产业智能化的发展机理、影响因素及对策建议——基于行业专家访谈的质性研究

韩秋明，王书华，杨学成，李京望

(1.中国科学技术发展战略研究院,北京 100038;2.北京邮电大学,北京 100876)

0 引言

2017年国务院发布中国《新一代人工智能发展规划》以来，党中央国务院持续推进人工智能技术与实体经济融合发展。2019年的 《政府工作报告》提出， “促进新兴产业加快发展，深化大数据、人工智能等研发应用。”2019年3月，中央全面深化改革委员会审议通过的 《关于促进人工智能和实体经济深度融合的指导意见》提出， “要把握新一代人工智能发展的特点，坚持以市场需求为导向，以产业应用为目标，激发企业创新活力和内生动力。”2020年的 《政府工作报告》提出， “发展工业互联网，推进智能制造，全面推进 ‘互联网+’。”在党中央国务院的大力支持及产学研各界共同努力下，人工智能技术与实体经济快速且深度融合，取得显著成效。一方面，人工智能产业化发展迅速，企业数量、融资规模仅次于美国，居全球第二，成为人工智能产业化大国之一[1]，自动驾驶、专用智能芯片、行业智能软件等方面的技术创新不断取得新进展；另一方面，人工智能技术的规模化应用加快了其与实体经济融合的速度，带动了金融、交通、医疗、物流、农业、制造等一大批传统行业快速转型，有力支撑着国民经济的高质量发展与新旧动能转换。

中国很多企业的自动化和信息化水平低，向智能化转型的基础薄弱，数字化智能化改造所需的资金、技术和管理经验缺乏，人工智能技术与工业领域深度融合仍存在诸多难点问题。随着人工智能产业化应用从娱乐、消费等领域开始向实体经济各行业渗透，技术落地难度和面临的挑战将大大增加。当前中国经济正处在由高速增长向高质量发展的转换阶段，传统发展过程中的各类红利正在减弱，经济增长潜力亟待拓展，这对人工智能技术的发展来说是一个重要的战略机遇，厘清它对产业升级的作用机理、影响因素，有针对性地提出下一步的对策建议，对进一步贯彻落实 《新一代人工智能发展规划》和支撑经济社会高质量发展来说至关重要。

1 国内外研究述评

1.1 国外研究综述

在产品设计方面，Alireza 等[2]基于混合改进的人工智能和稳健优化的应用，提出一种计算产品组合风险的新方法。通过使用带有流道根算法 (RRA)的改进的神经网络，可以预测每种产品的未来需求，并根据其预测的未来需求来计算每种产品的风险指数。Lolli等[3]开发了一个人工神经网络 (ANN)，通过机器学习和深度学习的方式预测产品的需求周期，并基于意大利汽车行业相关数据进行了评估和实施。Relich等[4]通过BP神经网络研究了模糊不确定性的产品组合，选择具有最高模糊权重的最佳组合，以解决其生产约束的问题，并通过实际销售数据来验证选择的产品组合是否成功。Tirkolaee等[5]通过深度学习和模糊集的方式，在考虑有限预算的情形下，通过评估风险和收益优化来找到最佳的产品搭配组合。

在成本控制方面，Rentsch等[11]将遗传算法与适应度函数相结合，进一步定义和构造制造链的所有参数及其所有过程，找到制造产品过程有效降低能量和资源消耗的制造链设计和工艺参数集。Duflou等[12]利用建模和仿真方法，针对降低机械零件的能源和资源消耗、制造系统或单个过程的能源消耗和总生命周期的成本进行了探讨。Helu等[13]利用建模和智能预测的方式研究和讨论了与能量、资源和服务成本相关的机械零件的质量问题，利用机器学习研究了如何在精细加工中集中于表面完整性参数的预测和测量方法的开发，并讨论实现精加工表面所需的资源成本 (环境和财务方面的成本)。Stetter等[14]设计了一款智能系统，通过选择原材料、有关制造和装配过程的明确和隐含要求或有关产品架构的决定，用来估计商品生产中的能源消耗方法，并尝试将其与CAD系统耦合。

