点击蓝字 关注我们
注：本文数据和内容来自权威信源，非AI生成
2025年12月25日，工业和信息化部联合中央网信办、国家发展改革委、教育部、商务部、国务院国资委、市场监管总局、国家数据局等八部门印发《“人工智能+制造”专项行动实施意见》（以下简称《意见》），明确以“人工智能技术与制造业应用双向赋能”为核心主线，为数据局政企条线提供了从技术筑基到生态落地的全流程工作框架。《意见》锚定2027年关键目标，量化拆解七大重点任务及21项具体措施，并配套《人工智能赋能制造业重点行业转型指引》《制造业企业人工智能应用指南》两大附件，是数据局推动区域制造业智能化转型、培育新质生产力的核心政策依据。
一、政策核心目标：2027年量化指标与“双向赋能”定位
《意见》以“支撑制造强国、网络强国和数字中国建设”为总目标，明确“一端抓技术供给推动智能产业化，一端抓赋能应用加快产业智能化”的双路径，提出2027年需实现以下可量化成果，为数据局政企条线提供清晰的工作锚点：
1.技术供给安全化：人工智能关键核心技术实现安全可靠供给，产业规模与赋能水平稳居世界前列；
2.模型与智能体规模化：推动3-5个通用大模型在制造业深度应用，形成特色化、全覆盖的行业大模型，推出1000个高水平工业智能体；
3.数据与场景体系化：打造100个工业领域高质量数据集，推广500个典型应用场景；
4.市场主体梯次化：培育2-3家具有全球影响力的生态主导型企业，一批专精特新中小企业，打造“懂智能、熟行业”的赋能应用服务商，选树1000家标杆企业；
5.生态与安全全球化：建成全球领先的开源开放生态，人工智能安全治理能力全面提升。
二、七大重点任务拆解：数据局政企条线的核心工作抓手
《意见》围绕“创新筑基、赋智升级、产品突破、主体培育、生态壮大、安全护航、国际合作”七大维度，细化21项具体措施，数据局需结合区域产业特点，聚焦以下关键环节推动落地：
（一）创新筑基：夯实“AI+制造”技术底座，破解算力、模型、数据瓶颈
作为“AI+制造”的基础支撑，数据局需优先推动算力、模型、数据三大要素的协同供给：
1.算力供给：从“布局”到“高效利用”
推动智能芯片软硬协同发展，重点突破高端训练芯片、端侧推理芯片、人工智能服务器、智算云操作系统等关键技术；加快建设全国一体化算力网监测调度平台，开展智算云服务试点，推动大模型一体机、边缘计算服务器、工业云算力部署——数据局可结合区域产业集群需求，对接国家算力网，优先保障工业母机、汽车等重点行业的低时延算力需求，同时通过“算力券”降低中小企业使用成本。
2.模型研发：从“通用”到“行业适配”
支持开发适应制造业“实时性、可靠性、安全性”的算法模型，培育重点行业大模型，发展“云-边-端”模型体系，鼓励大小模型协同创新；打造模型公共服务平台与评测基准体系，定期发布权威榜单——数据局可联合区域内高校、龙头企业，针对原材料、装备制造等本地优势行业，组建模型研发专班，推动模型轻量化部署至生产一线。
3.数据治理：“模数共振”破解“数据孤岛”
推动建立企业首席数据官制度，推进数据管理能力成熟度国家标准贯标；发布制造业高质量数据集建设指南，依托制造业数字化转型促进中心，实现“以模引数”（用模型需求牵引数据治理）与“用数赋模”（用高质量数据优化模型）的双向循环——数据局需牵头制定区域数据集建设清单，推动企业数据与行业模型的深度融合，例如针对有色金属行业，可组织企业构建“矿山运行-选矿工艺-冶炼控制”全流程数据集。
（二）赋智升级：聚焦“行业+流程+企业+区域”，拓展高价值应用场景
这是数据局推动政策落地的核心场景层，需按“行业分类、流程穿透、企业分层、区域联动”的逻辑推进：
1.重点行业赋能：按“转型指引”分类施策
参考附件1《人工智能赋能制造业重点行业转型指引》，针对五大行业制定差异化路径：
原材料行业：推动钢铁全流程动态模型、石化化工安全生产监测、新材料“成分-结构-性能”反向设计；
装备制造行业：实现工业母机自适应作业、汽车全链条智能化、船舶“下料-焊接-喷涂”工序升级；
消费品行业：纺织服装个性化设计、食品加工安全监控、医药智能研发；
电子信息行业：电子元器件全虚拟仿真、消费电子柔性智造；
软件行业：打造软件全生命周期智能工具链，培育垂直领域智能体。
数据局需联合行业主管部门，绘制区域“AI+制造”应用全景图，优先推广已验证的标杆方案（如中铝集团“坤安”2.0有色金属大模型）。
2.全流程转型：穿透“研发-中试-生产-营销-运营”五大环节
研发设计：推进智能辅助设计、软件代码辅助编写、药物研发，建设工业研发数据集；
中试验证：应用虚拟仿真、多模态融合技术，优化工艺流程、降低试验成本；
