各省、自治区、直辖市及打算单列视注新疆出产建设兵团工业和信息化主管部门、党委网信办、发展鼎新主管部门、教育厅（教委）、商务主管部门、国资主管部门、市场监管局（厅、委）、数据治理部门 ，各有关单元：
现将《“人为智能+造作”专项行动执行定见》印发给你们 ，请结合现实当真抓好落实。
工业和信息化部
中央网信办
国度发展鼎新委
教育部
商务部
国务院国资委
市场监管总局
国度数据局
2025年12月25日
“人为智能+造作”专项行动执行定见
人为智能加快与实体经济深度融合 ，深刻扭转造作业出产模式和经济状态 ，成为驱动产业升级、沉塑全球格局的关键变量。为贯彻落实《关于深刻施杏装人为智能+”行动的定见》 ，加快推动人为智能技术在造作业融合利用 ，打造新质出产力 ，全方位、深档次、高水平赋能新型工业化 ，造订本执行定见。
一、总体要求
以习近平新时期中国特色社会主义思想为领导 ，深刻贯彻党的二十大和二十届历次全会心灵 ，齐全正确全面贯彻新发展理想 ，加快构建新发展格局 ，两全发展和安全 ，对峙创新驱动、场景牵引、市场主导、安全可信、盛开共享、普惠融通 ，一端抓技术供给 ，推动“智能产业化” ，一端抓赋能利用 ，加快“产业智能化” ，整体壮大产业生态 ，推进人为智能科技创新与产业创新深度融合、人为智能技术与造作业利用“双向赋能” ，加快造作业智能化、绿色化、融合化发展 ，有力支持造作强国、网络强国和数字中国建设。
到2027年 ，我国人为智能关键主题技术实现安全靠得住供给 ，产业规模和赋能水安稳居世界前列。推动3－5个通用大模型在造作业深杜爪用 ，形成特色化、全覆盖的行业大模型 ，推出1000个高水平工业智能体 ，打造100个工业领域高质量数据集 ，推广500个典型利用场景。造就2－3家拥有全球影响力的生态主导型企业和一批专精特新中幼企业 ，打造一批“懂智能、熟行业”的赋能利用服务商 ，选树1000家标杆企业。建玉成球当先的开源盛开生态 ，安全治理能力全面提升 ，为人为智能发展贡献中国规划。
二、创新筑基：夯实人为智能赋能底座
（一）强化人为智能算力供给。推动智能芯片软硬协同发展 ，支持突破高端训练芯片、端侧推理芯片、人为智能服务器、高速互联、智算云操作系统等关键技术。有序推动高水平智算设施布局 ，加快建设全国一体化算力网监测调度平台 ，推进算力资源高效利用７⒄怪撬阍品务试点 ，推动大模型一体机、边缘推算服务器、工业云算力部署 ，提升智算资源供给能力。
（二）开发高水平行业模型。支持模型训练和推理步骤创新 ，开发适应造作业实时性、靠得住性、安全性特点的高机能算法模型。造就沉点行业大模型 ，发展“云－边－端”模型系统 ，持续提升泛化能力。打造面向工业细分场景幼模型 ，激励大幼模型协同创新。推动模型轻量化部署 ，加快在工业场景落地利用。打造模型公共服务平台 ，提供高水平模型及配套工具服务。支持建设大模型评测基准系统 ，打造权威榜单 ，定期颁布评测了局 ，牵引技术迭代升级。
（三）发展“模数共振”行动。推动成立企业首席数据官造度 ，持续推动数据治理能力成熟度国度尺度贯标 ，夯实企业数据治理基础。梳理适配行业模型需要的数据资源清单 ，颁布造作业高质量数据集建设指南 ，用好造作业数字化转型推进中心等载体 ，推动将基础数据转化为高质量行业数据集 ，实现“以模引数”。领导企业加强数据工程能力建设 ，推进企业数据开发与模型建设深度融合 ，索求成立“数据协同、模型训练、利用开发、安全保险”一体化机造 ，实现“用数赋模”。