在行业营销方面，Dumitriua等[15]通过机器学习算法模拟营销流程的各种状态，建立一个四步顺序智能模型，基于模型提出一种智能营销解决方案，来提高产品在各类网站中的可见性。Olson等[16]认为自动化营销是迈向更好业务成果的一步，他们提出了人工智能在个性化营销策略中的作用，通过使用相关技术可以更好地了解企业对客户的看法，促进公司与用户之间的关系更加深入并自然。Vallejo等[17]通过制造企业确定产品服务区域和产品交付区域的案例，提出一种基于AI的新型双目标优化模型的优化框架，平衡了每个区域相关的工作量，并最大程度地减少客户的等待时间。Miklosik[18]正在研究将网站要素摘录进入谷歌问答箱 (Google Answer Box)的影响，通过深度学习算法模拟在Google上搜索产品产生的最终页面中的出现概率和权重，以帮助企业实现营销策略来提高知名度。

在价值创造方面，Paschen等[19]研究了人类和非人类行为者 (即AI)在价值共同创造活动中扮演的不同角色，并提供对基于AI的价值共同创造中的活动、参与者和资源的更深刻理解。Kaartemo等[20]研究了人工智能技术与人之间的互动，从服务提供商的视角来看AI如何实现服务提供商与受益人之间的资源整合，即价值共创性。Singh等[21]认为人工智能技术的不断发展为经济参与者之间的价值共创创造了新的机会，未来它将能够积极参与人类决策，甚至可能允许计算机做出决策而无需人工干预。Maglio等[22]讨论了在服务型行业中使用自然语言处理和机器学习分析行业大数据集产生过程中的价值创造机理，以及使其不断增值的过程。

1.2 国内研究综述

在产业智能化的驱动力和机制方面，师博[23]认为产业智能化升级主要源于要素驱动向创新驱动的转型、粗放型发展模式向内涵式发展模式的转型、非均衡增长向协调发展的转型，以及资源消耗性经济向绿色发展的转型四个方面的需求。何玉长等[24]认为，人工智能深度融合实体经济，实体经济智能化是客观必然。一方面人工智能技术推动实体经济形式与效能升级，通过建立相应的数据资源库、研发新算法、开放服务接口、铺设智能化基础设施等，促进农业、制造业、服务业等向智慧农业、智能制造、智能服务方向转变；另一方面人工智能也在创新实体经济，延伸了价值链和创新链，如工业机器人、服务机器人、基于算法创新的共享经济模式、与5G和高精度传感器等技术融合的智能物联网，以及其他智能商业模式等。

在产业智能化影响因素方面，万钢[25]认为智能化发展引领了汽车产业的变革，随着能源技术和人工智能技术的应用，安全、绿色、便捷和共享成为智能汽车发展的核心要素。成青青[26]认为，缺理念、缺信息、缺技术、缺投入、缺人才等是产业智能化发展的障碍。唐怀坤[27]总结了社会科技进步与经济形态关系的RSE模型，提出语言识别技术、语言表达技术、语义理解技术、视觉识别技术、图像绘制技术、行为技术、触觉感知技术、推理技术和情绪感知技术等与实体经济融合的各类场景。苏贝[28]利用扎根理论研究方法确定了产品市场需求、智能技术创新、智能装备资源、智能交互能力、数字化集成能力、智能服务平台等是制造业智能化的影响因素。

