當(dāng)前，中國經(jīng)濟正處于轉(zhuǎn)型升級的關(guān)鍵階段，傳統(tǒng)產(chǎn)業(yè)提質(zhì)增效、邁向智能化發(fā)展成為高質(zhì)量發(fā)展的重要突破口。自2024年政府工作報告正式提出開展“人工智能+”行動以來，北京、廣東、河北、山東等多個省市陸續(xù)密集出臺地方性相關(guān)行動方案；2025年政府工作報告再次強調(diào)持續(xù)推進“人工智能+”行動，將數(shù)字技術(shù)與制造優(yōu)勢、市場優(yōu)勢更好結(jié)合起來，支持大模型廣泛應(yīng)用。

人工智能作為引領(lǐng)新一輪科技革命的核心技術(shù)，正加速融入制造、農(nóng)業(yè)、能源、交通等傳統(tǒng)產(chǎn)業(yè)領(lǐng)域。然而，推進“人工智能+傳統(tǒng)產(chǎn)業(yè)”的過程中仍存在數(shù)據(jù)基礎(chǔ)薄弱、技術(shù)適配性差、人才支撐不足、企業(yè)意愿不強等現(xiàn)實困境。新征程上，必須深刻認識“人工智能+”對傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型的重要意義，通過數(shù)據(jù)治理、技術(shù)落地、人才體系和產(chǎn)業(yè)生態(tài)構(gòu)建，切實推動傳統(tǒng)產(chǎn)業(yè)向智能化、綠色化、融合化邁進。

全球產(chǎn)業(yè)鏈重構(gòu)與科技革命加速演進的時代背景下，農(nóng)林牧業(yè)、紡織、機械、石油化工等傳統(tǒng)產(chǎn)業(yè)面臨提質(zhì)增效、節(jié)能降碳等多重壓力。通過深度學(xué)習(xí)、計算機視覺、自然語言處理等技術(shù)，“人工智能+”可以助力傳統(tǒng)企業(yè)提升生產(chǎn)效率、優(yōu)化資源配置、改善用戶體驗，是推動傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級的關(guān)鍵引擎。

《廣東省人工智能產(chǎn)業(yè)發(fā)展調(diào)研報告（2025）》指出，人工智能技術(shù)在廣東制造業(yè)的研發(fā)設(shè)計、中試驗證、生產(chǎn)制造、運營管理等場景得到廣泛應(yīng)用。比如，視源股份于2014年組建人工智能研究院，推動人工智能技術(shù)廣泛應(yīng)用于主營產(chǎn)品研發(fā)、生產(chǎn)及企業(yè)管理，為企業(yè)開拓了新的盈利空間；優(yōu)必選自助研發(fā)的工業(yè)人形機器人Walker S1憑借智能攝像頭與深度學(xué)習(xí)模型對車標及車燈實施毫米級無損傷檢測，準確率超過99%。這些實踐充分證明“人工智能+”不僅是數(shù)字化工具的嵌入，更是以智能感知、智能決策和智能執(zhí)行為核心能力，實現(xiàn)傳統(tǒng)生產(chǎn)模式與組織模式的根本性變革。

數(shù)據(jù)資源碎片化且質(zhì)量不高。大模型的廣泛應(yīng)用依賴于大規(guī)模、高質(zhì)量的數(shù)據(jù)資源，但在傳統(tǒng)產(chǎn)業(yè)中，數(shù)據(jù)基礎(chǔ)的薄弱性已成為制約人工智能落地的首要瓶頸。一方面，大量企業(yè)未完成數(shù)字化改造，尚處于“人腦+經(jīng)驗”主導(dǎo)階段，數(shù)據(jù)采集能力弱，存在設(shè)備接口陳舊、傳感器布局不足、信息系統(tǒng)分散等問題；另一方面，即使有數(shù)據(jù)，其格式混亂、標準不一、互聯(lián)互通性差，使得數(shù)據(jù)無法有效整合、分析與共享。此外，數(shù)據(jù)治理制度缺失也是重要障礙。數(shù)據(jù)確權(quán)機制不清、隱私保護手段薄弱、安全監(jiān)管缺位，使得企業(yè)對數(shù)據(jù)開放和共享顧慮重重，不愿將數(shù)據(jù)資源用于人工智能訓(xùn)練或產(chǎn)業(yè)協(xié)同，進而制約了人工智能算法的迭代優(yōu)化與生態(tài)構(gòu)建。尤其在多個產(chǎn)業(yè)鏈上下游之間，數(shù)據(jù)壁壘導(dǎo)致企業(yè)智能化水平發(fā)展不平衡，加劇了技術(shù)落地的復(fù)雜性與不確定性。