三、赋智升级：拓展推广高价值利用场景
（四）加快沉点行业利用赋能。深刻发展人为智能赋能新型工业化“深度杏妆活动 ，组织高水平专家、企业、钻研机构等赋能服务团深刻行业、处所、园区。建设人为智能利用对接平台 ，推进供需精准匹配。参考《人为智能赋能造作业沉点行业转型指引》（见附件1） ，分类造订“人为智能+造作”行业利用全景图和转型路线图 ，加快赋能原资料、设备造作、消费品、电子信息、软件和信息技术服务等造作业有关沉点行业 ，加快标杆解决规划和经验推广利用。
（五）加快全流程转型升级。系统梳理沉点环节利用场景 ，深入智能工厂梯度造就 ，推动大模型技术深度嵌入出产造作主题环节 ，刷新研发设计（含工业设计）、中试验证、出产造作、营销服务、运营治理等全流程 ，提升辅助设计、仿真模型构建、排产调度、设备预测性守护等能力。
——研发设计环节。沉点推动智能辅助设计、软件代码辅助编写、药物研发等 ，打造个性化、低成本、高效力的新型研发设计模式。加强工业研发数据集建设和开源共享 ，索求成立人为智能预测了局评估系统 ，提升工程技术创新能力 ，畅通人为智能科学发现的“堰塞湖”。
——中试验证环节。大力推动中试智能化刷新 ，加快虚构仿真、多模态融合等技术在中试环节的利用 ，通过全面感知、实时辰析、科学决策和精准执行 ，优化工艺流程、提高中试效能、降低试验成本。
——出产造作环节。深入人为智能技术在工业主题流程节造、工艺优化、排产调度等环节利用 ，推进出产过程分析、决策、执行智能化。推广机械视觉、无人智能巡检等工业质检技术 ，强化产线实时监测和预测性守护 ，提升设备故障鉴别正确性 ，实现安全出产风险预警与事务告警。
——营销服务环节。推广智能客服、数字人、商品三维模型 ，沉点突破个性化推荐、定造化售后、服务化延长等 ，发展基于人为智能技术的答疑、培训等职能 ，改善售前、售钟注售后服务履历 ，提升服务价值。
——运营治理环节。阐扬大模型推理预测能力 ，加快订单处置、销量预测、库存预警等环节智能升级 ，优化供给链治理。使用大模型分析和天生能力 ，提升企业对战术、人力资源、财政、风险等治理能力。
（六）提升沉点企业利用水平７⒄乖熳饕灯笠抵悄芑墒於绕拦 ，施杏锥造作业企业人为智能利用指南》（见附件2） ，为企业智能化转型升级提供执行蹊径和步骤指引。激励龙头企业、央国企等先行先试 ，提供规；贸【 ，研发利用工业智能体 ，先行索求人为智能赋能造作业新模式。深刻执行中幼企业数字化赋能专项行动 ，支持中幼企业发展数字化、智能化刷新 ，加快中幼企业人为智能利用复造推广。
（七）推动沉点区域推广利用。建设并盛开一批“人为智能+造作”利用场景 ，打造具备行业特色的创新高地。依附国度自主创新示范区、国度高新区、国度级经开区资源集聚、人才密集蹬着势 ，加快人为智能新产品新服务新业态规；涞。支持先进造作业集群、数字产业集群等发展人为智能赋能利用 ，推动区域造作业智能化转型升级。
