產業智能化的發展機理、影響因素及對策建議
——基于行業專家訪談的質性研究

韓秋明，王書華，楊學成，李京望

(1.中國科學技術發展戰略研究院,北京 100038;2.北京郵電大學,北京 100876)

0 引言

2017年國務院發布中國《新一代人工智能發展規劃》以來，黨中央國務院持續推進人工智能技術與實體經濟融合發展。2019年的 《政府工作報告》提出， “促進新興產業加快發展，深化大數據、人工智能等研發應用。”2019年3月，中央全面深化改革委員會審議通過的 《關于促進人工智能和實體經濟深度融合的指導意見》提出， “要把握新一代人工智能發展的特點，堅持以市場需求為導向，以產業應用為目標，激發企業創新活力和內生動力。”2020年的 《政府工作報告》提出， “發展工業互聯網，推進智能制造，全面推進 ‘互聯網+’。”在黨中央國務院的大力支持及產學研各界共同努力下，人工智能技術與實體經濟快速且深度融合，取得顯著成效。一方面，人工智能產業化發展迅速，企業數量、融資規模僅次于美國，居全球第二，成為人工智能產業化大國之一[1]，自動駕駛、專用智能芯片、行業智能軟件等方面的技術創新不斷取得新進展；另一方面，人工智能技術的規模化應用加快了其與實體經濟融合的速度，帶動了金融、交通、醫療、物流、農業、制造等一大批傳統行業快速轉型，有力支撐著國民經濟的高質量發展與新舊動能轉換。

中國很多企業的自動化和信息化水平低，向智能化轉型的基礎薄弱，數字化智能化改造所需的資金、技術和管理經驗缺乏，人工智能技術與工業領域深度融合仍存在諸多難點問題。隨著人工智能產業化應用從娛樂、消費等領域開始向實體經濟各行業滲透，技術落地難度和面臨的挑戰將大大增加。當前中國經濟正處在由高速增長向高質量發展的轉換階段，傳統發展過程中的各類紅利正在減弱，經濟增長潛力亟待拓展，這對人工智能技術的發展來說是一個重要的戰略機遇，厘清它對產業升級的作用機理、影響因素，有針對性地提出下一步的對策建議，對進一步貫徹落實 《新一代人工智能發展規劃》和支撐經濟社會高質量發展來說至關重要。

1 國內外研究述評

1.1 國外研究綜述

在產品設計方面，Alireza 等[2]基于混合改進的人工智能和穩健優化的應用，提出一種計算產品組合風險的新方法。通過使用帶有流道根算法 (RRA)的改進的神經網絡，可以預測每種產品的未來需求，并根據其預測的未來需求來計算每種產品的風險指數。Lolli等[3]開發了一個人工神經網絡 (ANN)，通過機器學習和深度學習的方式預測產品的需求周期，并基于意大利汽車行業相關數據進行了評估和實施。Relich等[4]通過BP神經網絡研究了模糊不確定性的產品組合，選擇具有最高模糊權重的最佳組合，以解決其生產約束的問題，并通過實際銷售數據來驗證選擇的產品組合是否成功。Tirkolaee等[5]通過深度學習和模糊集的方式，在考慮有限預算的情形下，通過評估風險和收益優化來找到最佳的產品搭配組合。

在成本控制方面，Rentsch等[11]將遺傳算法與適應度函數相結合，進一步定義和構造制造鏈的所有參數及其所有過程，找到制造產品過程有效降低能量和資源消耗的制造鏈設計和工藝參數集。Duflou等[12]利用建模和仿真方法，針對降低機械零件的能源和資源消耗、制造系統或單個過程的能源消耗和總生命周期的成本進行了探討。Helu等[13]利用建模和智能預測的方式研究和討論了與能量、資源和服務成本相關的機械零件的質量問題，利用機器學習研究了如何在精細加工中集中于表面完整性參數的預測和測量方法的開發，并討論實現精加工表面所需的資源成本 (環境和財務方面的成本)。Stetter等[14]設計了一款智能系統，通過選擇原材料、有關制造和裝配過程的明確和隱含要求或有關產品架構的決定，用來估計商品生產中的能源消耗方法，并嘗試將其與CAD系統耦合。