智能化技術(shù)“水土不服”與投資回報率不確定。盡管人工智能在語音識別、圖像識別、文本生成等領(lǐng)域取得突破，但其在傳統(tǒng)產(chǎn)業(yè)中的適配性和落地性依然面臨嚴峻挑戰(zhàn)。首先，諸如冶金、石化、裝備制造等傳統(tǒng)行業(yè)，本身流程復(fù)雜、設(shè)備多樣、工況惡劣，許多環(huán)節(jié)缺乏高質(zhì)量數(shù)據(jù)支撐，也不具備理想的算法應(yīng)用場景。其次，人工智能模型往往難以應(yīng)對工業(yè)系統(tǒng)中存在的大量噪聲、不穩(wěn)定性和非結(jié)構(gòu)化信息。在這種背景下，企業(yè)引入人工智能系統(tǒng)后若效果未達預(yù)期，反而會增加負擔(dān)，形成“偽智能化”的困局。許多企業(yè)因投資成本高、改造周期長、回報周期不明確而止步觀望，形成了“技術(shù)有優(yōu)勢，企業(yè)不敢用”的困境。最后，許多人工智能解決方案仍以技術(shù)驅(qū)動為導(dǎo)向，忽視了與行業(yè)應(yīng)用需求的結(jié)合，導(dǎo)致落地方案泛化、模塊割裂、場景契合度差，從而降低了技術(shù)信任度與轉(zhuǎn)化效率。

人才匱乏與復(fù)合能力不足?！叭斯ぶ悄?傳統(tǒng)產(chǎn)業(yè)”的落地需要具備既懂人工智能算法、模型構(gòu)建，又熟悉產(chǎn)業(yè)工藝、業(yè)務(wù)流程的雙重背景復(fù)合型人才，但目前此類人才嚴重短缺，成為制約轉(zhuǎn)型升級的關(guān)鍵因素。第一，從教育體系來看，傳統(tǒng)高校培養(yǎng)的人工智能人才大多聚焦于計算機科學(xué)、數(shù)學(xué)建模等通用方向，缺乏對具體行業(yè)應(yīng)用的訓(xùn)練；而行業(yè)工程師則普遍缺乏數(shù)據(jù)思維與人工智能素養(yǎng)，難以有效參與智能化項目的實施。第二，人才在區(qū)域和企業(yè)層面分布極不均衡，頭部企業(yè)與一線城市聚集大量高端人才，中小企業(yè)與三四線城市則面臨“請不到、留不住、用不好”的困境。第三，人工智能崗位的高工資與傳統(tǒng)產(chǎn)業(yè)的預(yù)算有限之間存在結(jié)構(gòu)性矛盾。對許多企業(yè)而言，即便意識到人才的重要性，也難以承受高昂的人才成本，從而被動放棄智能化轉(zhuǎn)型。

中小企業(yè)意愿不足與能力承壓。中小企業(yè)是傳統(tǒng)產(chǎn)業(yè)體系的重要組成部分，占據(jù)著就業(yè)和產(chǎn)值的主體地位。然而在“人工智能+”轉(zhuǎn)型中，中小企業(yè)普遍面臨認知不足、能力有限、資源短缺等多重困難。首先是認知問題。許多企業(yè)管理層對人工智能的理解停留在表面，缺乏系統(tǒng)的技術(shù)評估與戰(zhàn)略布局能力，難以判斷哪些環(huán)節(jié)適合引入人工智能。其次是資源限制。人工智能系統(tǒng)動輒需要軟硬件投入、外部服務(wù)采購、員工培訓(xùn)和系統(tǒng)運維，中小企業(yè)既缺資金也缺人力，難以承受智能化改造所需的前期投入和長期運維成本。更重要的是，智能化改造對企業(yè)內(nèi)部組織流程也提出新的挑戰(zhàn)，要求打破部門壁壘、建立數(shù)據(jù)驅(qū)動機制，而這對許多中小企業(yè)而言是一場深層次的結(jié)構(gòu)變革，面臨高度的不確定性。

制度供給滯后與標準體系缺失。制度與標準是“人工智能+”產(chǎn)業(yè)融合的“隱形底座”。當(dāng)前，我國在人工智能賦能傳統(tǒng)產(chǎn)業(yè)方面，尚未建立起完善的標準體系與制度框架。技術(shù)接口不統(tǒng)一、軟硬件平臺互不兼容，導(dǎo)致企業(yè)在引入人工智能系統(tǒng)后常常面臨集成困難、升級復(fù)雜、二次開發(fā)成本高等問題。此外，關(guān)于算法透明性、安全可控性、數(shù)據(jù)合規(guī)性等制度安排依然滯后，使得企業(yè)在推進人工智能應(yīng)用過程中缺乏清晰的法律遵循與風(fēng)險評估機制。行業(yè)應(yīng)用缺少成熟的測試標準與效果評估體系，企業(yè)難以判斷技術(shù)供應(yīng)商的能力與項目成果的可量化收益，進一步加劇了人工智能推廣的不確定性。