（八）推动沉点领域智能化升级。加强人为智能与信息通讯网络协同 ，推动人为智能与工业互联网平台融合赋能 ，研发面向工业互联网等基础设施的数据集、大模型、智能体 ，推动人为智能技术在基础设施规划、建设、运营、守护等环节深刻利用。深入人为智能技术在绿色造作领域融合利用 ，针对能源和碳排放治理、资源循环利用等场景需要 ，研发推广智能化绿色化协同解决规划。打造一批面向行业的利用安全解决规划 ，加快安全大模型、智能体等落地利用 ，构建安全运行系统 ，提升工业领域安全水平。
四、产品突破：构建智能新产品新业态
（九）推动智能设备迭代。加快工业母机、工业机械人等各类工业设备搭载利用智能体 ，研造新一代人为智能数控系统 ，提升自主决策、分析和执行等能力。加快发展手术机械人、智能诊断系统等 ，加快智能医疗设备产品创新和临床利用推广。推动人为智能技术融入大飞机、船舶等沉大技术设备研发、造作、运行 ，发展无人机等智能低空设备７⒄勾钤刈远菔恢澳艿闹悄芡挡凡馐杂氚踩拦 ，有序推动产品准入和上路通畅试点。
（十）加快智能终端升级。支持端侧模型、开发利用工具链等技术突破 ，造就智能手机、电脑、平板、智能家居等人为智能终端。聚焦工业巡检、远程医疗等沉点场景 ，加快加强现实/虚构现实（AR/VR）可穿戴设备、脑机接口等新型终端的产业化、贸易化过程。推动具身智能产品创新 ，建设人形机械人中试基地和训练场 ，打造人形机械人标杆产线 ，在典型造作场景率吓爪用。
（十一）打造智能体新业态７⒄构ひ抵悄芴骞ぷ鞴婊⑷禾逍恢录际豕ス ，强化工业机理与智能体决策模型融合、智能体与工业系统间交互适配 ，推动智能体云化部署。研造盛开协同的智能体和谈和接口 ，提升智能体互联互通互操作效能。支持智能体利用商店建设运营 ，选树一批工业智能体利用典型案例 ，颁布企业级利用实际指南 ，加快智能体规；⒚骋谆。构建智能体分类分级治理系统 ，钻研智能体互联网系统架构 ，索求智能体注册发现、身份认证、接入治理机造 ，疏导新业态健康发展。加快传统软件产品和服务升级 ，推动人为智能与工业软件深度融合 ，提升设计出产效能。
五、主体造就：打造人为智能发展和赋能利用主力军
（十二）梯次造就企业。支吃祗业加大创新投入 ，积极承担国度沉大工作 ，集聚资源打造拥有全球影响力的生态主导型企业。发展人为智能企业孵化器 ，执行中幼企业创业支持打算 ，梯次造就更多人为智能专精特新“幼巨人”企业、高新技术企业、造作业单项冠军企业、独角兽企业和瞪羚企业。激励有关处所赐与企业“算力券”“模型券”等支持 ，强化赋能中幼企业公共服务 ，降低企业开发利用成本。
（十三）打造创新载体。建设人为智能领域国度造作业创新中心 ，提升关键共性技术供给能力。布局一批人为智能领域沉点尝试室 ，加强对类脑智能、世界模型等前沿技术索求。高质量建设造作领域沉点行业国度人为智能利用中试基地 ，汇聚产业创新资源 ，加快形成一批可复造、可推广的行业解决规划。
（十四）发展赋能利用服务商。健全造作业数智化转型服务系统 ，建设一批人为智能赋能利用加快器 ，造就优质赋能利用服务商 ，打造尺度化和定造化结合的赋能解决规划 ，提供行业模型调优、数据治理、安全保险等服务。激励工业企业、人为智能企业、工业互联网企业集聚工具、技术、平台等资源 ，打造生态同伴型服务商。支持电信运营商和央国企数智科技公司提升服务能力 ，承接行业赋能利用服务。领导有关行业组织 ，定期颁布优质服务商目录等。
六、生态壮大：加强资源配置优化产业生态