在行業營銷方面，Dumitriua等[15]通過機器學習算法模擬營銷流程的各種狀態，建立一個四步順序智能模型，基于模型提出一種智能營銷解決方案，來提高產品在各類網站中的可見性。Olson等[16]認為自動化營銷是邁向更好業務成果的一步，他們提出了人工智能在個性化營銷策略中的作用，通過使用相關技術可以更好地了解企業對客戶的看法，促進公司與用戶之間的關系更加深入并自然。Vallejo等[17]通過制造企業確定產品服務區域和產品交付區域的案例，提出一種基于AI的新型雙目標優化模型的優化框架，平衡了每個區域相關的工作量，并最大程度地減少客戶的等待時間。Miklosik[18]正在研究將網站要素摘錄進入谷歌問答箱 (Google Answer Box)的影響，通過深度學習算法模擬在Google上搜索產品產生的最終頁面中的出現概率和權重，以幫助企業實現營銷策略來提高知名度。

在價值創造方面，Paschen等[19]研究了人類和非人類行為者 (即AI)在價值共同創造活動中扮演的不同角色，并提供對基于AI的價值共同創造中的活動、參與者和資源的更深刻理解。Kaartemo等[20]研究了人工智能技術與人之間的互動，從服務提供商的視角來看AI如何實現服務提供商與受益人之間的資源整合，即價值共創性。Singh等[21]認為人工智能技術的不斷發展為經濟參與者之間的價值共創創造了新的機會，未來它將能夠積極參與人類決策，甚至可能允許計算機做出決策而無需人工干預。Maglio等[22]討論了在服務型行業中使用自然語言處理和機器學習分析行業大數據集產生過程中的價值創造機理，以及使其不斷增值的過程。

1.2 國內研究綜述

在產業智能化的驅動力和機制方面，師博[23]認為產業智能化升級主要源于要素驅動向創新驅動的轉型、粗放型發展模式向內涵式發展模式的轉型、非均衡增長向協調發展的轉型，以及資源消耗性經濟向綠色發展的轉型四個方面的需求。何玉長等[24]認為，人工智能深度融合實體經濟，實體經濟智能化是客觀必然。一方面人工智能技術推動實體經濟形式與效能升級，通過建立相應的數據資源庫、研發新算法、開放服務接口、鋪設智能化基礎設施等，促進農業、制造業、服務業等向智慧農業、智能制造、智能服務方向轉變；另一方面人工智能也在創新實體經濟，延伸了價值鏈和創新鏈，如工業機器人、服務機器人、基于算法創新的共享經濟模式、與5G和高精度傳感器等技術融合的智能物聯網，以及其他智能商業模式等。

在產業智能化影響因素方面，萬鋼[25]認為智能化發展引領了汽車產業的變革，隨著能源技術和人工智能技術的應用，安全、綠色、便捷和共享成為智能汽車發展的核心要素。成青青[26]認為，缺理念、缺信息、缺技術、缺投入、缺人才等是產業智能化發展的障礙。唐懷坤[27]總結了社會科技進步與經濟形態關系的RSE模型，提出語言識別技術、語言表達技術、語義理解技術、視覺識別技術、圖像繪制技術、行為技術、觸覺感知技術、推理技術和情緒感知技術等與實體經濟融合的各類場景。蘇貝[28]利用扎根理論研究方法確定了產品市場需求、智能技術創新、智能裝備資源、智能交互能力、數字化集成能力、智能服務平臺等是制造業智能化的影響因素。

