工業和信息化部 中央網信辦 國家發展和改革委員會等

工業和信息化部 中央網信辦 國家發展改革委 教育部 商務部 國務院國資委 市場監管總局 國家數據局關于印發《“人工智能+制造”專項行動實施意見》的通知


工信部聯科〔2025〕279號



各省、自治區、直轄市及計劃單列市、新疆生產建設兵團工業和信息化主管部門、黨委網信辦、發展改革主管部門、教育廳（教委）、商務主管部門、國資主管部門、市場監管局（廳、委）、數據管理部門 ，各有關單位：



現將《“人工智能+制造”專項行動實施意見》印發給你們，請結合實際認真抓好落實。



工業和信息化部

中央網信辦

國家發展改革委

教育部

商務部

國務院國資委

市場監管總局

國家數據局

2025年12月25日




“人工智能+制造”專項行動實施意見

人工智能加速與實體經濟深度融合，深刻改變制造業生產模式和經濟形態，成為驅動產業升級、重塑全球格局的關鍵變量。為貫徹落實《關于深入實施“人工智能+”行動的意見》，加快推進人工智能技術在制造業融合應用，打造新質生產力，全方位、深層次、高水平賦能新型工業化，制定本實施意見。

一、總體要求

以習近平新時代中國特色社會主義思想為指導，深入貫徹黨的二十大和二十屆歷次全會精神，完整準確全面貫徹新發展理念，加快構建新發展格局，統籌發展和安全，堅持創新驅動、場景牽引、市場主導、安全可信、開放共享、普惠融通，一端抓技術供給，推動“智能產業化”，一端抓賦能應用，加快“產業智能化”，整體壯大產業生態，促進人工智能科技創新與產業創新深度融合、人工智能技術與制造業應用“雙向賦能”，加快制造業智能化、綠色化、融合化發展，有力支撐制造強國、網絡強國和數字中國建設。

到2027年，我國人工智能關鍵核心技術實現安全可靠供給，產業規模和賦能水平穩居世界前列。推動3－5個通用大模型在制造業深度應用，形成特色化、全覆蓋的行業大模型，推出1000個高水平工業智能體，打造100個工業領域高質量數據集，推廣500個典型應用場景。培育2－3家具有全球影響力的生態主導型企業和一批專精特新中小企業，打造一批“懂智能、熟行業”的賦能應用服務商，選樹1000家標桿企業。建成全球領先的開源開放生態，安全治理能力全面提升，為人工智能發展貢獻中國方案。

二、創新筑基：夯實人工智能賦能底座

（一）強化人工智能算力供給。推動智能芯片軟硬協同發展，支持突破高端訓練芯片、端側推理芯片、人工智能服務器、高速互聯、智算云操作系統等關鍵技術。有序推進高水平智算設施布局，加快建設全國一體化算力網監測調度平臺，促進算力資源高效利用。開展智算云服務試點，推動大模型一體機、邊緣計算服務器、工業云算力部署，提升智算資源供給能力。

（二）開發高水平行業模型。支持模型訓練和推理方法創新，開發適應制造業實時性、可靠性、安全性特點的高性能算法模型。培育重點行業大模型，發展“云－邊－端”模型體系，持續提升泛化能力。打造面向工業細分場景小模型，鼓勵大小模型協同創新。推動模型輕量化部署，加快在工業場景落地應用。打造模型公共服務平臺，提供高水平模型及配套工具服務。支持建設大模型評測基準體系，打造權威榜單，定期發布評測結果，牽引技術迭代升級。

（三）開展“模數共振”行動。推動建立企業首席數據官制度，持續推進數據管理能力成熟度國家標準貫標，夯實企業數據治理基礎。梳理適配行業模型需求的數據資源清單，發布制造業高質量數據集建設指南，用好制造業數字化轉型促進中心等載體，推動將基礎數據轉化為高質量行業數據集，實現“以模引數”。指導企業加強數據工程能力建設，促進企業數據開發與模型建設深度融合，探索建立“數據協同、模型訓練、應用開發、安全保障”一體化機制，實現“用數賦模”。

三、賦智升級：拓展推廣高價值應用場景

（四）加快重點行業應用賦能。深入開展人工智能賦能新型工業化“深度行”活動，組織高水平專家、企業、研究機構等賦能服務團深入行業、地方、園區。建設人工智能應用對接平臺，促進供需精準匹配。參考《人工智能賦能制造業重點行業轉型指引》（見附件1），分類制定“人工智能+制造”行業應用全景圖和轉型路線圖，加快賦能原材料、裝備制造、消費品、電子信息、軟件和信息技術服務等制造業相關重點行業，加快標桿解決方案和經驗推廣應用。

（五）加速全流程轉型升級。系統梳理重點環節應用場景，深化智能工廠梯度培育，推動大模型技術深度嵌入生產制造核心環節，改造研發設計（含工業設計）、中試驗證、生產制造、營銷服務、運營管理等全流程，提升輔助設計、仿真模型構建、排產調度、設備預測性維護等能力。