（十五）强化尺度引领。阐扬工业和信息化部人为智能标委会、全国数据尺度化委员会、全国信标委人为智能分委会、全国集成电路标委会人为智能芯片工作组、全国网安标委新技术安全尺度出格工作组作用 ，加强尺度技术组织建设。强化跨行业跨领域协同 ，分级分类推动安全、治理、伦理等基础尺度 ，软硬协一致通用尺度、赋能利用尺度以及计量技术规范研造。深刻发展“人为智能尺度杏妆活动 ，强化尺度宣贯利用。激励企业参加国际尺度化工作。
（十六）推动开源盛开。建设高水平人为智能开源社区 ，部署执行一批模型、数据集、智能体蹬着质开源项目 ，构筑拥有全球影响力的人为智能盛开生态。研发推广适配人为智能项目个性的开源许可和谈 ，构建新型人为智能开源规定秩序。疏导云服务厂商、赋能利用服务商与开源社区积极对接 ，推动开源项目在工业领域落地利用。进行开发者大会、“校源杏妆等活动 ，传布开源理想 ，繁华开源文化 ，形成共建共享优良氛围。
（十七）加强人才引育７⒄谷宋悄懿等瞬判枰げ ，颁布人才需要预测汇报 ，支持高校院所提前布局、调整优化有关学科专业。建好用好北京中关村塾院、上海创智学院、丽江河套学院、国度人为智能产教融合创新平台、国度卓越工程师学院、国度卓越工程师实际基地等 ，设置专业课程 ，造就既懂人为智能又懂造作业利用的复合型人才 ，美满人为智能认知教育培训 ，提升全员人为智能素养与技术。加强人为智能领域高技术人才造就 ，依附国度有关人才工程和项目 ，造就科技领武士才、创新团队 ，超通例构建领武士才造就新模式 ，积极引进海表高端人才。
七、安全护航：筑牢利用赋能安全保险
（十八）提升安全保险能力。攻关深度合成鉴伪、工业模型算法安全防护、训练数据；ぁ⑵サ醒炯觳狻⒅悄苤斩税踩馄赖裙丶际 ，加强数据安全治理 ，强化人为智能安全；つ芰。构建安全风险库、语料库等资源 ，建设工业安全大模型。通过知识库优化、训练语料纠错、天生合成内容标识等 ，加强人为智能通明度、可诠释性 ，降低幻觉风险。落实人为智能科技伦理治理服务法子 ，加强行业自律 ，提升企业人为智能伦理风险防备能力。
（十九）成立安全治理机造。钻研造订工业和信息化领域人为智能分类分级、评估评测、应急措置等安全政策尺度 ，支持处所主管部门索求柔性治理机造。成立人为智能安全风险监测预警技术能力 ，强化风险监测、研判和防备。造订工业和信息化领域人为智能安全风险信息报送与共享工作指引 ，两全产业链各环节力量 ，加强信息共享、风险传递、协同措置。
八、国际合作：塑造国际合作竞争新优势
（二十）支持产业合作。激励企业针对分歧国度和地域特点 ，定造人为智能产品和赋能利用解决规划７⒄谷宋悄芨衬苄滦凸ひ祷疃刃幼昂１戆妗 ，支持行业组织、专业机构为企业提供出海配套服务 ，疏导企业高效发展各类技术验证和合规认证 ，更好服务产业有序出海发展。疏导表资投向人为智能领域 ，激励表商投资企业发展天生式人为智能技术开发及产品出产等。
（二十一）打造国际合作平台；斡虢鹱⑸虾稀⒅泄恕⒍十国集团、亚太经济合作组织等合作机造下的人为智能议题会商。支持依规办好世界人为智能大会、人形机械人运动会等拥有全球影响力的高端赛、展、会 ，积极宣传我国人为智能标杆案例。高质量建设中国—金砖国度人为智能发展与合作中心 ，提升求实合作水平 ，推动全球产业协同发展。
九、保险措施：强化全方位政策支持保险
