百度 机关200多名干部通过“双月下基层工作周”、到居住地社区妇联报到、参加定点扶贫接力小分队、建立姐妹微信群等各种形式，加强对基层妇女群众的联系和服务。

　　作者：马相东、高辰颖（均系北京市习近平新时代中国特色社会主义思想研究中心特约研究员，分别系北京市委党校教授、副教授）

　　新时代新征程，以中国式现代化全面推进强国建设、民族复兴伟业，实现新型工业化是关键任务。2025-08-03，习近平总书记在主持二十届中央政治局第二十次集体学习时指出：“人工智能作为引领新一轮科技革命和产业变革的战略性技术，深刻改变人类生产生活方式”，“要推动人工智能科技创新与产业创新深度融合”。这一重要论述为加快推动人工智能赋能新型工业化，进而为中国式现代化构筑强大物质技术基础提供了根本遵循。站在新的历史起点上，必须聚焦技术创新、数据流通、场景应用、生态优化等关键领域，在更大范围推动人工智能赋能新型工业化向纵深迈进，加快形成新质生产力。

　　新型工业化展现新的特点

　　党的十八大以来，我国坚持把科技创新摆在国家发展全局的核心位置，加快构建现代化产业体系，新型工业化发展取得历史性成就，并展现出高端化、智能化、绿色化和融合化等新特点。

　　一是高端化。推进新型工业化，一个重要内容就是打造技术水平高、竞争力强的先进制造业，其核心在于科技创新。习近平总书记指出：“科技创新能够催生新产业、新模式、新动能，是发展新质生产力的核心要素。”新时代以来，我国着力以科技创新引领产业创新，及时将科技创新成果应用到具体产业和产业链上，推动制造业技术水平跃迁、产业结构优化、向价值链中高端攀升，高端制造业不断引领高质量发展，高端化发展成为新型工业化的显著特征。2025年5月，我国规模以上高技术制造业增加值同比增长8.6%，高于全部规模以上工业增加值2.8个百分点。其中，飞机制造、工业控制计算机及系统制造增加值分别增长18.7%、15.5%；发电机组、全集装箱船等产品产量分别增长43.1%、40.9%。

　　二是智能化。近年来，以人工智能为代表的新一代信息技术的快速发展和应用，深刻改变工业生产方式和工业企业的组织形式。智能设计、智能生产、智能物流、智能销售、智能服务等越来越普遍，工业数智化转型稳步推进，智能化发展日益成为新型工业化的显著特征。2025年5月，我国智能无人飞行器制造、智能车载设备制造增加值分别增长85.9%、29.5%，机器人减速器、工业机器人等智能化产品产量分别增长1倍、35.5%。

　　三是绿色化。绿色发展是高质量发展的底色，绿色低碳是新型工业化的生态底色。新时代以来，我国深入践行绿水青山就是金山银山的理念，加快绿色科技创新和先进绿色低碳技术推广应用，氢能等新型储能应用场景不断拓展，工业发展绿色低碳转型成效显著，工业产品绿色化水平不断提升。2025年5月，新能源汽车、汽车用锂离子动力电池、太阳能电池等产品产量分别增长31.7%、52.5%、27.8%。

　　四是融合化。新时代以来，随着新技术新业态新模式不断涌现，行业边界越来越模糊，产业交叉融合发展趋势日益明显。在此背景下，信息化与工业化、新型工业化与新型城镇化、新型工业化与乡村全面振兴、实体经济与数字经济、先进制造业与现代服务业等日益深度融合，成为新型工业化发展的新趋势。实体经济与数字经济的深度融合尤其值得关注，这一领域为我国工业增强创新能力和提质增效提供了源源不断的新技术、新要素和新动力。

　　人工智能全方位、深层次赋能新型工业化

　　人工智能赋能新型工业化并非偶然，而是遵循“技术—经济”范式变革规律的历史必然。自工业革命发轫以来，每一次突破性技术创新都深刻改变人类生产生活方式，驱动工业化向更高发展阶段持续演进。人工智能作为第四次工业革命的核心技术，契合新型工业化高端化、智能化、绿色化、融合化发展的内在要求，通过重构生产函数、变革生产组织方式、创新产品形态等，全方位、深层次赋能新型工业化。

　　人工智能通过算法、算力、数据的三元融合重构生产函数。人工智能以算法为核心，将深度学习模型嵌入工业生产流程，使智能装备具备自感知、自决策的能力；以算力为引擎，依托GPU算力集群、分布式计算技术，实现工业大数据的实时清洗、建模与预测；以数据为资源，通过对生产数据的积累和挖掘，精准识别生产环节的工艺瓶颈、能耗优化的空间等。这种重构本质上是知识型要素对传统要素的替代，使得工业生产要素从资本、劳动主导转向数据、算力、算法驱动，而数据要素的非竞争性、算法模型边际成本的递减性深刻改变了新型工业化的研发和生产方式。