——研發設計環節。重點推進智能輔助設計、軟件代碼輔助編寫、藥物研發等，打造個性化、低成本、高效能的新型研發設計模式。加強工業研發數據集建設和開源共享，探索建立人工智能預測結果評估體系，提升工程技術創新能力，疏通人工智能科學發現的“堰塞湖”。

——中試驗證環節。大力推進中試智能化改造，加快虛擬仿真、多模態融合等技術在中試環節的應用，通過全面感知、實時分析、科學決策和精準執行，優化工藝流程、提高中試效率、降低試驗成本。

——生產制造環節。深化人工智能技術在工業核心流程控制、工藝優化、排產調度等環節應用，促進生產過程分析、決策、執行智能化。推廣機器視覺、無人智能巡檢等工業質檢技術，強化產線實時監測和預測性維護，提升設備故障識別準確性，實現安全生產風險預警與事件告警。

——營銷服務環節。推廣智能客服、數字人、商品三維模型，重點突破個性化推薦、定制化售后、服務化延伸等，發展基于人工智能技術的答疑、培訓等功能，改善售前、售中、售后服務體驗，提升服務價值。

——運營管理環節。發揮大模型推理預測能力，加速訂單處理、銷量預測、庫存預警等環節智能升級，優化供應鏈管理。運用大模型分析和生成能力，提升企業對戰略、人力資源、財務、風險等管理能力。

（六）提升重點企業應用水平。開展制造業企業智能化成熟度評估，實施《制造業企業人工智能應用指南》（見附件2），為企業智能化轉型升級提供實施路徑和方法指引。鼓勵龍頭企業、央國企等先行先試，提供規模化應用場景，研發應用工業智能體，先行探索人工智能賦能制造業新模式。深入實施中小企業數字化賦能專項行動，支持中小企業開展數字化、智能化改造，加快中小企業人工智能應用復制推廣。

（七）推進重點區域推廣應用。建設并開放一批“人工智能+制造”應用場景，打造具備行業特色的創新高地。依托國家自主創新示范區、國家高新區、國家級經開區資源集聚、人才密集等優勢，加快人工智能新產品新服務新業態規模化落地。支持先進制造業集群、數字產業集群等開展人工智能賦能應用，推動區域制造業智能化轉型升級。

（八）推動重點領域智能化升級。加強人工智能與信息通信網絡協同，推動人工智能與工業互聯網平臺融合賦能，研發面向工業互聯網等基礎設施的數據集、大模型、智能體，推進人工智能技術在基礎設施規劃、建設、運營、維護等環節深入應用。深化人工智能技術在綠色制造領域融合應用，針對能源和碳排放管理、資源循環利用等場景需求，研發推廣智能化綠色化協同解決方案。打造一批面向行業的應用安全解決方案，加快安全大模型、智能體等落地應用，構建安全運行體系，提升工業領域安全水平。

四、產品突破：構建智能新產品新業態

（九）推動智能裝備迭代。加快工業母機、工業機器人等各類工業裝備搭載應用智能體，研制新一代人工智能數控系統，提升自主決策、分析和執行等能力。加快發展手術機器人、智能診斷系統等，加速智能醫療裝備產品創新和臨床應用推廣。推動人工智能技術融入大飛機、船舶等重大技術裝備研發、制造、運行，發展無人機等智能低空裝備。開展搭載自動駕駛功能的智能網聯汽車產品測試與安全評估，有序推進產品準入和上路通行試點。

（十）加速智能終端升級。支持端側模型、開發應用工具鏈等技術突破，培育智能手機、電腦、平板、智能家居等人工智能終端。聚焦工業巡檢、遠程醫療等重點場景，加快增強現實/虛擬現實（AR/VR）可穿戴設備、腦機接口等新型終端的產業化、商業化進程。推動具身智能產品創新，建設人形機器人中試基地和訓練場，打造人形機器人標桿產線，在典型制造場景率先應用。

（十一）打造智能體新業態。開展工業智能體任務規劃、群體協同等技術攻關，強化工業機理與智能體決策模型融合、智能體與工業系統間交互適配，推動智能體云化部署。研制開放協同的智能體協議和接口，提升智能體互聯互通互操作效率。支持智能體應用商店建設運營，選樹一批工業智能體應用典型案例，發布企業級應用實踐指南，加速智能體規模化、商業化進程。構建智能體分類分級管理體系，研究智能體互聯網體系架構，探索智能體注冊發現、身份認證、接入管理機制，引導新業態健康發展。加快傳統軟件產品和服務升級，推動人工智能與工業軟件深度融合，提升設計生產效率。

五、主體培育：打造人工智能發展和賦能應用主力軍

（十二）梯次培育企業。支持企業加大創新投入，積極承擔國家重大任務，集聚資源打造具有全球影響力的生態主導型企業。發展人工智能企業孵化器，實施中小企業創業支持計劃，梯次培育更多人工智能專精特新“小巨人”企業、高新技術企業、制造業單項冠軍企業、獨角獸企業和瞪羚企業。鼓勵有關地方給予企業“算力券”“模型券”等支持，強化賦能中小企業公共服務，降低企業開發應用成本。