生产制造：推广机器视觉质检、设备预测性维护，实现产线实时监测与安全预警；
营销服务：部署智能客服、数字人，发展个性化推荐与定制化售后；
运营管理：利用大模型优化订单处理、销量预测、供应链调度。
数据局可选取区域内1-2家龙头企业开展“全流程转型试点”，形成可复制的改造路径后向中小企业推广。
3.企业分层培育：龙头先行与中小企业赋能并重
开展制造业企业智能化成熟度评估（参考附件2《制造业企业人工智能应用指南》），鼓励龙头企业、央国企提供规模化应用场景，研发工业智能体；深入实施中小企业数字化赋能专项行动，通过“模型券”“诊断服务”降低中小企业转型成本——数据局可建立“龙头+中小”协同机制，例如推动汽车龙头企业开放供应链模型，帮助配套中小企业实现库存优化。
4.重点区域布局：依托园区集聚资源
依托国家自主创新示范区、高新区、经开区，建设“AI+制造”应用场景；支持先进制造业集群、数字产业集群开展赋能应用——数据局可联合园区管委会，打造“AI+制造”创新高地，例如在经开区内建设智能装备中试基地，吸引人工智能企业落地。
（三）产品突破：推动“智能装备+终端+业态”创新，培育新增长点
数据局需聚焦智能产品研发与新业态培育，推动制造业从“传统制造”向“智能创造”转型：
1.智能装备迭代：加快工业母机、工业机器人搭载智能体，研制新一代人工智能数控系统；推动手术机器人、智能诊断系统临床应用；融入大飞机、船舶研发制造，开展智能网联汽车测试与准入试点——数据局可对接本地装备制造企业，争取国家智能装备试点，例如支持工业母机企业开发“AI+数控系统”。
2.智能终端升级：培育智能手机、智能家居等AI终端，加快AR/VR可穿戴设备、脑机接口产业化；建设人形机器人中试基地和训练场，在典型制造场景率先应用——数据局可联合科技企业，在工业巡检、远程医疗等场景开展终端试点，例如在化工园区部署AR巡检设备。
3.智能体新业态：攻关工业智能体任务规划、群体协同技术，研制开放协同的协议和接口；建设智能体应用商店，发布企业级应用实践指南——数据局可推动区域内企业参与智能体分类分级管理试点，培育智能体服务商。
（四）主体培育：打造“生态主导型企业+创新载体+服务商”的产业梯队
数据局需通过“企业培育+载体建设+服务商发展”，构建“AI+制造”产业生态：
1.梯次培育企业：支持企业承担国家重大任务，打造生态主导型企业；发展人工智能企业孵化器，培育专精特新“小巨人”企业、高新技术企业、制造业单项冠军企业——数据局可建立企业培育清单，提供“政策+资源”精准对接，例如推荐符合条件的企业申报国家人工智能产业投资基金。
2.打造创新载体：建设人工智能领域国家制造业创新中心、重点实验室、行业中试基地——数据局可联合高校、科研机构，争取国家级创新载体落地，例如在新材料领域建设行业大模型实验室。
3.发展赋能服务商：建设人工智能赋能应用加速器，培育优质服务商，提供模型调优、数据治理、安全保障服务；鼓励工业企业、AI企业、工业互联网企业打造生态伙伴型服务商——数据局可发布区域服务商目录，为企业提供“一站式”赋能服务。
（五）生态壮大：强化“标准+开源+人才”支撑，优化产业环境
数据局需从标准、开源、人才三方面入手，构建可持续的产业生态：
1.标准引领：发挥工信部人工智能标委会、全国数据标准化委员会等组织作用，推动安全、治理、伦理等基础标准，软硬协同等通用标准研制；开展“人工智能标准行”活动——数据局可组织企业参与国家标准制定，推动区域内企业对标贯标。
2.开源开放：建设高水平AI开源社区，部署模型、数据集、智能体开源项目；举办开发者大会、“校源行”活动——数据局可支持本地企业参与开源项目，吸引开发者集聚，例如在高校开展开源技术培训。
3.人才引育：发布AI产业人才需求预测，调整高校学科专业；建好用好北京中关村学院、上海创智学院、国家人工智能产教融合创新平台等；培养复合型人才，引进海外高端人才——数据局可联合人社部门，制定“AI+制造”人才政策，例如给予高端人才住房、税收优惠。
（六）安全护航：构建“技术防护+机制治理”的安全体系
数据局需将安全贯穿“AI+制造”全流程，防范技术与应用风险：
1.提升安全保障能力：攻关深度合成鉴伪、工业模型算法安全防护、训练数据保护、对抗样本检测技术；构建安全风险库、语料库，建设工业安全大模型；增强AI透明度、可解释性，降低幻觉风险——数据局可组织企业开展AI安全测试，例如对工业大模型开展鲁棒性评估。
2.建立安全治理机制：制定AI分类分级、评估评测、应急处置政策标准；建立安全风险监测预警能力，制定信息报送与共享指引——数据局可建立跨部门安全协同机制，定期开展风险研判。
（七）国际合作：推动“产业出海+平台共建”，提升全球竞争力