在产业智能化发展路径方面，成青青[26]提出把握人工智能发展机会、依托人工智能促进企业智能化、构建人工智能与实体经济融合 “生态圈”、探索人工智能与实体经济融合 “应用场景”和实现创新链与产业链深度融合等路径选择。任保平等[29]认为人工智能深度融合促进高质量发展的路径在于，促进基础设施建设的转型，构建人工智能与实体经济融合的基础设施；培育产业发展环境，支持人工智能在工业大数据等重点领域的应用；完善资本市场支撑环境，优化人工智能与实体经济深度融合的金融支持。进一步深化对外开放，充分发挥人工智能对产业升级的促进作用。雷尚君等[30]认为人工智能与制造业深入融合的方式主要包括精准识别及挖掘消费者的需求，提升消费者价值；创新制造业发展模式；加快制成品更新迭代速度，提升竞争力；推进制造过程智能化，提升制造业效率；推进生产服务体系智能化等。陈瑾等[31]提出了若干条制造业智能化升级路径，包括在经营思路上，注重从纵向制造业内部潜力挖掘向横向产业间融合转移；在区域规划上，努力从单一制造业发展向 “制造业+科研院校+高新技术产业+创意产业”的集群发展模式转移；在创新路径上，努力由 “落后—追赶—再落后”向 “引进—消化—吸收—再创新”转移；在政府管理上，应积极构建智能制造协同创新的公共服务平台等。

1.3 研究述评

通过国内外相关研究的比较看出，国内外研究各具特色。国外产业智能相关研究更加聚焦在人工智能在行业应用的各个环节，涉及的研究范围也多落脚在产业智能化的各个方面，比如产品设计、智能制造流程优化、生产材料选取、能源和资源损耗监督、成本控制和行业营销等，采取的方法更多偏重于技术性应用，比如仿真、优化、建模、神经网络、深度学习、机器学习、支持向量机、模糊运算等，使用的数据形式丰富多样，包括面板数据、代际数据、模糊集、随机数据和一部分确定数据，最后的目标是提出相应的解决方案，来解决产业智能化过程中遇到的实际问题。国内相关研究更多偏重于政策层面和叙述、陈述事实性的分析，对于人工智能技术深入行业的应用涉及的较少，而对于宏观层面的分析较多，比如和实体经济深度融合的问题，定性方法应用较多，如专家访谈、扎根理论、政策梳理、内容分析等。国内外相关研究的特征对比如表1所示。

表1 国内外相关研究比较

对于产业智能化的发展机理和影响因素的问题，国内外相关文献均提供了部分参考。国外研究偏重于 “点”，可以提供底层技术支持；国内研究偏重于 “面”，可以提供逻辑支持。但是国外研究过于强调技术层面，对于产业智能化的发展机理和影响因素直接涉及的内容较少，国内研究提出的一些论点也更多基于事实叙述的分析，缺少科学方法、观点来源等比较可靠的依据。因此，本文通过对工作在产业智能化一线的企业家、政府管理者和相关研究机构的学者进行深入访谈，获得一手观点与信息，来弥补国内外相关研究存在的不足，为政府决策提供可靠、可信的科学依据。

2 行业专家访谈的质性研究方法

产业智能化是人工智能和实体经济相融合的大势所趋，科技政府管理部门的领导作为产业智能化的推动者，企业家作为产业智能化的执行者，科研机构的研究人员作为产业智能化理论体系的建构者，对产业智能化的认识和实践经验可以为相关问题的研究提供多样化的视角和有价值的参考。本文基于对受访者的访谈资料，围绕产业智能化的影响因素、困难所在和对策建议三个方面，对产业智能化的发展机理进行讨论。希望行业专家对该命题的理解、实践与反思，为建构一个更为科学、客观的产业智能化发展图景提供帮助。

2.1 研究方法及流程

本文拟通过质性研究的方式展开，质性研究主要从研究问题出发，在全面整理访谈资料的基础上，寻找反映研究问题的核心概念，并建立概念之间的联系。质性研究的一个特点就是事先不提出任何假设，研究过程不是验证某种观点，而是通过核心概念间的逻辑关系来建构和形成研究结论。研究的流程分为三步：第一步，对受访人进行深度访谈，并形成会议记录，同时开展收集分析国内外相关文献、政策梳理等工作，获得内容分析的原始资料；第二步，将访谈内容整理为文字资料，对这些文字资料内容进行分析和编码，通过开放编码、主轴编码和选择性编码等过程，形成概念、范畴和主范畴；第三步，根据第二步形成的逻辑关系架构，形成产业智能化发展的机理，并进行资料的补充和完善。研究流程如图1所示。