（十三）打造創新載體。建設人工智能領域國家制造業創新中心，提升關鍵共性技術供給能力。布局一批人工智能領域重點實驗室，加強對類腦智能、世界模型等前沿技術探索。高質量建設制造領域重點行業國家人工智能應用中試基地，匯聚產業創新資源，加快形成一批可復制、可推廣的行業解決方案。

（十四）發展賦能應用服務商。健全制造業數智化轉型服務體系，建設一批人工智能賦能應用加速器，培育優質賦能應用服務商，打造標準化和定制化結合的賦能解決方案，提供行業模型調優、數據治理、安全保障等服務。鼓勵工業企業、人工智能企業、工業互聯網企業集聚工具、技術、平臺等資源，打造生態伙伴型服務商。支持電信運營商和央國企數智科技公司提升服務能力，承接行業賦能應用服務。指導相關行業組織，定期發布優質服務商目錄等。

六、生態壯大：加強資源配置優化產業生態

（十五）強化標準引領。發揮工業和信息化部人工智能標委會、全國數據標準化委員會、全國信標委人工智能分委會、全國集成電路標委會人工智能芯片工作組、全國網安標委新技術安全標準特別工作組作用，加強標準技術組織建設。強化跨行業跨領域協同，分級分類推動安全、治理、倫理等基礎標準，軟硬協同等通用標準、賦能應用標準以及計量技術規范研制。深入開展“人工智能標準行”活動，強化標準宣貫應用。鼓勵企業參與國際標準化工作。

（十六）推動開源開放。建設高水平人工智能開源社區，部署實施一批模型、數據集、智能體等優質開源項目，構筑具有全球影響力的人工智能開放生態。研發推廣適配人工智能項目特性的開源許可協議，構建新型人工智能開源規則秩序。引導云服務廠商、賦能應用服務商與開源社區積極對接，推動開源項目在工業領域落地應用。舉辦開發者大會、“校源行”等活動，傳播開源理念，繁榮開源文化，形成共建共享良好氛圍。

（十七）加強人才引育。開展人工智能產業人才需求預測，發布人才需求預測報告，支持高校院所提前布局、調整優化相關學科專業。建好用好北京中關村學院、上海創智學院、深圳河套學院、國家人工智能產教融合創新平臺、國家卓越工程師學院、國家卓越工程師實踐基地等，設置專業課程，培養既懂人工智能又懂制造業應用的復合型人才，完善人工智能認知教育培訓，提升全員人工智能素養與技能。加強人工智能領域高技能人才培養，依托國家相關人才工程和項目，培養科技領軍人才、創新團隊，超常規構建領軍人才培養新模式，積極引進海外高端人才。

七、安全護航：筑牢應用賦能安全保障

（十八）提升安全保障能力。攻關深度合成鑒偽、工業模型算法安全防護、訓練數據保護、對抗樣本檢測、智能終端安全測評等關鍵技術，加強數據安全管理，強化人工智能安全保護能力。構建安全風險庫、語料庫等資源，建設工業安全大模型。通過知識庫優化、訓練語料糾錯、生成合成內容標識等，增強人工智能透明度、可解釋性，降低幻覺風險。落實人工智能科技倫理管理服務辦法，加強行業自律，提升企業人工智能倫理風險防范能力。

（十九）建立安全治理機制。研究制定工業和信息化領域人工智能分類分級、評估評測、應急處置等安全政策標準，支持地方主管部門探索柔性治理機制。建立人工智能安全風險監測預警技術能力，強化風險監測、研判和防范。制定工業和信息化領域人工智能安全風險信息報送與共享工作指引，統籌產業鏈各環節力量，加強信息共享、風險通報、協同處置。八、國際合作：塑造國際合作競爭新優勢

（二十）支持產業合作。鼓勵企業針對不同國家和地區特點，定制人工智能產品和賦能應用解決方案。開展人工智能賦能新型工業化深度行“海外版”，支持行業組織、專業機構為企業提供出海配套服務，引導企業高效開展各類技術驗證和合規認證，更好服務產業有序出海發展。引導外資投向人工智能領域，鼓勵外商投資企業開展生成式人工智能技術開發及產品生產等。

（二十一）打造國際合作平臺。積極參加金磚、上合、中國—東盟、二十國集團、亞太經濟合作組織等合作機制下的人工智能議題討論。支持依規辦好世界人工智能大會、人形機器人運動會等具有全球影響力的高端賽、展、會，積極宣傳我國人工智能標桿案例。高質量建設中國—金磚國家人工智能發展與合作中心，提升務實合作水平，推動全球產業協同發展。

九、保障措施：強化全方位政策支持保障

建立部門合作、央地聯動、產業協同的工作推進機制，鼓勵地方因地制宜制定政策措施，引導企業錯位發展，防范產業“內卷式”競爭。統籌現有資金渠道，布局支持“人工智能+制造”有關技術研發和賦能應用任務。發揮國家人工智能產業投資基金作用，豐富優質項目儲備，吸引帶動更多社會資本有序加大投資。開展新技術新產品新場景大規模應用示范行動，用好首臺（套）、首批次、首版次應用政策，推進新技術、新產品的推廣應用和迭代升級，釋放國內市場需求潛力。開展人工智能產業規模測算，建立應用監測評價指標體系，完善人工智能產業監測分析平臺，動態監測全球產業發展態勢。