数据局可结合区域产业出海需求，推动“AI+制造”国际合作：
1.产业合作：鼓励企业定制海外市场的AI产品与解决方案；开展“AI+制造”深度行“海外版”，提供技术验证与合规认证服务；引导外资投向AI领域——数据局可组织企业参与海外展会，例如在东南亚市场推广智能装备。
2.平台共建：参与金砖、上合、G20、APEC等机制下的AI议题讨论；支持办好世界人工智能大会、人形机器人运动会；建设中国—金砖国家人工智能发展与合作中心——数据局可推动本地企业与海外机构合作，例如联合金砖国家企业开展AI模型研发。
（八）保障措施：数据局的政策落地工具
《意见》明确建立“部门合作、央地联动、产业协同”的工作机制，数据局需用好以下工具：
1.政策协同：因地制宜制定区域政策，引导企业错位发展，防范“内卷式”竞争；
2.资金支持：统筹现有资金渠道，对接国家人工智能产业投资基金，吸引社会资本；
3.应用示范：开展新技术新产品新场景应用示范，用好首台（套）、首批次、首版次政策；
4.监测评估：开展AI产业规模测算，建立应用监测评价指标体系，动态监测全球态势。
三、两大附件的落地价值：为数据局提供“行业指引”与“企业指南”
《意见》配套的两大附件，是数据局推动政策落地的“操作手册”：
1.附件1《人工智能赋能制造业重点行业转型指引》：按“原材料、装备制造、消费品、电子信息、软件”五大行业，细化具体应用路径，例如原材料行业中，钢铁行业需构建全流程动态模型，有色金属行业需打造“物理机理-工艺数据-环境变量”融合模型——数据局可据此制定区域行业实施方案，例如针对建材行业，推动水泥企业开展窑炉煅烧AI控制。
2.附件2《制造业企业人工智能应用指南》：从“智能化评估规划、基础能力提升、数据集构建、算力布局、模型选型调优、部署集成、应用成效提升、安全防护、组织保障”九个维度，为企业提供全流程指引，例如企业需先开展智能化水平诊断，再确定应用场景优先级——数据局可组织企业开展指南培训，帮助企业掌握AI应用方法。
四、深刻洞察（KeyInsight）：数据局政企条线的行动优先级
基于《意见》内容与数据局职能定位，需把握以下四大核心方向，确保政策落地见效：
1.以“模数共振”为核心抓手，破解数据要素瓶颈
数据是“AI+制造”的基础，但当前企业普遍存在“数据治理滞后于模型需求”的问题。数据局需牵头推动“模数共振”行动：一方面，通过首席数据官制度与数据贯标，夯实企业数据治理基础；另一方面，以行业模型需求为牵引，推动基础数据向高质量数据集转化，形成“数据支撑模型、模型优化数据”的闭环——例如在汽车行业，可先明确供应链模型的数据需求，再推动零部件企业开展数据治理，避免“数据无用化”或“模型空转”。
2.以“分类施策”降低转型成本，平衡“重点突破”与“普惠赋能”
《意见》明确“龙头先行”与“中小企业赋能”并重，数据局需避免“一刀切”：对龙头企业，重点支持其建设行业大模型、开放应用场景，打造标杆；对中小企业，通过“算力券”“模型券”“诊断服务”降低转型门槛，例如提供免费的AI成熟度评估，推荐低成本的轻量化模型——同时需防范“内卷式”竞争，引导区域内企业错位发展，例如A市聚焦汽车AI应用，B市聚焦智能装备，形成互补格局。
3.以“安全与发展并重”构建风险防控体系，避免技术应用风险
AI在制造业的深度应用可能带来模型安全、数据安全、伦理风险（如算法歧视）。数据局需将安全贯穿全流程：在技术层面，推动企业部署工业安全大模型，开展AI安全测试；在机制层面，建立分类分级治理机制，定期开展风险监测——例如在化工园区，需对AI巡检模型进行“对抗样本测试”，确保其能识别异常场景，避免安全事故。
4.以“生态共建”整合资源，推动“政产学研用”协同
“AI+制造”需跨领域、跨主体协作，数据局需发挥“桥梁”作用：联合高校、科研机构攻关关键技术（如智能芯片）；推动企业与开源社区合作，共享模型与数据集；对接国家创新载体，争取政策与资金支持——例如组织“AI+制造”对接会，让人工智能企业与制造企业直接洽谈合作，加速技术落地。
综上，《意见》为数据局政企条线提供了清晰的“AI+制造”落地框架，需通过“技术筑基、场景穿透、主体培育、生态优化”，将政策目标转化为区域制造业转型升级的实际成效，为新型工业化提供支撑。
数说123之数据管理是北京数说政通科技有限公司旗下自媒体矩阵“数说123”子账号，面向国家、省、市、县四级数据管理部门，聚焦政策热点、项目动态，依托自媒体、数据、情报、资源，为客户提供媒体宣传与账号运营、行业对标、洞察分析，助力数据管理事业发展，洞察数据行业趋势，链接数据产业价值。
合作请联系：
18603187258
别忘了点
分享、
收藏、
在看、
点赞
哦！