图1 研究流程

2.2 访谈对象

由于疫情影响，本研究通过远程视频访谈的方式，围绕产业智能化发展的相关问题开展专题访谈和调研。为了全面了解各类型机构行业专家对研究问题的看法，此次调研的对象包括五类机构：一是科技部战略规划司等科技管理部门；二是中策橡胶集团、和利时科技集团、三一重工集团等传统领域具有智能化转型经验的企业；三是百度、阿里巴巴、中国移动研究院等通用智能化技术赋能企业；四是商汤科技、旷视科技、达闼科技、云知声等在垂直领域具有智能化模式探索经验的独角兽企业；五是中国社科院工业经济研究所、北京邮电大学经管学院、长城战略咨询等研究和咨询机构的产业智能化研究专家。所有受访人员均为所在机构的业务领导，或具有高级职称的相关研究人员，工作经验十分丰富，能够提供真实、可信且丰富的观点。

2.3 编码基本过程

开放式编码是对自然呈现的原始文字资料逐字逐句进行分析、命名和编码，形成初始概念，然后将相近概念归为一组，并提取一个内涵更为宽泛的范畴来统摄。开放式编码所产生范畴是相对独立的，范畴间的关系则需要主轴编码来完成，即将范畴归纳形成主范畴与副范畴。选择性编码从主范畴中挖掘出具有统领性的核心范畴，用作分析相关发展机理的主要逻辑。根据以上原则，对访谈获得的基本文字素材进行逐字逐句编码和概念化，共得到631条原始语句及1321条初始概念，剔除无效和重复概念后得到有效概念462个、副范畴15个、主范畴3个。第一个主范畴是劳动价值创造，主要体现人工智能技术的应用从生产资料、生产力和生产方式三个层面对于产业价值创造和价值提升的作用；第二个主范畴是实体经济赋能，主要体现人工智能技术的应用对于优化产业结构、促进产业升级、催生新产品新产业、推动智能经济高质量发展等方面的作用；第三个主范畴是产业智能化影响因素，主要体现人工智能技术在行业应用的过程中还存在的障碍和困难。主范畴、副范畴和部分概念如表2所示。

表2 访谈文本编码基本规则

3 产业智能化发展机理

根据上述编码结果，可以形成产业智能化发展的基本机理和逻辑。人工智能技术正在向百行千业广泛渗透，将对生产效率、产业模式引发深度变革，正在成为全球经济增长的新引擎。随着数据成为新的生产要素，算法与算力效能的大幅提升，有效促进生产力发展，新的商业模式、产业模式和经济业态不断涌现，其机理如图2所示。

图2 产业智能化发展机理示意图

3.1 劳动价值创造层面

在生产要素方面， 《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》首次将数据作为一种新型生产要素写入中央文件[32]，成为与劳动、资本、土地、知识、技术并列的生产要素。日益丰富的大数据是人工智能技术发展的基础，算法正在成为发现数据价值的挖掘机。实现数据、知识与其他要素的相互渗透融合，能够充分放大和提升各类要素的价值创造能力。海量数据和知识已在金融、制造、医疗、教育等领域的智能化发展中不断积累和拓展。

在生产力方面，接受人工智能专业正规教育和行业培训的劳动者规模日益壮大；生产工具智能化的发展使其在生产成本控制、产品质量提升、生产效率等方面发挥出巨大作用；劳动对象，如智能化设施、各类智能机器人、智能化生产设备等通过智能化的方式与人员、用户的全方位无缝连接，大大提高资源优化配置和综合生产效率。

在生产方式方面，人机协同正在成为主要的生产方式和服务方式，融合、跨界、交叉成为经济形态重要的表现方式，共创分享成为经济生态的基本特征，个性化需求与专业化定制成为消费的主要潮流。智能经济时代，通过发掘数据和知识作为新的生产要素的价值，通过发掘智能算法作为新的生产力的价值，通过变革生产、营销、服务的组织模式，都会极大地提高各行各业的生产效率，形成新的产业形态。