附件：1.人工智能賦能制造業重點行業轉型指引

2.制造業企業人工智能應用指南



附件1 人工智能賦能制造業重點行業轉型指引

制造業是國民經濟的主體，是立國之本、興國之器、強國之基。人工智能與制造業的深度融合，是發展新質生產力、構建現代化產業體系的重要路徑。為發揮制造業體量大、門類全、場景豐富的優勢，結合各行業領域特點、技術成熟度、數字化水平等基礎條件，分類施策推進制造業領域人工智能應用，加快制造業智能化、綠色化、融合化發展，制定本指引。

一、原材料行業

（一）提升鋼鐵行業全流程智能化水平。構建鋼鐵行業數據集、知識庫公共產品，打造人工智能工程化應用平臺，提供智能化解決方案。研發覆蓋鋼鐵生產全流程的系列動態模型，基于鋼鐵機理知識和生產實踐經驗，研發視覺、預測、決策等鋼鐵行業大模型、智能體，實現關鍵設備運行工況的實時感知、工藝參數的自適應優化、產品性能預報、質量缺陷溯源、調度任務的全局優化和實時智能調整等。推動人工智能賦能鋼鐵行業全流程，提高生產效率、產品質量、資源效能、安全和服務水平。

（二）推動石化化工行業提質增效。綜合利用大模型、數字孿生技術突破油氣勘探開發、化工新材料研發范式。深度融合油氣生產作業、管網儲運、化工工藝等工藝機理、專家經驗、生產運行數據等，打造石化化工行業大模型，推動大小模型融合應用，實現油田作業區及化工安全生產監測預警、設備預測性維護、工藝流程自適應優化、產品質量預測等。構建行業高質量數據集、數據資源節點等數據基礎設施，支撐行業大模型、智能體訓練與開發，提升復雜場景人工智能應用水平。

（三）加快人工智能與新材料研發深度融合。建設新材料大數據中心，構建高精度、長序列、多模態的材料行業數據集，提升行業數據格式標準化水平。發展面向合金、陶瓷、高分子、能源材料的跨尺度計算框架，構建新材料分子設計、合成制備、工藝優化等行業大模型，提升材料“成分－結構－性能”反向設計能力。建設大模型預測結果評估體系，增強模型預測準確性。提升材料科學研究人機協作能力，提升新材料高通量自動化實驗和制備能力。

（四）促進人工智能賦能有色金屬行業。研發數據自動化治理、標注技術與工具，打造礦山與裝備運行類、選礦工藝優化類、冶煉過程控制類等行業高質量數據集，構建數據基礎支撐體系。建設融合“物理機理－工藝數據－環境變量”的有色金屬行業大模型、場景模型與智能體，推動大小模型協同應用，滿足可靠性、動態適應性等使用需求，實現新材料及新工藝研發模式創新、采選冶過程精準控制與關鍵參數實時優化、可回收資源精準分類識別等。

（五）推動人工智能賦能建材行業創新應用。優先面向水泥、平板玻璃等行業，部署一批針對行業典型單元操作需求的場景模型，訓練建設建材行業大模型，推動在礦山開采、原料配比優化、窯爐煅燒控制、水泥熟料強度預測等場景的深度應用，提升生產過程的智能優化控制水平。推動研發“數據驅動+機理模型”的智能算法體系，建設先進陶瓷、人工晶體等先進無機非金屬材料數據集，推動新產品開發、生產工藝優化。

二、裝備制造行業

（一）推動工業母機柔性化智能化躍升。利用人工智能技術深度融入數控系統，賦能“實時感知－自主學習－智能決策－閉環執行”全流程，提升工業母機自適應作業與執行能力。構建基于大模型的智能診斷系統，精準感知、準確判斷設備狀態，實現遠程監控與預測性維護。依托模塊化生產單元與智能決策服務，通過低代碼組態式任務編排與自主資源調度，實現制造系統自主響應訂單變更、實時重構產線與敏捷生產。

（二）加速汽車行業全鏈條智能化升級。打造汽車大模型，自動生成車身造型、內飾布局等方案，實時仿真動態優化結構強度、風阻系數等參數，推動智能研發新范式。加快人工智能技術在硬件配置、參數調優等環節應用，開發模塊化工藝島，打造柔性可重構產線。建立人工智能驅動的全流程質量控制與預測性維護，推進整車性能在線檢測與全生命周期質量追溯。

（三）推進電力裝備全生命周期智能化。基于人工智能技術，智能優化發電機等核心部件結構參數，推進大型發電裝備數字孿生設計和試驗仿真。利用人工智能算法加強電力裝備可制造性分析，智能評估部件加工難度和裝配兼容性。構建人工智能驅動的健康評估與壽命預測平臺，開展狀態檢修，提升發電、輸電設備智能監控與調度優化水平。