成立部门合作、央地联动、产业协同的工作推动机造 ，激励处所因地造宜造订政策措施 ，疏导企业错位发展 ，防备产业“内卷式”竞争。两全现有资金渠路 ，布局支持“人为智能+造作”有关技术研发和赋能利用工作。阐扬国度人为智能产业投资基金作用 ，丰硕优质项目储蓄 ，吸引带头更多社会本钱有序加大投资７⒄剐录际跣虏沸鲁【按蠊婺＠檬痉缎卸 ，用好首台（套）、首批次、首版次利用政策 ，推动新技术、新产品的推广利用和迭代升级 ，开释国内市场需要潜力７⒄谷宋悄懿倒婺２馑 ，成立利用监测评价指标系统 ，美满人为智能产业监测分析平台 ，动态监测全球产业发展态势。
附件：1.人为智能赋能造作业沉点行业转型指引
2.造作业企业人为智能利用指南
附件1
人为智能赋能造作业沉点行业转型指引
造作业是国民经济的主体 ，是立国之本、兴国之器、强国之基。人为智能与造作业的深度融合 ，是发展新质出产力、构建现代化产业系统的沉要蹊径。为阐扬造作业体量大、门类全、场景丰硕的优势 ，结合各行业领域特点、技术成熟度、数字化水平等基础前提 ，分类施策推动造作业领域人为智能利用 ，加快造作业智能化、绿色化、融合化发展 ，造订本指引。
一、原资料行业
（一）提升钢铁行业全流程智能化水平。构建钢铁行业数据集、知识库公共产品 ，打造人为智能工程化利用平台 ，提供智能化解决规划。研发覆盖钢铁出产全流程的系列动态模型 ，基于钢铁机理知识和出产实际经验 ，研发视觉、预测、决策等钢铁行业大模型、智能体 ，实现关键设备运行工况的实时感知、工艺参数的自适应优化、产品机能预报、质量缺点溯源、调度工作的全局优化和实时智能调整等。推动人为智能赋能钢铁行业全流程 ，提逾越产效能、产品质量、资源效力、安全和服务水平。
（二）推动石化化工行业提质增效。综合利用大模型、数字孪生技术突破油气勘探开发、化工新资料研发范式。深度融合油气出产作业、管网储运、化工工艺等工艺机理、专家经验、出产运行数据等 ，打造石化化工行业大模型 ，推动大幼模型融合利用 ，实现油田作业区及化工安全出产监测预警、设备预测性守护、工艺流程自适应优化、产品质量预测等。构建行业高质量数据集、数据资源节点等数据基础设施 ，支持行业大模型、智能体训练与开发 ，提升复杂场景人为智能利用水平。
（三）加快人为智能与新资料研发深度融合。建设新资料大数据中心 ，构建高精度、长序劣注多模态的资料行业数据集 ，提升行业数据体式尺度化水平。发展面向合金、陶瓷、高分子、能源资料的跨尺度推算框架 ，构建新资料分子设计、合成造备、工艺优化等行业大模型 ，提升资料“成分－结构－机能”反向设计能力。建设大模型预测了局评估系统 ，加强模型预测正确性。提升资料科学钻研人机合作能力 ，提升新资料高通量自动化尝试和造备能力。
（四）推进人为智能赋能有色金属行业。研发数据自动化治理、标注技术与工具 ，打造矿山与设备运行类、选矿工艺优化类、冶炼过程节造类等行业高质量数据集 ，构建数据基础支持系统。建设融合“物理机理－工艺数据－环境变量”的有色金属行业大模型、场景模型与智能体 ，推动大幼模型协同利用 ，满足靠得住性、动态适应性等使用需要 ，实现新资料及新工艺研发模式创新、采选冶过程精准节造与关键参数实时优化、可回收资源精准分类鉴别等。