在產業智能化發展路徑方面，成青青[26]提出把握人工智能發展機會、依托人工智能促進企業智能化、構建人工智能與實體經濟融合 “生態圈”、探索人工智能與實體經濟融合 “應用場景”和實現創新鏈與產業鏈深度融合等路徑選擇。任保平等[29]認為人工智能深度融合促進高質量發展的路徑在于，促進基礎設施建設的轉型，構建人工智能與實體經濟融合的基礎設施；培育產業發展環境，支持人工智能在工業大數據等重點領域的應用；完善資本市場支撐環境，優化人工智能與實體經濟深度融合的金融支持。進一步深化對外開放，充分發揮人工智能對產業升級的促進作用。雷尚君等[30]認為人工智能與制造業深入融合的方式主要包括精準識別及挖掘消費者的需求，提升消費者價值；創新制造業發展模式；加快制成品更新迭代速度，提升競爭力；推進制造過程智能化，提升制造業效率；推進生產服務體系智能化等。陳瑾等[31]提出了若干條制造業智能化升級路徑，包括在經營思路上，注重從縱向制造業內部潛力挖掘向橫向產業間融合轉移；在區域規劃上，努力從單一制造業發展向 “制造業+科研院校+高新技術產業+創意產業”的集群發展模式轉移；在創新路徑上，努力由 “落后—追趕—再落后”向 “引進—消化—吸收—再創新”轉移；在政府管理上，應積極構建智能制造協同創新的公共服務平臺等。

1.3 研究述評

通過國內外相關研究的比較看出，國內外研究各具特色。國外產業智能相關研究更加聚焦在人工智能在行業應用的各個環節，涉及的研究范圍也多落腳在產業智能化的各個方面，比如產品設計、智能制造流程優化、生產材料選取、能源和資源損耗監督、成本控制和行業營銷等，采取的方法更多偏重于技術性應用，比如仿真、優化、建模、神經網絡、深度學習、機器學習、支持向量機、模糊運算等，使用的數據形式豐富多樣，包括面板數據、代際數據、模糊集、隨機數據和一部分確定數據，最后的目標是提出相應的解決方案，來解決產業智能化過程中遇到的實際問題。國內相關研究更多偏重于政策層面和敘述、陳述事實性的分析，對于人工智能技術深入行業的應用涉及的較少，而對于宏觀層面的分析較多，比如和實體經濟深度融合的問題，定性方法應用較多，如專家訪談、扎根理論、政策梳理、內容分析等。國內外相關研究的特征對比如表1所示。

表1 國內外相關研究比較

對于產業智能化的發展機理和影響因素的問題，國內外相關文獻均提供了部分參考。國外研究偏重于 “點”，可以提供底層技術支持；國內研究偏重于 “面”，可以提供邏輯支持。但是國外研究過于強調技術層面，對于產業智能化的發展機理和影響因素直接涉及的內容較少，國內研究提出的一些論點也更多基于事實敘述的分析，缺少科學方法、觀點來源等比較可靠的依據。因此，本文通過對工作在產業智能化一線的企業家、政府管理者和相關研究機構的學者進行深入訪談，獲得一手觀點與信息，來彌補國內外相關研究存在的不足，為政府決策提供可靠、可信的科學依據。

2 行業專家訪談的質性研究方法

產業智能化是人工智能和實體經濟相融合的大勢所趨，科技政府管理部門的領導作為產業智能化的推動者，企業家作為產業智能化的執行者，科研機構的研究人員作為產業智能化理論體系的建構者，對產業智能化的認識和實踐經驗可以為相關問題的研究提供多樣化的視角和有價值的參考。本文基于對受訪者的訪談資料，圍繞產業智能化的影響因素、困難所在和對策建議三個方面，對產業智能化的發展機理進行討論。希望行業專家對該命題的理解、實踐與反思，為建構一個更為科學、客觀的產業智能化發展圖景提供幫助。

2.1 研究方法及流程

本文擬通過質性研究的方式展開，質性研究主要從研究問題出發，在全面整理訪談資料的基礎上，尋找反映研究問題的核心概念，并建立概念之間的聯系。質性研究的一個特點就是事先不提出任何假設，研究過程不是驗證某種觀點，而是通過核心概念間的邏輯關系來建構和形成研究結論。研究的流程分為三步：第一步，對受訪人進行深度訪談，并形成會議記錄，同時開展收集分析國內外相關文獻、政策梳理等工作，獲得內容分析的原始資料；第二步，將訪談內容整理為文字資料，對這些文字資料內容進行分析和編碼，通過開放編碼、主軸編碼和選擇性編碼等過程，形成概念、范疇和主范疇；第三步，根據第二步形成的邏輯關系架構，形成產業智能化發展的機理，并進行資料的補充和完善。研究流程如圖1所示。

