“我国制造业具有门类齐全、场景丰富、数据潜能巨大等优势杠杆股票资本分配，加快人工智能技术的创新应用探索，有助于为产业注入新的创新动能，同时制造业也为人工智能技术提供了丰富的试验田和数据集，将推动人工智能发展迈上新的台阶。”全国政协委员、中国信息通信研究院院长余晓晖在接受《经济参考报》记者采访时表示，建议从四方面发力，推动人工智能与制造业深度融合应用、“双向奔赴”。
当前，以人工智能为代表的数字技术正加速与实体经济深度融合，通过智能化生产设备投入以及工艺流程数字化改造，推进传统产业的转型升级。余晓晖举例称，我国纺织业通过数字化智能化升级实现向高效率、高质量的转型，劳动效率在17年间提升超4倍。此外，涌现出一批“数字原生”的企业，通过将数字技术深度融入生产经营全环节，实现新产品上市周期大幅缩短。
不过余晓晖也表示，尽管当前工业人工智能已经形成大量丰富的应用模式，但人工智能作为创新最为活跃的领域，对制造业的融合赋能潜力还远未得到充分释放。
对此，余晓晖建议从四个方面进一步发力。首先，加快工业人工智能应用模式创新探索。面向重点行业和典型场景加快人工智能应用探索，与工业互联网深度融合，进一步强化研发设计和营销服务“两端”环节应用，同时面向生产制造等“核心”环节推进深度应用。
其次，推动人工智能与工业技术融合创新。“推动人工智能技术与工业知识、模型深度结合，在保证工业制造对稳定、可靠、质量等要求的同时，赋予其智能化能力，是工业人工智能技术创新的关键，也是全球性难题。”余晓晖说，应加大研发投入，突破人工智能与工业技术融合的基础性原理与关键工程化问题。
再次，布局智能叠加的智能制造终端产品、装备、系统。“人工智能正深刻改变制造装备、机器人、工业自动化、工业软件等领域的产品形态与产业图景，电脑、手机、家电、无人系统、物联网等各类终端产品加快向人工智能升级。”余晓晖说，要充分发挥我国人工智能创新优势，特别是推动各行业领军企业与人工智能企业优势互补和创新合作，带动各个领域的产品智能化升级与产业突破，打造我国制造业智能化新优势。
最后，加强重点领域行业数据资源构建。他认为，目前我国基础大模型已进入全球领先行列，但在工业等领域的应用积累还较为薄弱。要围绕重点制造业高价值场景杠杆股票资本分配，加快积累形成高质量行业数据集，构建行业数据资源体系，同时积极探索基于可信数据空间的行业数据流通体系，将数据资源潜能有效转化为国家数据优势，在推进制造业智能化升级的同时，反哺大模型性能升级，推进人工智能的进一步突破。