　　人工智能通过数据共享和产业协同变革生产组织方式。在传统工业化中，企业往往采用科层制生产组织方式，信息传导效率低，部门协作壁垒高。而人工智能通过建立分布式账本共享生产数据，能够形成跨部门、跨企业、跨行业、跨区域的产业协同网络。在这个产业协同网络中，每个企业都成为数据节点，多向交互使得信息的传递效率呈现指数级提高，也让产业链从线性串联升级为网络化协同的创新生态。这种生产组织方式的变革不仅可以大幅提高生产效率，更能催生出“平台化设计、网络化制造”的新生产组织方式。

　　人工智能通过产业链全链条贯通等方式不断创新产品形态。在传统工业生产中，企业发展主要依赖规模化的生产与成本控制，通常会进行大批量、标准化生产，这种生产模式难以满足当前消费者日益多样化和个性化的消费需求。人工智能发展，使得通过产业链全链条贯通、全过程融合、全要素参与等方式创造新的产品形态更加容易实现，生产企业可以通过智能中枢构建供需对接的生产系统，生产端可以根据市场端的实时数据进行需求预测和资源调配，通过智能决策实现多品种、小批量的柔性生产。与此同时，可以打通产品、用户需求和制造过程的数据壁垒，让用户深度参与研发制造的全过程，从而精准满足用户的个性化需求。

　　更大范围推动人工智能赋能新型工业化向纵深迈进

　　从推进新型工业化的实践过程来看，人工智能与工业经济的深度融合并非一蹴而就。当前，人工智能在工业领域的创新应用仍然面临一些问题和挑战，比如核心工业级芯片等人工智能关键核心技术仍面临“卡脖子”问题，仍存在通用大模型难以适配工业场景的复杂需求、定制化开发成本高企等困难。新时代新征程，必须聚焦技术创新、数据流通、场景应用、生态优化等关键领域，在更大范围推动人工智能赋能新型工业化向纵深迈进。

　　技术创新突破是驱动人工智能赋能新型工业化的核心引擎。主动适应和引领新一轮科技革命和产业变革，需要加强人工智能技术的产业培育，突破基础层、框架层、模型层与应用层的技术瓶颈。为此，需要进一步整合国家级科研机构、重点高校实验室及企业研发中心等人工智能技术创新资源，构建更加高效的产学研协同创新联合体，联合攻关关键核心技术，加速形成自主可控的人工智能技术体系，从基础层到应用层实现全链条技术突破。同时，注重技术应用创新，以“十大行业、百大场景、千家标杆”等示范工程的推进为抓手，聚焦不同行业领域的工业设计、生产制造、运营管理等核心环节，以行业特性与共性需求为导向开展定制化研发，开发一批行业大模型和具有高针对性和实用性的场景大模型。

　　数据要素流通是支撑人工智能赋能新型工业化的基础条件。以激活工业数据要素价值为目标牵引，构建安全可控的数据共享机制。建立工业数据分类分级标准体系，明确生产数据、研发数据等不同类型数据的开放权限与使用规范，构建技术、管理、制度三位一体的数据安全防护体系。推动建设工业数据资产交易中心，探索数据确权、定价、流通等市场化机制，支持企业通过数据标签化、脱敏化处理后进行市场交易，鼓励企业通过数据信托、数据租赁等模式实现价值变现。分批发布高质量工业数据集，针对通用工业大模型提供多领域融合的基础数据集，为行业大模型准备特定行业的专业数据集，为场景大模型打造定制化的场景数据集。加快工业互联网、智算中心等新型基础设施建设，提升数据采集、传输与处理能力。

　　应用场景建设是深化人工智能赋能新型工业化的关键路径。以场景需求牵引产业协同创新，构建需求挖掘—技术适配—场景落地的全链条推进机制。建立工业场景需求动态征集平台，联合行业协会、重点企业梳理人工智能应用场景清单，发布场景建设指南和技术解决方案，引导企业开展针对性技术攻关。支持龙头企业发挥“链主”作用，通过建设工业互联网平台、共享制造基地等形式，向产业链上下游开放人工智能技术能力，推动人工智能从单点应用向全链条扩散，形成覆盖设备研发、生产、服务的全链条场景应用生态。创新轻量化模型普惠服务模式，鼓励中小企业基于自身业务特色开发细分场景，通过“揭榜挂帅”等机制参与龙头企业场景建设。依托国家人工智能创新应用先导区打造人工智能赋能新型工业化示范场景，推动成熟场景在区域内快速复制推广。

　　产业生态优化是人工智能赋能新型工业化可持续发展的重要支撑。在政策方面，制定针对性的扶持政策，依托国家人工智能基金，支持工业人工智能创新应用项目。在标准体系建设方面，建立统一的工业数据接口标准、人工智能应用评估标准，解决不同系统间的兼容性问题。在人才培养方面，以培育“既懂人工智能又懂制造”的复合型人才为目标，构建高校教育与职业培训相结合的多元化人才培养体系，高校应增设人工智能与工业融合的交叉学科，企业与职业院校合作开展“订单式”培训。完善人才引进政策，以人才创新创业基金、“人才飞地”等模式吸引高端人才参与新型工业化建设，为产业发展注入创新活力。

　　《光明日报》（2025-08-03?11版）