圖1 研究流程

2.2 訪談對象

由于疫情影響，本研究通過遠程視頻訪談的方式，圍繞產業智能化發展的相關問題開展專題訪談和調研。為了全面了解各類型機構行業專家對研究問題的看法，此次調研的對象包括五類機構：一是科技部戰略規劃司等科技管理部門；二是中策橡膠集團、和利時科技集團、三一重工集團等傳統領域具有智能化轉型經驗的企業；三是百度、阿里巴巴、中國移動研究院等通用智能化技術賦能企業；四是商湯科技、曠視科技、達闥科技、云知聲等在垂直領域具有智能化模式探索經驗的獨角獸企業；五是中國社科院工業經濟研究所、北京郵電大學經管學院、長城戰略咨詢等研究和咨詢機構的產業智能化研究專家。所有受訪人員均為所在機構的業務領導，或具有高級職稱的相關研究人員，工作經驗十分豐富，能夠提供真實、可信且豐富的觀點。

2.3 編碼基本過程

開放式編碼是對自然呈現的原始文字資料逐字逐句進行分析、命名和編碼，形成初始概念，然后將相近概念歸為一組，并提取一個內涵更為寬泛的范疇來統攝。開放式編碼所產生范疇是相對獨立的，范疇間的關系則需要主軸編碼來完成，即將范疇歸納形成主范疇與副范疇。選擇性編碼從主范疇中挖掘出具有統領性的核心范疇，用作分析相關發展機理的主要邏輯。根據以上原則，對訪談獲得的基本文字素材進行逐字逐句編碼和概念化，共得到631條原始語句及1321條初始概念，剔除無效和重復概念后得到有效概念462個、副范疇15個、主范疇3個。第一個主范疇是勞動價值創造，主要體現人工智能技術的應用從生產資料、生產力和生產方式三個層面對于產業價值創造和價值提升的作用；第二個主范疇是實體經濟賦能，主要體現人工智能技術的應用對于優化產業結構、促進產業升級、催生新產品新產業、推動智能經濟高質量發展等方面的作用；第三個主范疇是產業智能化影響因素，主要體現人工智能技術在行業應用的過程中還存在的障礙和困難。主范疇、副范疇和部分概念如表2所示。

表2 訪談文本編碼基本規則

3 產業智能化發展機理

根據上述編碼結果，可以形成產業智能化發展的基本機理和邏輯。人工智能技術正在向百行千業廣泛滲透，將對生產效率、產業模式引發深度變革，正在成為全球經濟增長的新引擎。隨著數據成為新的生產要素，算法與算力效能的大幅提升，有效促進生產力發展，新的商業模式、產業模式和經濟業態不斷涌現，其機理如圖2所示。

圖2 產業智能化發展機理示意圖

3.1 勞動價值創造層面

在生產要素方面， 《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》首次將數據作為一種新型生產要素寫入中央文件[32]，成為與勞動、資本、土地、知識、技術并列的生產要素。日益豐富的大數據是人工智能技術發展的基礎，算法正在成為發現數據價值的挖掘機。實現數據、知識與其他要素的相互滲透融合，能夠充分放大和提升各類要素的價值創造能力。海量數據和知識已在金融、制造、醫療、教育等領域的智能化發展中不斷積累和拓展。

在生產力方面，接受人工智能專業正規教育和行業培訓的勞動者規模日益壯大；生產工具智能化的發展使其在生產成本控制、產品質量提升、生產效率等方面發揮出巨大作用；勞動對象，如智能化設施、各類智能機器人、智能化生產設備等通過智能化的方式與人員、用戶的全方位無縫連接，大大提高資源優化配置和綜合生產效率。

在生產方式方面，人機協同正在成為主要的生產方式和服務方式，融合、跨界、交叉成為經濟形態重要的表現方式，共創分享成為經濟生態的基本特征，個性化需求與專業化定制成為消費的主要潮流。智能經濟時代，通過發掘數據和知識作為新的生產要素的價值，通過發掘智能算法作為新的生產力的價值，通過變革生產、營銷、服務的組織模式，都會極大地提高各行各業的生產效率，形成新的產業形態。