3.2 实体经济赋能层面

作为一项典型的使能型技术，人工智能在未来将广泛渗透于各个行业之中，引发深度变革，升级传统产品、改造传统行业，同时催生一批新产品、新产业、新业态，在推动与实体经济融合与支撑经济社会高质量发展方面潜力巨大。

(1)优化产业链，生产过程降本提质增效。通过工业机器人、智能视觉、能耗优化、智能车间等技术和载体，实现传统生产工艺改造，推动质量、效益和竞争力的全方位提升，制造业有可能因人工智能技术的应用而迎来格局重构。智能技术的更大潜力在于流程再造，通过要素前置和事前优化，实现生产线升级和效益显著提升。加速技术创新和产品研发。智能技术的快速发展和应用也为新时期技术创新和产品研发带来方法变革和能力提升。功能越来越强大的智能化设计助手内化了越来越多资深工程师设计经验，能够保障产品设计质量的持续提升。基于海量数据和智能模型的产品设计改变了研发模式，大大缩短产品研发和实验验证周期，为科技创新驱动的经济高质量发展提供创新源动力。

(2)拓展价值链，推动现有产业转型和产品升级。通过加入自然语言理解、人机感知、情感交互等功能，人工智能已经给空调、门锁、音箱、冰箱、手表等传统家居家电产品带来再次增长；高效能的智能营销大脑、智能化物流配送等技术推进零售业改造升级，新零售正在成长为新经济的代表。催生一批人工智能新产品和新产业，各类专用智能芯片发展迅速，正在成长为芯片领域的新贵；智能医疗诊断产品、机器翻译产品、无人机、智能机器人、健康监测可穿戴硬件等都会为用户带来全新价值和体验，创造出新增市场需求，从而开辟出新的产业空间。

(3)丰富创新链，催生更加高效的工业范式。智能机器人和柔性制造技术的成熟，将推动商品制造模式从流水线式的标准化制造向大规模定制化产品供应转型；数字孪生技术支撑未来制造实现平台化运行、状态实时监测和提供全生命周期服务。跨产业、跨领域性平台的兴起将给生产组织模式和产业链形态带来重构，给产品价值构成和用户服务提供方式带来深刻改变，推动产用融合的新制造范式革命。孕育更高阶段的知识经济，智能医疗、智能教育、智能制造等通过将行业知识的模型化、工程化，实现知识在更大范围的共享与复用，放大知识的经济价值，推动知识经济进入全新阶段。

4 产业智能化影响因素

随着人工智能产业化应用从娱乐、消费等领域开始向实体经济各行业进军，技术落地难度和面临的问题也将大大增加。通过对访谈的内容梳理，可以看到在提升产业智能化水平的过程中，以下问题亟待解决。

(1)技术成熟度难以满足工业级需求。人工智能共性技术、融合技术、专项技术等不同层面技术成熟度的不均衡发展是一个非常重要的影响因素，但是这一点很少被相关文献提及，多数文献关注技术成熟度是侧重于人工智能技术的治理与风险问题[33]。当实验室验证的技术真正面对工业级应用时，算法模型的误差率稳定性等要求全然不同。人工智能芯片、底层开发平台等技术制约，也限制了各行业开展智能化转型的进展。一些单纯采用基于概率为基础的机器学习技术在工业领域往往难以满足其工业性能要求，还需要大数据方法与结合设备建模的机理型方法相结合，实现针对特定问题算法深耕，提升鲁棒性、可解释性、安全性，人工智能技术才能在工业控制、L4以上的自动驾驶、医疗辅助诊断、军工装备等更宽广的领域落地。