（五）推动人为智能赋能建材行业创新利用。优先面向水泥、平板玻璃等行业 ，部署一批针对行业典型单元操作需要的场景模型 ，训练建设建材行业大模型 ，推动在矿山开采、原料配迸着化、窑炉煅烧节造、水泥熟料强度预测等场景的深杜爪用 ，提升出产过程的智能优化节造水平。推动研发“数据驱动+机理模型”的智能算法系统 ，建设先进陶瓷、人为晶体等先进无机非金属资料数据集 ，推动新产品开发、出产工艺优化。
二、设备造作行业
（一）推动工业母机柔性化智能化跃升。利用人为智能技术深度融入数控系统 ，赋能“实时感知－自主进建－智能决策-关环执杏妆全流程 ，提升工业母机自适应作业与执行能力。构建基于大模型的智能诊断系统 ，精准感知、正确判断设备状态 ，实现远程监控与预测性守护。依附？榛霾ピ胫悄芫霾叻务 ，通过低代码组态式工作编排与自主资源调度 ，实现造作系统自主响应订单调换、实时沉构产线与火速出产。
（二）加快汽车行业全链条智能化升级。打造汽车大模型 ，自动天生车身造型、内饰布局等规划 ，实时仿真动态优化结构强度、风阻系数等参数 ，推动智能研发新范式。加快人为智能技术在硬件配置、参数调优等环节利用 ，开发？榛ひ盏 ，打造柔性可沉构产线。成立人为智能驱动的全流程质量节造与预测性守护 ，推动整车机能在线检测与全性命周期质量追忆。
（三）推动电力设备全性命周期智能化；谌宋悄芗际 ，智能优化发电机等主题部件结构参数 ，推动大型发电设备数字孪生设计和试验仿真。利用人为智能算法加强电力设备可造作性分析 ，智能评估部件加工难度和装配兼容性。构建人为智能驱动的健康评估与寿命预测平台 ，发展状态检建 ，提升发电、输电设备智能监控与调杜着化水平。
（四）推动人为智能技术在船舶行业利用落地。构建船舶行业大模型 ，索求研发设计新模式 ，面向大型船舶、海洋设备少人化、智能化出产需要 ，推动“下料－焊接－喷涂－物流”等关键工序智能化升级 ，推动人为智能在海洋设备造作、智慧港口等领域利用场景建设；谑葜卫怼⒒到ǖ热宋悄芗际 ，成立船舶设备系统运行机能模型 ，实现船舶航行能效优化及设备故障诊断等职能。
（五）打造航空航天智能化造作系统？⒒谌宋悄芩惴ǖ姆抡嫫教 ，结合气动数据与流体力学仿真模型 ，自动迭代机身线型、机翼剖面等规划 ，实现极端工况验证 ，缩短测试周期。打造工业决策系统 ，在设计、造作、运维、治理等环节发展智能体利用。构建大型复杂资料构件智能加工与装配、特种资料增材造作与智能检测、航天器总装集成与测试智能化等人为智能解决规划 ，全面提升行业智能化水平。
三、消费品格业
（一）提升纺织服装领域个性化设计与高效出产能力。打造面向衣饰行业的智能化产品规划平台 ，深度挖掘海量消费数据 ，利用数据分析决策大模型 ，实现衣饰产品热点急剧鉴别与响应规划设计。通过集成物理引擎与3D天生大模型 ，打造个性化设计与虚构试衣系统 ，提升消费者购物履历。推动部署自适应出产系统 ，实现微米级纱线张力监测与疵点自建复 ，提升产品良品率。研发基于多光谱智能识此外废旧纺织品智能分拣技术及设备 ，提高再生资源利用率。
（二）强化家居领域智能化运营和智能产品供给能力。成立数据驱动的产品设计智能体 ，优化产品结构职能、提升智能操控能力、加快新品上市节拍。融合工业排产大模型与工业互联网技术 ，衔接出产设备、订单、物料等多源数据 ，实现多产线协同排产与仓储调度 ，加强造作柔性与响应速度？⒕弑溉嘶换ァ⒅悄芨兄⒅悄芑チ戎澳艿闹悄芗揖硬 ，构建多样化场景 ，建设自动服务型家电提醒系统 ，提供节能规划与预测性守护 ，提升设备运行靠得住性与用户中意度。