3.2 實體經濟賦能層面

作為一項典型的使能型技術，人工智能在未來將廣泛滲透于各個行業之中，引發深度變革，升級傳統產品、改造傳統行業，同時催生一批新產品、新產業、新業態，在推動與實體經濟融合與支撐經濟社會高質量發展方面潛力巨大。

(1)優化產業鏈，生產過程降本提質增效。通過工業機器人、智能視覺、能耗優化、智能車間等技術和載體，實現傳統生產工藝改造，推動質量、效益和競爭力的全方位提升，制造業有可能因人工智能技術的應用而迎來格局重構。智能技術的更大潛力在于流程再造，通過要素前置和事前優化，實現生產線升級和效益顯著提升。加速技術創新和產品研發。智能技術的快速發展和應用也為新時期技術創新和產品研發帶來方法變革和能力提升。功能越來越強大的智能化設計助手內化了越來越多資深工程師設計經驗，能夠保障產品設計質量的持續提升。基于海量數據和智能模型的產品設計改變了研發模式，大大縮短產品研發和實驗驗證周期，為科技創新驅動的經濟高質量發展提供創新源動力。

(2)拓展價值鏈，推動現有產業轉型和產品升級。通過加入自然語言理解、人機感知、情感交互等功能，人工智能已經給空調、門鎖、音箱、冰箱、手表等傳統家居家電產品帶來再次增長；高效能的智能營銷大腦、智能化物流配送等技術推進零售業改造升級，新零售正在成長為新經濟的代表。催生一批人工智能新產品和新產業，各類專用智能芯片發展迅速，正在成長為芯片領域的新貴；智能醫療診斷產品、機器翻譯產品、無人機、智能機器人、健康監測可穿戴硬件等都會為用戶帶來全新價值和體驗，創造出新增市場需求，從而開辟出新的產業空間。

(3)豐富創新鏈，催生更加高效的工業范式。智能機器人和柔性制造技術的成熟，將推動商品制造模式從流水線式的標準化制造向大規模定制化產品供應轉型；數字孿生技術支撐未來制造實現平臺化運行、狀態實時監測和提供全生命周期服務。跨產業、跨領域性平臺的興起將給生產組織模式和產業鏈形態帶來重構，給產品價值構成和用戶服務提供方式帶來深刻改變，推動產用融合的新制造范式革命。孕育更高階段的知識經濟，智能醫療、智能教育、智能制造等通過將行業知識的模型化、工程化，實現知識在更大范圍的共享與復用，放大知識的經濟價值，推動知識經濟進入全新階段。

4 產業智能化影響因素

隨著人工智能產業化應用從娛樂、消費等領域開始向實體經濟各行業進軍，技術落地難度和面臨的問題也將大大增加。通過對訪談的內容梳理，可以看到在提升產業智能化水平的過程中，以下問題亟待解決。

(1)技術成熟度難以滿足工業級需求。人工智能共性技術、融合技術、專項技術等不同層面技術成熟度的不均衡發展是一個非常重要的影響因素，但是這一點很少被相關文獻提及，多數文獻關注技術成熟度是側重于人工智能技術的治理與風險問題[33]。當實驗室驗證的技術真正面對工業級應用時，算法模型的誤差率穩定性等要求全然不同。人工智能芯片、底層開發平臺等技術制約，也限制了各行業開展智能化轉型的進展。一些單純采用基于概率為基礎的機器學習技術在工業領域往往難以滿足其工業性能要求，還需要大數據方法與結合設備建模的機理型方法相結合，實現針對特定問題算法深耕，提升魯棒性、可解釋性、安全性，人工智能技術才能在工業控制、L4以上的自動駕駛、醫療輔助診斷、軍工裝備等更寬廣的領域落地。