(2)实体经济领域行业数据获取困难。数据是人工智能技术发展的三大驱动力之一，德勤公司的一项调查表明，16%的IT主管将数据问题列为与人工智能相关的最大挑战，比任何其他问题都要高，39%的受访者将数据列入前三个令人担忧的方面[34]。部分国内学者也认为在产业智能化过程中，部分数据处于被垄断的状态，且格式难以统一，数据的行业共享和协作存在困难[35]。人工智能与实体经济深度融合发展需要以行业大数据为基础，然而不同行业的信息化水平不同，数据的可获得性可通用性和可开发性不同，直接影响人工智能的落地应用。工业大数据往往价值密度很低，因为设备运行大部分样本是分布在一个比较小的正常工作空间内的，异常状态的故障数据非常少，需要长时间的积累，而这恰恰是最有价值的数据，导致基于经验大数据的机器学习模型性能提升缓慢。与互联网、消费领域容易收集、整理和读取的消费者数据不同，制造企业的设备、工艺、原材料、最终的产品都是五花八门的，导致制造企业工业领域的数据复用也存在很大的难度，需要针对不同问题收集足够多的训练数据，制约了人工智能在工业领域的快速落地应用。

(3)实体经济领域数字化水平滞后。产业智能化的基础是基础设施和软硬件系统的数字化改造，如果数字化改造和应用的水平滞后，那么产业智能化就无从谈起。尽管有学者认为人工智能与实体经济融合需要推动产业数字化、网络化、智能化并联发展、同步发展[36]，但智能化发展的前提就是有一定的数字化基础，数字化水平不足会导致人工智能扩散应用过程中缺乏有效载体的问题。我国实体经济领域很多企业的自动化、数字化的基础较为薄弱，基本上就是处于机械化阶段，特别是对离散型的工业更是如此；另一部分处于工业2.0向3.0过渡阶段，数据孤岛大量存在，硬件接口和数据协议统一的标准化体系缺乏，导致各类总线设备难以互联互通，无法满足制造业数字化转型对数据资源整合的需要，数据资源的价值无法实现最大化。

(4)中小企业智能化转型仍面临成本制约。弗里曼等认为，一项新兴技术能否被采纳，且成为关键的生产要素需要考虑三个方面：生产成本持续下降、提供无限的供应能力、应用前景非常广阔，它们是判断一项技术能否支撑技术经济发展的核心要素[37]。受访者认为，在技术产业化发展早期，人工智能技术的部署成本较高，包括支撑各类智能产品算法前端化的各类芯片价格高、AI算力支出成本高、招聘人工智能算法开发人员的工资成本高。在工业领域，原有的设备灵敏度或数据采集精度往往不能支撑参数优化、故障诊断等智能算法应用，需要对设备进行升级改造，也带来一定的投入成本。尤其是当前经济下行的大环境下，企业的预算减少，进一步提升了企业开展智能化升级的成本投入压力。

(5)智能基础设施建设尚有较大提升空间。人工智能技术在产业中的扩散，一方面需要数字化、信息化的基础——数据和算法，同时也离不开智能基础设施，如提供算力的超级计算机、开源开放平台等[1]。我国在高效能AI算力方面仍面临明显的短板，稀缺的算力资源和高昂的算力成本成为影响我国人工智能创新发展的重要因素。开源化、平台化正在成为新一代人工智能的新趋势，可帮助创新者减少重复性研发投入，降低技术开发门槛和开发成本。工业互联网、物联网等支撑工业智能化技术落地的基础设施仍然相对薄弱，数字化基础设施尚不能满足工业级需求。

(6)实体经济领域AI人才严重缺乏。人工智能技术与产业的融合根本上还是人的融合，产业智能化需要大批既深入了解垂直行业知识，又掌握人工智能关鍵技术的复合型人才[38]。然而由于目前国内产业AI人才总量上仍严重不足，企业聘用AI人才成本很高，并且有限的人工智能领域毕业生往往倾向于进入工资待遇更为优厚的人工智能研发企业，传统企业很难吸引到AI人才。解决复合型AI人才培养对于促进人工智能技术和产业深度融合至关重要，传统行业就业者需要更多学习AI技能，也需要有更多AI人才进入到不同行业中。

