工信部原副部長王江平：“人工智能+製造”要奔着企業難點去

近日，第十四屆全國政協委員、工業和信息化部原副部長王江平在2025賽迪論壇上表示，人工智能（AI）技術儘管醞釀已久，但應用人工智能，產業界還沒有做好相應的準備。要從高質量數據集建設、行業和場景模型建設、數據治理和商業模式等方面加快準備，找準切入點，讓人工智能在製造業中“大有可爲”。

（2025賽迪論壇上工信部原副部長王江平作主旨演講 郭博昊/攝）

AI正快速步入平權時代

近期，人工智能發展非常迅猛，特別是推理模型、具身智能等領域。在王江平看來，近期人工智能出現兩個變化，一個是開源成爲越來越多人的共識，另一個是人工智能的訓練和使用成本在大幅度下降。

DeepSeek在構架和工程優化上的創新，實現算力效能的大幅提升，降低了使用大模型的成本，帶動大模型進入千行百業。同時，DeepSeek實現了權重和代碼等開源，是世界上最徹底的開源大模型，可建立適合企業場景的垂直模型和模型APP。此外，DeepSeek可以實現本地化部署，此前許多工業企業對使用大模型缺乏積極性，擔心企業數據泄露，DeepSeek可實現本地化部署，企業能夠通過自己的局域網來部署自己的模型，因此對數據安全的憂慮大幅降低。

王江平指出，人工智能技術正在從少數國家、少數企業、少數機構的專屬工具，逐漸轉變爲普惠性技術，推動人工智能快速步入平權時代、普惠時代。通過專有數據，中小企業、個人都可以部署自己所需要的模型。

擁抱AI要做哪些準備？

各行各業積極擁抱AI是大勢所趨。王江平指出，應從建設高質量行業數據集和場景數據集、建設行業模型和場景模型、全面推行企業數據治理、積極探索AI商業模式、加強國家模型檢測評估體系建設、開展AI素養教育培訓等六方面加快準備。

王江平認爲，高質量專業數據集建設到哪裡，“人工智能+”就可以發展到哪裡。有了數據集，現在的通用模型、推理模型可以較爲容易地做出行業模型。

王江平指出，在建設高質量行業數據集和場景數據集方面，首先要做好數據標準的建設，還要建設高質量數據集，要包含公共數據、私有數據，通識數據、專門數據，結構性數據、非結構性數據以及高質量合成數據。此外，還需做好可信數據空間的建設，大力發展高性能智能合約、多鏈組網架構、異構跨鏈交互、鏈上鍊下交互等關鍵技術，明確各方數據模型分享要求和激勵措施，形成可信空間數據空間三大能力，即價值共創能力、資源交互能力、可信管控能力。

王江平指出，化工、建材等工業領域有許多場景是相通的，因此可以共享仿真工具，只需調整一下物性參數就可以形成模塊化場景模型，但這些工作需要工業界和IT界共同研究推動。

在王江平看來，還要積極探索AI商業模式。算力、算法和數據是人工智能三大核心要素，其商業模式也離不開這三者。他認爲，要做好算力建設和運營、模型服務、數據服務、AI終端製造四方面工作。

“人工智能+製造”要奔着企業難點去

“工業領域從業人員都知道，工業領域各行業中或多或少都存在工業黑箱。這是由於工業領域中的設備、系統或技術因內部機理複雜、機制不透明，難以理解、只能依靠經驗仿真控制。”王江平指出，這類工業黑箱的運行參數波動大，導致過程調優困難、設備維護與診斷不及時、安全與可靠性風險高等問題。

他認爲，在人工智能時代，解決製造業企業的難題，首先可以奔着工業黑箱去做，實現參數精細及時調整。工業黑箱一類是設備控制類黑箱，如工業爐窯、反應器等等，另一類是工藝系統類黑箱，參數多設備多，需要系統建模優化。

人工智能還能應用於精準預防性維修、智能供應鏈、快速研發設計、質量檢測等方面。“所以，人工智能進入製造業是大有可爲，但是要找準切入點。”王江平說。

此外，王江平表示，人工智能時代的安全問題不僅包括以往的數據安全、網絡安全，還包括模型安全，要以“零信任”理念開展安全治理。人工智能技術不僅是未來經濟社會發展的最大變量，也是重塑製造業競爭格局的核心驅動力，產業界要主動擁抱人工智能，抓緊準備，全面落實“人工智能+製造”行動各項任務，共同譜寫製造業高質量發展新篇章。