加強戰(zhàn)略引領(lǐng)與政策協(xié)同，構(gòu)建系統(tǒng)推進機制。充分發(fā)揮國家戰(zhàn)略引導(dǎo)作用，將“人工智能+”納入制造強國、數(shù)字中國、科技強國等國家戰(zhàn)略體系中，明確“人工智能賦能傳統(tǒng)產(chǎn)業(yè)”的目標路徑和關(guān)鍵舉措。制定國家級產(chǎn)業(yè)融合發(fā)展路線圖，明確重點行業(yè)優(yōu)先級、關(guān)鍵技術(shù)突破口與區(qū)域試點安排，提升政策協(xié)同性與執(zhí)行力。同時，推動跨部門、跨區(qū)域的政策協(xié)同機制，統(tǒng)籌科技、工業(yè)、財政、人社、數(shù)據(jù)等資源，形成財政補貼、稅收優(yōu)惠、創(chuàng)新基金、技術(shù)服務(wù)等全鏈條支持體系。各地可因地制宜設(shè)立“人工智能+產(chǎn)業(yè)專項基金”“場景實驗區(qū)”“技術(shù)公共服務(wù)平臺”，引導(dǎo)企業(yè)主動布局人工智能改造。

建設(shè)高質(zhì)量數(shù)據(jù)基礎(chǔ)設(shè)施，打通智能化“數(shù)據(jù)動脈”。以“工業(yè)數(shù)據(jù)中臺”為核心，推動企業(yè)建立統(tǒng)一的數(shù)據(jù)采集、清洗、治理與存儲體系，實現(xiàn)從“數(shù)據(jù)孤島”向“數(shù)據(jù)資產(chǎn)”的轉(zhuǎn)變。加強工業(yè)互聯(lián)網(wǎng)與邊緣計算技術(shù)應(yīng)用，推動設(shè)備互聯(lián)、流程數(shù)據(jù)化、現(xiàn)場實時感知，為人工智能算法提供高質(zhì)量數(shù)據(jù)底座。同時，推進行業(yè)級數(shù)據(jù)標準制定與數(shù)據(jù)開放平臺建設(shè)，推動非敏感數(shù)據(jù)跨企業(yè)、跨區(qū)域共享。建立“數(shù)據(jù)確權(quán)—共享—交易—監(jiān)管”四位一體的數(shù)據(jù)要素流通機制，健全數(shù)據(jù)分級分類、授權(quán)訪問、安全審計等制度，保障數(shù)據(jù)安全與隱私。

強化關(guān)鍵技術(shù)與行業(yè)需求融合，推動場景化深耕。加快推動人工智能技術(shù)與行業(yè)場景的融合創(chuàng)新，以場景牽引技術(shù)突破。鼓勵“人工智能+工藝”“人工智能+設(shè)備”“人工智能+能源管理”等垂直應(yīng)用模塊的開發(fā)，支持建設(shè)“場景試驗田”“聯(lián)合創(chuàng)新實驗室”等中試平臺，加快形成可復(fù)制、可推廣的解決方案。發(fā)展“輕量化+模塊化”人工智能產(chǎn)品，面向中小企業(yè)提供即插即用型服務(wù)，降低技術(shù)使用門檻。鼓勵龍頭企業(yè)開放真實生產(chǎn)場景，與科研機構(gòu)、高校共同攻克瓶頸問題，形成“技術(shù)—產(chǎn)品—場景—標準”協(xié)同體系。同時，要加強算法可解釋性、系統(tǒng)穩(wěn)定性與應(yīng)用效果評估體系建設(shè)，增強人工智能解決方案的可控性與可信度。

構(gòu)建復(fù)合型人才體系，筑牢轉(zhuǎn)型升級“人力基石”。推動高校與產(chǎn)業(yè)深度融合，開設(shè)“人工智能+產(chǎn)業(yè)工程”交叉課程，建立以真實產(chǎn)業(yè)問題為導(dǎo)向的課程體系與實訓(xùn)平臺。加強產(chǎn)教融合型企業(yè)人才孵化機制，推動高職院校與企業(yè)共建“智能制造實訓(xùn)基地”“人工智能工程師培訓(xùn)中心”。對中小企業(yè)而言，可探索“區(qū)域共享型人才平臺”，引導(dǎo)人工智能工程師通過項目外包、駐企服務(wù)等形式下沉服務(wù)，提升普惠性。完善人才評價機制，既重技術(shù)能力，也重行業(yè)理解；既重工程實踐，也重成果轉(zhuǎn)化，為復(fù)合型人才提供良好的職業(yè)發(fā)展路徑。

來源：南方日報   作者：李杰 王圣哲