（四）推動人工智能技術在船舶行業應用落地。構建船舶行業大模型，探索研發設計新模式，面向大型船舶、海洋裝備少人化、智能化生產需求，推進“下料－焊接－噴涂－物流”等關鍵工序智能化升級，推動人工智能在海洋裝備制造、智慧港口等領域應用場景建設。基于數據治理、機器學習等人工智能技術，建立船舶設備系統運行性能模型，實現船舶航行能效優化及設備故障診斷等功能。

（五）打造航空航天智能化制造體系。開發基于人工智能算法的仿真平臺，結合氣動數據與流體力學仿真模型，自動迭代機身線型、機翼剖面等方案，實現極端工況驗證，縮短測試周期。打造工業決策系統，在設計、制造、運維、管理等環節開展智能體應用。構建大型復雜材料構件智能加工與裝配、特種材料增材制造與智能檢測、航天器總裝集成與測試智能化等人工智能解決方案，全面提升行業智能化水平。

三、消費品行業

（一）提升紡織服裝領域個性化設計與高效生產能力。打造面向服飾行業的智能化產品規劃平臺，深度挖掘海量消費數據，利用數據分析決策大模型，實現服飾產品熱點快速識別與響應方案設計。通過集成物理引擎與3D生成大模型，打造個性化設計與虛擬試衣系統，提升消費者購物體驗。推動部署自適應生產系統，實現微米級紗線張力監測與疵點自修復，提升產品良品率。研發基于多光譜智能識別的廢舊紡織品智能分揀技術及裝備，提高再生資源利用率。

（二）強化家居領域智能化運營和智能產品供給能力。建立數據驅動的產品設計智能體，優化產品結構功能、提升智能操控能力、加快新品上市節奏。融合工業排產大模型與工業互聯網技術，連接生產設備、訂單、物料等多源數據，實現多產線協同排產與倉儲調度，增強制造柔性與響應速度。開發具備人機交互、智能感知、智能互聯等功能的智能家居產品，構建多樣化場景，建設主動服務型家電提醒系統，提供節能方案與預測性維護，提升設備運行可靠性與用戶滿意度。

（三）構建食品加工領域安全高效智慧化管理體系。鼓勵應用人工智能技術，豐富食品工業人工智能大模型產品供給。組織食品企業、專業化服務商提供食品生產智能監控溯源、食品園區“5G+工業互聯網”、原料生產供應智慧管理等智能化解決方案。加快多模態安全生產監控大模型研發部署，提升食品生產現場違規操作與危險行為實時識別能力。提升供應鏈風險預測與應急響應能力，實時感知供應鏈中斷風險，保障食品供應穩定性。

（四）提升醫藥智能研發與供應管理水平。建設人工智能驅動的新藥發現與虛擬篩選平臺，通過多模態藥效預測大模型，加速靶點識別與候選藥物發現，降低藥物研發周期與成本。融合量子化學模擬與人工智能技術，精準設計藥物分子結構，提升藥效與安全性。加快人工智能在藥物合成路徑規劃、原料組合優化等環節落地應用，構建自動化、高通量、低成本的智能藥物合成體系。建設醫藥供應鏈智能管理平臺，實時追蹤藥品需求變化，動態優化庫存與配送路徑，避免藥品短缺與浪費。

（五）推進生物制造領域全鏈條創新發展。利用人工智能技術，挖掘和生成高性能生物元件、高效合成代謝通路以及高活性酶蛋白結構，豐富基礎數據庫。打造智能化菌種構建平臺，精準模擬細胞工廠運行機制，創建高轉化率工業菌種。建立工藝參數與產物得率的預測模型，縮短工藝開發周期，提高中試驗證成功率。借助人工智能等技術，優化迭代生物反應過程中的溫度、酸堿度、含氧量等核心參數，實現反應過程智能控制，加快產業化進程。

（六）推動歷史經典產業煥新升級。加快構建歷史經典產業大腦，構建融合絲綢紋樣、瓷器釉料配方、茶葉炒制工藝等核心技藝的產業數據底座，實現市場需求感知與產品創新精準對接。依托人工智能、工業互聯網等技術，推動定制化、協同化設計創新，驅動文化IP向時尚消費品轉化。運用機器視覺等技術構建全流程質控體系，通過三維建模與數字孿生技術再現經典產業生產場景與工藝流程，打造集技藝展示、互動體驗、定制生產于一體的沉浸式文化空間，提升消費者購物體驗。

四、電子信息行業

（一）提升電子元器件設計智能化水平。以生成式人工智能與數字孿生技術實現電子元器件全虛擬仿真調試，構建跨域協同研發平臺。通過集成先進計算引擎與多模態大模型，打通電子設計自動化、產品生命周期管理系統的數據孤島，支持復雜芯片架構、新型顯示器件的快速迭代驗證。重點突破電子元器件高精度仿真預測技術，縮短研發周期，降低物理試錯成本。