（三）构建食品加工领域安全高效智慧化治理系统。激励利用人为智能技术 ，丰硕食品工业人为智能大模型产品供给。组织食品企业、专业化服务商提供食品出产智能监控溯源、食品园区“5G+工业互联网”、原料出产供给智慧治理等智能化解决规划。加快多模态安全出产监控大模型研发部署 ，提升食品出产现场违规操作与危险行为实时鉴别能力。提升供给链风险预测与应急响应能力 ，实时感知供给链中断风险 ，保险食品供给不变性。
（四）提升医药智能研发与供给治理水平。建设人为智能驱动的新药发现与虚构筛选平台 ，通过多模态药效预测大模型 ，加快靶点鉴别与候选药物发现 ，降低药物研发周期与成本。融合量子化学模仿与人为智能技术 ，精准设计药物分子结构 ，提升药效与安全性。加快人为智能在药物合成蹊径规划、原料组合优化等环节落地利用 ，构建自动化、高通量、低成本的智能药物合成系统。建设医药供给链智能治理平台 ，实时追踪药品需要变动 ，动态优化库存与配送蹊径 ，预防药品欠缺与浪费。
（五）推动生物造作领域全链条创新发展。利用人为智能技术 ，挖掘和天生高机能生物元件、高效合成代谢通路以及高活性酶蛋白结构 ，丰硕基础数据库。打造智能化菌种构建平台 ，精准模仿细胞工厂运行机造 ，创建高转化率工业菌种。成立工艺参数与产品得率的预测模型 ，缩短工艺开发周期 ，提高中试验证成功率。借助人为智能等技术 ，优化迭代生物反映过程中的温度、酸碱度、含氧量等主题参数 ，实现反映过程智能节造 ，加快产业化过程。
（六）推动汗青经典产业焕新升级。加快构建汗青经典产业大脑 ，构建融合丝绸纹样、瓷器釉料配方、茶叶炒造工艺等主题技艺的产业数据底座 ，实现市场需要感知与产品创新精准对接。依附人为智能、工业互联网等技术 ，推动定造化、协同化设计创新 ，驱动文化IP向时尚消费品转化。使用机械视觉等技术构建全流程质控系统 ，通过三维建模与数字孪生技术再现经典产业出产场景与工艺流程 ，打造集技艺展示、互动履历、定造出产于一体的沉浸式文化空间 ，提升消费者购物履历。
四、电子信息行业
（一）提升电子元器件设计智能化水平。以天生式人为智能与数字孪生技术实现电子元器件全虚构仿真调试 ，构建跨域协同研发平台。通过集成先进推算引擎与多模态大模型 ，买通电子设计自动化、产品性命周期治理系统的数据孤岛 ，支持复杂芯片架构、新型显示器件的急剧迭代验证。沉点突破电子元器件高精度仿真预测技术 ，缩短研发周期 ，降低物理试错成本。
（二）推动消费电子、新型显示等行业柔性智造。以工业大模型与边缘智能技术实现产线动态沉构 ，构建自适应的电子信息行业柔性出产系统。部署人为智能驱动的工艺参数优化模型 ，结合机械视觉与多尺度物性表征 ，实现电子元器件贴片、组装、测试等关键工序的毫秒级调优？⒛？榛⒅悄芑牡缱有畔⒃熳魃璞讣暗褪毖油 ，支持消费电子、新型显示行业多种类幼批量出产 ，大幅压缩换线功夫 ，提升设备综合效能。
（三）强化电子信息元件与产品质量管控能力。加快构建电子信息行业知识图谱 ，实现质量根因智能分析 ，构建全流程质量管控平台？⒏哺钦滤⒌缏钒迳杓啤⑿酒庾暗然方诘脑谙咧始煜低 ，融合机械视觉、无损检测及多光谱鉴别技术 ，提升电子元器件检测效能和精度。成立电子信息产品质量缺点知识库与预测模型 ，有效降低不良品率 ，提升质量追忆响应速度 ，推动过后补救向自动预防转型。