(2)實體經濟領域行業數據獲取困難。數據是人工智能技術發展的三大驅動力之一，德勤公司的一項調查表明，16%的IT主管將數據問題列為與人工智能相關的最大挑戰，比任何其他問題都要高，39%的受訪者將數據列入前三個令人擔憂的方面[34]。部分國內學者也認為在產業智能化過程中，部分數據處于被壟斷的狀態，且格式難以統一，數據的行業共享和協作存在困難[35]。人工智能與實體經濟深度融合發展需要以行業大數據為基礎，然而不同行業的信息化水平不同，數據的可獲得性可通用性和可開發性不同，直接影響人工智能的落地應用。工業大數據往往價值密度很低，因為設備運行大部分樣本是分布在一個比較小的正常工作空間內的，異常狀態的故障數據非常少，需要長時間的積累，而這恰恰是最有價值的數據，導致基于經驗大數據的機器學習模型性能提升緩慢。與互聯網、消費領域容易收集、整理和讀取的消費者數據不同，制造企業的設備、工藝、原材料、最終的產品都是五花八門的，導致制造企業工業領域的數據復用也存在很大的難度，需要針對不同問題收集足夠多的訓練數據，制約了人工智能在工業領域的快速落地應用。

(3)實體經濟領域數字化水平滯后。產業智能化的基礎是基礎設施和軟硬件系統的數字化改造，如果數字化改造和應用的水平滯后，那么產業智能化就無從談起。盡管有學者認為人工智能與實體經濟融合需要推動產業數字化、網絡化、智能化并聯發展、同步發展[36]，但智能化發展的前提就是有一定的數字化基礎，數字化水平不足會導致人工智能擴散應用過程中缺乏有效載體的問題。我國實體經濟領域很多企業的自動化、數字化的基礎較為薄弱，基本上就是處于機械化階段，特別是對離散型的工業更是如此；另一部分處于工業2.0向3.0過渡階段，數據孤島大量存在，硬件接口和數據協議統一的標準化體系缺乏，導致各類總線設備難以互聯互通，無法滿足制造業數字化轉型對數據資源整合的需要，數據資源的價值無法實現最大化。

(4)中小企業智能化轉型仍面臨成本制約。弗里曼等認為，一項新興技術能否被采納，且成為關鍵的生產要素需要考慮三個方面：生產成本持續下降、提供無限的供應能力、應用前景非常廣闊，它們是判斷一項技術能否支撐技術經濟發展的核心要素[37]。受訪者認為，在技術產業化發展早期，人工智能技術的部署成本較高，包括支撐各類智能產品算法前端化的各類芯片價格高、AI算力支出成本高、招聘人工智能算法開發人員的工資成本高。在工業領域，原有的設備靈敏度或數據采集精度往往不能支撐參數優化、故障診斷等智能算法應用，需要對設備進行升級改造，也帶來一定的投入成本。尤其是當前經濟下行的大環境下，企業的預算減少，進一步提升了企業開展智能化升級的成本投入壓力。

(5)智能基礎設施建設尚有較大提升空間。人工智能技術在產業中的擴散，一方面需要數字化、信息化的基礎——數據和算法，同時也離不開智能基礎設施，如提供算力的超級計算機、開源開放平臺等[1]。我國在高效能AI算力方面仍面臨明顯的短板，稀缺的算力資源和高昂的算力成本成為影響我國人工智能創新發展的重要因素。開源化、平臺化正在成為新一代人工智能的新趨勢，可幫助創新者減少重復性研發投入，降低技術開發門檻和開發成本。工業互聯網、物聯網等支撐工業智能化技術落地的基礎設施仍然相對薄弱，數字化基礎設施尚不能滿足工業級需求。

(6)實體經濟領域AI人才嚴重缺乏。人工智能技術與產業的融合根本上還是人的融合，產業智能化需要大批既深入了解垂直行業知識，又掌握人工智能關鍵技術的復合型人才[38]。然而由于目前國內產業AI人才總量上仍嚴重不足，企業聘用AI人才成本很高，并且有限的人工智能領域畢業生往往傾向于進入工資待遇更為優厚的人工智能研發企業，傳統企業很難吸引到AI人才。解決復合型AI人才培養對于促進人工智能技術和產業深度融合至關重要，傳統行業就業者需要更多學習AI技能，也需要有更多AI人才進入到不同行業中。