5 产业智能化发展的对策建议

复杂的国际竞争形势和新冠疫情全球化蔓延给我国经济带来严峻压力。把握此次新科技变革的战略机遇，加快工业领域产业智能化升级，对于新形势下提升我国产业竞争力、实现经济高质量发展具有重要意义。根据前述研究的相关情况，应从政策保障、基础设施和发展环境三个层面解决存在的问题，推进产业智能化发展。

5.1 政策保障层面的建议

(1)加快突破人工智能产业化核心关键技术。强化产业界和学术界的协同创新，加大人工智能产业化核心关键技术的研发力度，提高技术成熟度和实用化性能。聚焦新型传感器、智能装备、工业控制软件、工业大数据等价值链的基础与关键环节开展科技攻关，强化产业链底层基础。重点支持人工智能技术在智能成套装备、智能关键零部件、自动化生产线数字化车间、大型智能装备中的融合研发。

(2)成立人工智能产业投资基金。重点发挥好传统行业国有大型企业的资金优势行业知识积累，设立人工智能产业投资基金，聚焦人工智能在电力、石油、金融等领域的产业化核心技术，实现技术、数据、经验、资金多要素优势互补，针对人工智能与行业融合的 “硬骨头”问题开展联合研发，加速各垂直行业智能化难点攻关和智能化水平提升。

(3)完善支持融合发展的金融政策。大幅增加制造业中长期贷款，加大对制造企业数字化转型的支持力度，激发制造企业开展数字化转型的动力和活力。支持科技成果转化基金、科技型中小企业技术创新基金向产业智能化领域倾斜。引导风险投资、产业基金、创业投资基金等更广泛的社会资本投入工业智能化领域，完善多渠道的投融资体系。

5.2 基础设施层面的建议

(1)加强智能化基础设施建设。通过推行地方政府专项债券，加大对智能化基础设施投入，联合政府资金和企业力量新建一批AI算力中心，支撑各行业人工智能技术研发创新，并通过AI超算券等形式发放给中小企业，降低企业算力成本以及智能产品服务价格。

(2)大规模推广数字化工厂改造。加大财政技改资金支持，加快制造企业数字化改造，全面提升企业数据采集能力和工艺过程数字化水平，以工厂数字化为先导夯实产业智能化基础。推动人工智能技术在产品设计优化、工艺流程升级、产品质量检测、设备故障诊断等生产环节的深度应用，促进企业运营管理、物流、市场营销、客户服务等核心业务环节的智能化改造

(3)加强人工智能技术标准建设。加强人工智能标准框架体系研究，逐步建立并完善人工智能基础共性、多系统互联互通、信息资源共享、安全管理、隐私保护等技术标准。加快制定工业软件、工业大数据、工业物联网、工业云服务等领域相关技术标准，解决信息孤岛、行业信息壁垒和数据链不完整等瓶颈问题，助推制造业价值链的融合与延伸。

5.3 发展环境层面的建议

(1)降低应用人工智能的技术性门槛。强化国家新一代人工智能开放创新平台对提升产业智能化水平的技术支撑作用，支持更多人工智能领军型企业建设基础性、通用性开放创新平台，面向制造企业在线提供能够跨领域复用、跨行业复用的算法模型；鼓励行业领军企业建设各垂直领域专业化开放创新平台，通过开发一批低门槛的开发模块或组件，降低中小企业应用人工智能技术的门槛。

(2)加快业界AI开发技能教育培训。发挥人工智能领军企业作用，大规模开展AI工程师的教育培训；充分发挥线上公开课的规模化优势，引导鼓励高校学者和产业界专家线上讲授技术公开课，推行 “全民普惠”的AI技能教育行动，通过扩大人才供给加快提升产业界AI开发技能和落地能力，降低人工智能实施成本。

(3)搭建传统企业与AI企业协同创新平合。借鉴国外经验，搭建服务于人工智能企业与传统企业技术融合的创新平台，在智能企业或传统业态设立 “智能创新坞”，为行业数据到AI企业的数据流动设立信用担保机制，建立 “数据沙盒”试验场景，探索形成行业数据共创共享机制，加速传统业态与新兴技术的融合创新。