工信部原副部长王江平：“人工智能+制造”要奔着企业难点去

近日，第十四届全国政协委员、工业和信息化部原副部长王江平在2025赛迪论坛上表示，人工智能（AI）技术尽管酝酿已久，但应用人工智能，产业界还没有做好相应的准备。要从高质量数据集建设、行业和场景模型建设、数据治理和商业模式等方面加快准备，找准切入点，让人工智能在制造业中“大有可为”。

图片来源于网络，如有侵权，请联系删除

（2025赛迪论坛上工信部原副部长王江平作主旨演讲 郭博昊/摄）

AI正快速步入平权时代

近期，人工智能发展非常迅猛，特别是推理模型、具身智能等领域。在王江平看来，近期人工智能出现两个变化，一个是开源成为越来越多人的共识，另一个是人工智能的训练和使用成本在大幅度下降。

DeepSeek在构架和工程优化上的创新，实现算力效能的大幅提升，降低了使用大模型的成本，带动大模型进入千行百业。同时，DeepSeek实现了权重和代码等开源，是世界上最彻底的开源大模型，可建立适合企业场景的垂直模型和模型APP。此外，DeepSeek可以实现本地化部署，此前许多工业企业对使用大模型缺乏积极性，担心企业数据泄露，DeepSeek可实现本地化部署，企业能够通过自己的局域网来部署自己的模型，因此对数据安全的忧虑大幅降低。

王江平指出，人工智能技术正在从少数国家、少数企业、少数机构的专属工具，逐渐转变为普惠性技术，推动人工智能快速步入平权时代、普惠时代。通过专有数据，中小企业、个人都可以部署自己所需要的模型。

拥抱AI要做哪些准备？

各行各业积极拥抱AI是大势所趋。王江平指出，应从建设高质量行业数据集和场景数据集、建设行业模型和场景模型、全面推行企业数据治理、积极探索AI商业模式、加强国家模型检测评估体系建设、开展AI素养教育培训等六方面加快准备。

王江平认为，高质量专业数据集建设到哪里，“人工智能+”就可以发展到哪里。有了数据集，现在的通用模型、推理模型可以较为容易地做出行业模型。

王江平指出，在建设高质量行业数据集和场景数据集方面，首先要做好数据标准的建设，还要建设高质量数据集，要包含公共数据、私有数据，通识数据、专门数据，结构性数据、非结构性数据以及高质量合成数据。此外，还需做好可信数据空间的建设，大力发展高性能智能合约、多链组网架构、异构跨链交互、链上链下交互等关键技术，明确各方数据模型分享要求和激励措施，形成可信空间数据空间三大能力，即价值共创能力、资源交互能力、可信管控能力。

王江平指出，化工、建材等工业领域有许多场景是相通的，因此可以共享仿真工具，只需调整一下物性参数就可以形成模块化场景模型，但这些工作需要工业界和IT界共同研究推动。

在王江平看来，还要积极探索AI商业模式。算力、算法和数据是人工智能三大核心要素，其商业模式也离不开这三者。他认为，要做好算力建设和运营、模型服务、数据服务、AI终端制造四方面工作。

“人工智能+制造”要奔着企业难点去

“工业领域从业人员都知道，工业领域各行业中或多或少都存在工业黑箱。这是由于工业领域中的设备、系统或技术因内部机理复杂、机制不透明，难以理解、只能依靠经验仿真控制。”王江平指出，这类工业黑箱的运行参数波动大，导致过程调优困难、设备维护与诊断不及时、安全与可靠性风险高等问题。

他认为，在人工智能时代，解决制造业企业的难题，首先可以奔着工业黑箱去做，实现参数精细及时调整。工业黑箱一类是设备控制类黑箱，如工业炉窑、反应器等等，另一类是工艺系统类黑箱，参数多设备多，需要系统建模优化。

人工智能还能应用于精准预防性维修、智能供应链、快速研发设计、质量检测等方面。“所以，人工智能进入制造业是大有可为，但是要找准切入点。”王江平说。

此外，王江平表示，人工智能时代的安全问题不仅包括以往的数据安全、网络安全，还包括模型安全，要以“零信任”理念开展安全治理。人工智能技术不仅是未来经济社会发展的最大变量，也是重塑制造业竞争格局的核心驱动力，产业界要主动拥抱人工智能，抓紧准备，全面落实“人工智能+制造”行动各项任务，共同谱写制造业高质量发展新篇章。