5 產業智能化發展的對策建議

復雜的國際競爭形勢和新冠疫情全球化蔓延給我國經濟帶來嚴峻壓力。把握此次新科技變革的戰略機遇，加快工業領域產業智能化升級，對于新形勢下提升我國產業競爭力、實現經濟高質量發展具有重要意義。根據前述研究的相關情況，應從政策保障、基礎設施和發展環境三個層面解決存在的問題，推進產業智能化發展。

5.1 政策保障層面的建議

(1)加快突破人工智能產業化核心關鍵技術。強化產業界和學術界的協同創新，加大人工智能產業化核心關鍵技術的研發力度，提高技術成熟度和實用化性能。聚焦新型傳感器、智能裝備、工業控制軟件、工業大數據等價值鏈的基礎與關鍵環節開展科技攻關，強化產業鏈底層基礎。重點支持人工智能技術在智能成套裝備、智能關鍵零部件、自動化生產線數字化車間、大型智能裝備中的融合研發。

(2)成立人工智能產業投資基金。重點發揮好傳統行業國有大型企業的資金優勢行業知識積累，設立人工智能產業投資基金，聚焦人工智能在電力、石油、金融等領域的產業化核心技術，實現技術、數據、經驗、資金多要素優勢互補，針對人工智能與行業融合的 “硬骨頭”問題開展聯合研發，加速各垂直行業智能化難點攻關和智能化水平提升。

(3)完善支持融合發展的金融政策。大幅增加制造業中長期貸款，加大對制造企業數字化轉型的支持力度，激發制造企業開展數字化轉型的動力和活力。支持科技成果轉化基金、科技型中小企業技術創新基金向產業智能化領域傾斜。引導風險投資、產業基金、創業投資基金等更廣泛的社會資本投入工業智能化領域，完善多渠道的投融資體系。

5.2 基礎設施層面的建議

(1)加強智能化基礎設施建設。通過推行地方政府專項債券，加大對智能化基礎設施投入，聯合政府資金和企業力量新建一批AI算力中心，支撐各行業人工智能技術研發創新，并通過AI超算券等形式發放給中小企業，降低企業算力成本以及智能產品服務價格。

(2)大規模推廣數字化工廠改造。加大財政技改資金支持，加快制造企業數字化改造，全面提升企業數據采集能力和工藝過程數字化水平，以工廠數字化為先導夯實產業智能化基礎。推動人工智能技術在產品設計優化、工藝流程升級、產品質量檢測、設備故障診斷等生產環節的深度應用，促進企業運營管理、物流、市場營銷、客戶服務等核心業務環節的智能化改造

(3)加強人工智能技術標準建設。加強人工智能標準框架體系研究，逐步建立并完善人工智能基礎共性、多系統互聯互通、信息資源共享、安全管理、隱私保護等技術標準。加快制定工業軟件、工業大數據、工業物聯網、工業云服務等領域相關技術標準，解決信息孤島、行業信息壁壘和數據鏈不完整等瓶頸問題，助推制造業價值鏈的融合與延伸。

5.3 發展環境層面的建議

(1)降低應用人工智能的技術性門檻。強化國家新一代人工智能開放創新平臺對提升產業智能化水平的技術支撐作用，支持更多人工智能領軍型企業建設基礎性、通用性開放創新平臺，面向制造企業在線提供能夠跨領域復用、跨行業復用的算法模型；鼓勵行業領軍企業建設各垂直領域專業化開放創新平臺，通過開發一批低門檻的開發模塊或組件，降低中小企業應用人工智能技術的門檻。

(2)加快業界AI開發技能教育培訓。發揮人工智能領軍企業作用，大規模開展AI工程師的教育培訓；充分發揮線上公開課的規模化優勢，引導鼓勵高校學者和產業界專家線上講授技術公開課，推行 “全民普惠”的AI技能教育行動，通過擴大人才供給加快提升產業界AI開發技能和落地能力，降低人工智能實施成本。

(3)搭建傳統企業與AI企業協同創新平合。借鑒國外經驗，搭建服務于人工智能企業與傳統企業技術融合的創新平臺，在智能企業或傳統業態設立 “智能創新塢”，為行業數據到AI企業的數據流動設立信用擔保機制，建立 “數據沙盒”試驗場景，探索形成行業數據共創共享機制，加速傳統業態與新興技術的融合創新。