（二）推動消費電子、新型顯示等行業柔性智造。以工業大模型與邊緣智能技術實現產線動態重構，構建自適應的電子信息行業柔性生產系統。部署人工智能驅動的工藝參數優化模型，結合機器視覺與多尺度物性表征，實現電子元器件貼片、組裝、測試等關鍵工序的毫秒級調優。開發模塊化、智能化的電子信息制造裝備及低時延網絡，支持消費電子、新型顯示行業多品種小批量生產，大幅壓縮換線時間，提升設備綜合效率。

（三）強化電子信息元件與產品質量管控能力。加快構建電子信息行業知識圖譜，實現質量根因智能分析，構建全流程質量管控平臺。開發覆蓋印刷電路板設計、芯片封裝等環節的在線質檢系統，融合機器視覺、無損檢測及多光譜識別技術，提升電子元器件檢測效率和精度。建立電子信息產品質量缺陷知識庫與預測模型，有效降低不良品率，提升質量追溯響應速度，推動事后補救向主動預防轉型。

（四）創新電子信息行業綠色低碳發展智能方案。融合人工智能與區塊鏈技術，實現電子信息產品碳足跡的全生命周期精準核算與可信數據共享。開發光伏、鋰電池行業碳管理大模型，融合工業互聯網標識解析與能耗預測算法，動態優化設備參數與能源調度。部署智能功率預測與場站運營系統，推動能源電子行業單位產值能耗顯著下降，提升碳排放數據可信度，支撐全球價值鏈高端化延伸。

五、軟件和信息技術服務行業

（一）打造軟件全生命周期智能工具鏈產品體系。聚焦多模態大模型、行為分析、時序預測等，構建覆蓋軟件需求設計、開發、測試、運維的智能化開發工具鏈產品。打造人工智能驅動的開發運維產品，實現智能調度與風險預警。培育垂直領域低代碼平臺、智能體開發平臺，以模塊化人工智能組件實現行業知識快速封裝、自動化任務設計與執行，推動軟件開發從“人工主導”向“智能協同”轉變。

（二）加快傳統軟件與服務智能化升級。推動人工智能技術與基礎軟件、工業軟件及制造業行業應用軟件融合，實現傳統軟件智能化升級與價值重構。提升軟件動態感知、自優化與自演進能力，實現軟件功能模塊的動態重組與性能優化。融合預測分析與業務流程挖掘等技術，賦能軟件智能決策能力。基于國產智能體互聯協議，研發高性能智能通信中間件，實現軟件與大模型的高效協同及多源數據統一分析。

（三）培育打造垂直領域智能體。研發部署軟件編程、軟件需求與審計、軟件測試智能體，打造曲面設計、自動建模、自動編程等工業智能體，研制智能排程規劃、動態報表生成、界面自動化設計、數據智能監控與治理等專用智能體。研發醫療、教育、金融、法律等行業智能體。

（四）建設軟件行業高質量數據集。突破多模態數據自動化清洗與智能語義標注等技術，打造標準化軟件研發數據集。運用合成數據與對抗性測試技術，模擬高并發、網絡異常等復雜邊界場景，構建真實場景測試數據集。基于細粒度實體關系抽取與異構多源知識對齊技術，構建語義化領域知識資產。建立開源代碼合規清洗流水線，有效過濾許可證沖突與漏洞風險，全面夯實“人工智能+軟件”融合創新的數據底座。



附件2 制造業企業人工智能應用指南

人工智能與制造業全要素、全流程、全鏈條深度融合，是破解產業升級瓶頸、塑造國際競爭優勢的重要途徑。為加快推動人工智能與制造業深度融合，推動數字技術與制造優勢更好結合，提升制造業企業應用人工智能的科學化、規范化水平，全面賦能新型工業化，制定本指南。

使用人工智能進行研發設計、生產制造、經營管理及開展延伸服務的企業適用本指南。

一、開展智能化評估和規劃

（一）開展智能化水平診斷評估。綜合運用數據管理能力成熟度、智能制造能力成熟度、數字化轉型成熟度、兩化融合管理體系等參考標準和制造業數字化轉型通用評估指標體系，摸清企業數字化、網絡化、智能化水平，找準轉型升級瓶頸。結合經濟性分析與風險評估，科學確定人工智能應用需求。
（二）制定人工智能應用規劃。參考人工智能賦能新型工業化典型應用案例等，確定人工智能應用核心場景和技術導入優先級，合理設置應用目標。優先開展經營管理、研發設計等場景智能化升級，梯次布局中試驗證、生產制造等環節改造升級。發揮工業互聯網數字底座支撐作用，強化與企業數字化轉型工作統籌銜接，確保人工智能應用精準支撐主營業務發展。

二、提升智能化基礎能力

（三）升級硬件基礎能力。對工業“啞設備”“啞崗位”實施數字化改造升級，構建統一技術底座和場景化應用套件相結合的硬件支撐體系。通過加裝傳感設備和智能儀器儀表、部署邊緣計算設備、推動工業專網升級、應用數字化轉型通用工具產品，全面提升各類場景信息感知、傳輸、決策、控制能力。通過計算、存儲、網絡優化升級，加快推動已有數據中心轉型智算中心。

