推进“人工智能+生成设计”等创新应用，实现制造业全流程智能化；开发“人工智能+人形机器人”，推进嵌入大模型智能的人形机器人在智能工厂的试点应用，提升工业自动化产线的精准化和智能化水平；大力发展“人工智能+产品”，推进大模型智能嵌入产品，提升产品智能化水平，更好服务用户需求，增强用户体验。

　　“要引导企业投入资源建设高质量的数据仓库，保障数据的可靠性、完整性和可访问性。高质量数据直接决定了人工智能大模型能力，这是推动人工智能赋能新型工业化的重要基础。此外，创新技术研发与合作生态、制定标准和政策、加快人才培养和产业链现代化都是推进‘人工智能+’的关键。”韩健表示。（黄 鑫）