專訪全國人大代表、長虹控股集團董事長柳江：堅持“自主創新+協同創新”，全面推進“AI+”
南方財經全媒體集團全國兩會報道組 李果 北京報道
在2025年的政府工作報告中，提到了創新驅動、人工智能等。而越來越多的國內企業也將這些詞語與自身的發展緊密聯繫在一起，國內電子信息科技領域的代表企業的長虹控股集團正是其一。3月7日，全國人大代表、長虹控股集團董事長柳江接受21世紀經濟報道記者專訪，介紹了長虹發展過程中的“關鍵詞”。
以AI技術全面賦能產品、製造和運營
《21世紀》：政府工作報告中提到，一年來，大力推動創新驅動發展，促進產業結構優化升級。作爲一家深耕電子信息科技領域的企業，長虹在此方面是如何做的？
柳江：長虹集團置身於電子信息科技領域，面臨技術更新速度快、產品研發週期短、產品同質化程度高等市場變化的嚴峻挑戰。我們深刻意識到，無論是研發還是製造，必須堅持“自主創新+協同創新”並舉，通過創新驅動促進企業產業轉型發展。近兩年，我們不斷探索健全以用戶爲中心的協同創新體制機制。
一是堅持“自主創新+協同創新”，構建涵蓋應用基礎研究、共性技術研究、產品與製造技術研發的“三層技術架構體系”。
二是持續完善科研基礎設施建設，用好現有國家級企業技術中心、國家級工業設計中心、國家級“雙跨”工業互聯網平臺等。
三是不斷推進產學研合作，構建以企業爲主體的創新生態，以用戶需求爲牽引，以關鍵技術突破爲目標，打造“政產學研”結合的新型產業孵化平臺，在促進企業創新能力提升的同時，也促進高校、院所的原創性科技成果轉化。
四是突出科技創新的市場價值導向，對技術研發人員績效評價側重於商業價值貢獻，強調基於用戶場景需求分析進行產品技術定義和商業模式設計，提高技術研發投入資源使用效率。
五是強化創新投入，對企業內部產業單元的研發投入增速、中長期研發投入佔比等納入績效考覈指標。
六是全面推進“AI+”行動，以AI技術全面賦能產品、製造和運營，提升整體運營效率。
《21世紀》：當前，作爲創新驅動的方式之一，加快推動人工智能發展是大勢所趨，你對當前我國人工智能的發展怎麼看，長虹有哪些方面的動作？
柳江：我認爲，從研發端來看，我國目前處於快速追趕並局部領先的階段。不僅AI大模型不斷髮展，同時在人工智能專利數量上全球領先，展現出較強的技術創新能力。在應用端上，我國處於廣泛推廣和深度融合的初期階段。人工智能技術已經在衆多領域開始應用，但整體還未達到全面深度融合和普及的程度，還有很大的提升和拓展空間。如在智能駕駛領域，雖然取得了一定進展，但距離完全成熟的自動駕駛還有一段距離。
目前，長虹也在積極發展人工智能，積極推進“AI+”行動，加速AI技術應用落地。在AI+運營方面，我們率先接入DeepSeek模型，將AI技術應用到文字處理、圖像處理、合同對比等領域，提高企業日常工作效率。在AI+製造方面，AI檢測已應用於整機質檢、零部件缺陷檢測等方面，加速我們實現“智改數轉”，推動智能化自動化設備更新、高品質高效率生產線提升、精益化柔性化工廠建設。目前我們正持續加快AI賦能全球66個智能製造工廠的提檔升級，推動長虹製造的高端化、智能化、綠色化發展。
建議加快可信數據空間應用落地
《21世紀》：今年的政府工作報告提出，將安排超長期特別國債3000億元支持消費品以舊換新。在家電以舊換新方面，長虹有什麼計劃？
柳江：國家出臺以舊換新拉動消費的政策，也是我們長虹智慧家居產業發展的機遇。在國家大力推行以舊換新政策背景下，長虹通過多維度策略積極響應政策，在補貼力度、產品體驗等方面全面升級。圍繞用戶“願意換、方便換、換了怎麼辦”三個關鍵點，通過產品、服務、政策升級等形式，實現“銷送裝服收一體”流程，進一步提升用戶體驗。在家電以舊換新方面，我認爲，隨着AI技術應用和產品的迭代升級，以“智”更新着力解決消費者堵點和痛點。隨着國家進一步擴圍補貼品類，長虹也將繼續深化“政企雙補”模式，在技術研發、渠道融合及用戶運營上持續深耕，以抓住新一輪市場紅利。
《21世紀》：你反覆提到AI技術，在AI領域，數據要素市場化配置改革被認爲將對AI技術應用發展帶來深遠影響。結合企業發展實際，你如何認識基於AI發展的數據要素市場化配置改革？
柳江：這一方面很重要，我今年也提出了關於加快可信數據空間應用落地的建議。我認爲，當前數據要素市場面臨三方面問題，即可信數據空間技術路線和標準不統一、數據要素市場機制不健全法律法規滯後、跨領域協同難度大以及人才短缺問題突出。對此，我提出三方面的建議，第一是建議加快技術標準化，加強互聯互通。第二是建議規範數據流通利用，強化監管合規。第三是加快數據產業發展，着力人才培養。
以第三條建議舉例，我建議加大對數據產業的政策和資金支持力度，鼓勵企業加大研發投入，推動數據採集、匯聚、加工、流通、應用和安全保障等環節的技術創新和融合應用。重點支持具備條件的企業，運用可信數據空間，進行數據產品加工、數據應用開發和應用部署交付等方面探索和實踐。在人才培養方面，建議建立數據專業職稱體系，明確數據人才的專業發展方向和職業發展路徑。鼓勵企業與高校合作，建立產學研用一體化的人才培養機制，通過實習、實訓等方式，建立基於可信數據空間的工程化數據實踐能力培養體系，爲可信數據空間網絡支撐應用落地提供充足的人才儲備。