（四）提升軟件智能化水平。加快工業實時操作系統等核心軟件，制造執行系統、在線實時優化軟件等控制優化軟件，以及分布式控制系統、數據采集與監控系統等控制執行單元智能化改造升級，提升智能化支撐能力。優化基礎軟件內核，植入智能調度算法，提升資源分配效率，增強系統響應速度。部署集成數字孿生、大模型等數智技術的工業設計、生產控制、經營管理、服務保障等工業軟件，強化工業軟件原生智能基礎。

三、構建高質量數據集

（五）建設數據資源平臺。搭建企業專識數據庫，形成覆蓋研發設計、生產制造、供應鏈管理、經營決策管理等全業務場景的數據資源池。構建包含機理庫（存儲工業機理模型、技術文檔、設計圖紙等底層原理性知識）、仿真庫（存儲多學科仿真模型）、經驗庫（存儲故障案例、最佳實踐、操作技巧等實踐性知識）在內的工業知識庫，有效支撐企業人工智能數據集需求。建設企業數據管理一體化平臺，支持多源異構數據的匯聚、處理、標注和質量評估，提高企業數據加工和利用能力，提高數據集質量。

（六）應用數據集處理工具鏈。加強數據處理工具使用，逐步覆蓋數據匯聚、采集、清洗、增強、標注、合成、存儲、傳輸、分析與應用等重點環節，為企業人工智能應用持續提供高質、高效、安全的數據集支持。重點加強智能標注、專家協同標注、融合機理與仿真數據合成、數據集質量評估、安全監測等方向工具的使用。

（七）建立數據管理體系。鼓勵企業探索首席數據官制度，建立涵蓋規劃、實施、評價、改進的數據管理體系，加強數據標準化建設，推動各系統數據融合。建立企業數據集分類分層分級管理機制，綜合考慮數據類型、數據系統、應用場景和安全等因素，保障企業數據集安全應用、有效流通。明確數據采集、預處理、數據標注、增強合成、數據集產品化等環節的關鍵步驟和質量要點，制定數據集質量評估標準，指導數據集質量提升和高效應用。

（八）構建多樣化數據集。聚焦工業領域研發設計、生產制造、經營管理等環節，打造覆蓋企業工藝設計優化、過程控制、故障診斷、智慧運營等場景的多模態工業高質量數據集。鼓勵制造業企業聯合第三方開展合成數據集、工業領域深度思維鏈數據集、跨學科跨領域知識圖譜等數據集建設，打造高質量行業數據集，探索數據集產品化、支持復雜場景工業人工智能應用。

四、合理規劃布局算力資源

（九）科學規劃算力規模。按照國家總體部署，結合企業發展實際，制定階段化、梯度上升的算力部署規模，鼓勵優先選擇可實現瞬時響應、可擴縮容的算力服務。

（十）合理配置算力資源。鼓勵優先采用云計算服務快速構建智能化基礎服務能力，降低技術投入成本。具備良好數字化基礎且對數據安全要求較高的企業，可依托自有算力基礎設施建設智算資源，部署人工智能應用，實現資源集約化利用。

（十一）加強算力資源協同調度。鼓勵企業基于業務特征實現云邊端算力協同，整合多元異構芯片資源，云側實現模型訓練、微調、量化和蒸餾等任務，邊緣端側實現模型輕量化部署以滿足工業低延遲需求。深挖算力使用需求和應用場景，深化算力供需對接和算力資源高效調度運營。

五、開展模型選型與調優

（十二）科學確定應用場景。聚焦解決企業在制造全流程中的關鍵技術或工藝難題，選取對生產力有明顯帶動作用的高價值場景，開展人工智能技術研發和應用落地，在以下五類場景中重點布局人工智能應用。研發設計類重點推進智能輔助設計、創意圖紙快速生成等；中試驗證類重點開展仿真模型智能構建、測試數據智能生成等；生產制造類深化應用智能排產調度、工業視覺智能檢測等；營銷服務類重點突破個性化推薦、定制化售后等；運維管理類著力實施設備預測性維護、能效優化分析、輔助經營決策支持等。

（十三）量化場景關鍵指標。結合場景特征和業務目標，設定模型選型所用的可量化指標，以此評估場景應用效果，為模型選型和調優提供依據。研發設計類場景重點衡量單位時間內設計迭代次數、設計方案生成數量、方案采納比率等；中試驗證類場景重點考核仿真建模效率、測試指標覆蓋程度等；生產制造類場景著重監測綜合優化效率、生產合格率以及漏報率、誤報率等；營銷服務類場景重點檢查營銷轉化率、響應時效等；運維管理類場景重點關注故障預測準確率、維護成本降低幅度等。

（十四）結合業務選定模型。基于業務場景需求，結合算力基礎設施建設情況，開展模型評測選型。綜合考慮模型、開發框架、編譯器、推理部署工具鏈之間的兼容性、可靠性及易用性，優先選用經行業實踐驗證的成熟方案。鼓勵面向制造業細分業務場景研發智能體產品，構建智能化解決方案。把安全作為模型選型的重要考慮，綜合考量模型來源、漏洞缺陷、安全防護機制等，優先選擇安全可信度高的模型底座。鼓勵企業打造產、供、銷全鏈條模型協同能力，提升各環節聯動效率。

（十五）采用提示詞工程與檢索增強調優。構建涵蓋工業常規問題、邊緣案例的提示詞庫，建立語法正確性、語義完整性、用戶滿意度等多維度指標。針對市場分析、新技術應用等高頻知識更新場景，對接行業數據庫及資訊平臺，實施數據源權威性評價與內容監測機制，確保信息真實性。

（十六）利用模型微調適配典型場景。質量檢測與缺陷識別場景，重點開展基于預訓練模型的小樣本標注缺陷數據微調，強化模型對復雜微小特征提取能力；生產調度場景，重點根據產線歷史數據全參數微調時序預測模型，動態分配資源提升核心任務效率；設備故障診斷場景，重點利用時序數據、音頻數據等多模態數據開展實時監測預測，優化故障預測模型。

（十七）結合實際開展混合調優。鼓勵企業根據實際情況，優先采用提示詞工程及檢索增強技術，逐步嘗試參數高效微調、全參數微調，提升模型能力。結合實際建設多模態模型候選庫，綜合采用參數微調、架構搜索、大小模型協同等手段，確定最優解決方案。

六、模型部署與集成

（十八）驗證模型性能。在實際生產環境中進行試運行驗證，確保模型能夠在真實場景中有效運行。綜合考慮各類模型的資源分配、數據安全性、實時性、穩定性、響應能力以及系統的擴展性等要求，使用微服務架構、API接口、中間件等技術，基于業務特征將模型集中部署或云邊端協同部署。

（十九）提升模型易用性。根據業務需求，開發具體的模型應用接口、低代碼組件等，基于業務需求實現數據接入靈活配置和模型分析結果展示。

七、持續提升應用成效

（二十）評估應用能力水平。組建專業團隊開展專項評估，定期分析改進。從模型準確率、算力利用率、推理時延、投入成本、安全穩定等方面，評估人工智能在企業應用中的問題。

（二十一）推動迭代優化升級。定期分析應用人工智能對企業運營決策水平提高、業務處理效率提升、產品生產質量改進、經營效益改善等方面的影響。結合企業發展戰略和人工智能技術趨勢，制定下一階段應用目標與實施方案。強化集約管控，推動智能化與綠色化深度融合，實現可持續發展。

（二十二）深化技術融合創新。聯合高校科研機構攻關模型在工業應用過程中的實時性、端側部署和可靠性等關鍵技術。結合應用成效，推動二次創新，將行業大模型深度嵌入研發設計、中試、生產和運營等全流程。強化參數優化與知識推理能力，孵化智能軟件開發、智能運維等工業智能軟硬件工具和產品，構建以人工智能為驅動的新質生產力。

（二十三）鼓勵優秀方案輸出。具備技術優勢的行業領軍企業，通過開放平臺接口、開源通用模型及工具鏈、共享高性能算法模型、研制標準規范等方式，向產業鏈上下游輸出整體技術解決方案，促進產業鏈協同創新。

八、做好人工智能應用安全防護

（二十四）強化數據安全防護。貫徹落實《數據安全法》《工業和信息化領域數據安全管理辦法（試行）》等法律政策，根據行業領域數據特點，組織開展數據分類分級、全生命周期安全防護、風險監測預警、風險評估等工作，為各行業人工智能應用提供數據安全保障。面向數據標注、匯聚、訓練、合成等環節，強化數據校驗、檢測評估、身份認證和權限管理，提升數據安全風險防范水平。

（二十五）防范應用安全風險。面向研發設計、中試驗證、生產制造、營銷服務和運營管理等人工智能典型應用場景，鼓勵企業定期對工業大模型幻覺、準確性、魯棒性等開展安全測試評估。建立人工智能應用輸入輸出雙端過濾安全監控能力，加強惡意指令輸入、異常推理輸出等風險防范。強化人工智能應用供應鏈安全管理，將上下游供應商的安全能力納入合作方管理要點，構建完善供應鏈安全治理能力。

（二十六）提升網絡安全防護水平。推動網絡安全貫穿制造業企業人工智能規劃、部署、應用等各環節，落實《網絡安全法》《工業互聯網安全分類分級管理辦法》，開展自主定級、信息登記、分級防護、符合性評測、安全整改等工作，健全企業網絡安全管理和防護體系，加強工業控制系統網絡安全能力，提升人工智能應用過程中的風險防范水平。

九、加強組織保障

（二十七）壓實企業主體責任。系統制定企業數智化轉型升級管理制度，強化企業資源保障力度，高效、穩妥推動人工智能應用逐步深入。

（二十八）加強復合人才培養。加強產學研用協同，鼓勵高校和企業依托國家人工智能產教融合創新平臺、示范性特色學院等，支撐人工智能拔尖創新人才培養，健全企業人工智能人才引進、評價和激勵機制，營造良好人才發展環境，培養兼具行業認知與技術實操能力的復合型人才。

（二十九）積極參與生態共建。及時歸納總結成功經驗，積極共享人工智能解決方案，打造行業應用標桿，推動提升制造業智能化水平。