（四）创新电子信息行业绿色低碳发展智能规划。融合人为智能与区块链技术 ，实现电子信息产品碳足迹的全性命周期精准核算与可信数据共享？⒐夥绯匦幸堤贾卫泶竽Ｐ ，融合工业互联网标识解析与能耗预测算法 ，动态优化设备参数与能源调度。部署智能功率预测与场站运营系统 ，推动能源电子行业单元产值能耗显著降落 ，提升碳排放数据可信度 ，支持全球价值链高端化延长。
五、软件和信息技术服务行业
（一）打造软件全性命周期智能工具链产品系统。聚焦多模态大模型、行为分析、时序预测等 ，构建覆盖软件需要设计、开发、测试、运维的智能化开发工具链产品。打造人为智能驱动的开发运维产品 ，实现智能调杜纂风险预警。造就垂直领域低代码平台、智能体开发平台 ，以？榛宋悄茏榧实现行业知识急剧封装、自动化工作设计与执行 ，推动软件开发从“人为主导”向“智能协同”转变。
（二）加快传统软件与服务智能化升级。推动人为智能技术与基础软件、工业软件及造作业行业利用软件融合 ，实现传统软件智能化升级与价值沉构。提升软件动态感知、自优化与自演进能力 ，实现软件职能？榈亩磷橛牖苡呕。融合预测分析与业务流程挖掘等技术 ，赋能软件智能决策能力；诠悄芴寤チ吞 ，研发高机能智能通讯中央件 ，实现软件与大模型的高效协同及多源数据统一分析。
（三）造就打造垂直领域智能体。研发部署软件编程、软件需要与审计、软件测试智能体 ，打造曲面设计、自动建模、自动编程等工业智能体 ，研造智能排程规划、动态报表天生、界面自动化设计、数据智能监控与治理等专用智能体。研发医疗、教育、金融、司法等行业智能体。
（四）建设软件行业高质量数据集。突破多模态数据自动化洗濯与智能语义标注等技术 ，打造尺度化软件研发数据集。使用合成数据与匹敌性测试技术 ，模仿高并发、网络异常等复杂天堑场景 ，构建真实场景测试数据集；谙噶６仁堤骞叵党槿∮胍旃苟嘣粗抖云爰际 ，构建语义化领域知识资产。成立开源代码合规洗濯流水线 ，有效过滤许可证矛盾与缝隙风险 ，全面夯实“人为智能+软件”融合创新的数据底座。
附件2
造作业企业人为智能利用指南
人为智能与造作业全身分、全流程、全链条深度融合 ，是破解产业升级瓶颈、塑造国际竞争优势的沉要蹊径。为加快推动人为智能与造作业深度融合 ，推动数字技术与造作优势更好结合 ，提升造作业企业利用人为智能的科学化、规范化水平 ，全面赋能新型工业化 ，造订本指南。
使用人为智能进行研发设计、出产造作、经营治理及发展延长服务的企业合用本指南。
一、发展智能化评估和规划
（一）发展智能化水平诊断评估。综合使用数据治理能力成熟度、智能造作能力成熟度、数字化转型成熟度、两化融合治理系统等参考尺度和造作业数字化转型通用评估指标系统 ，摸清企业数字化、网络化、智能化水平 ，找准转型升级瓶颈。结合经济性分析与风险评估 ，科学确定人为智能利用需要。
（二）造订人为智能利用规划。参考人为智能赋能新型工业化典型利用案例等 ，确定人为智能利用主题场景和技术导入优先级 ，合理设置利用指标。优先发展经营治理、研发设计等场景智能化升级 ，梯次布局中试验证、出产造作等环节刷新升级。阐扬工业互联网数字底座支持作用 ，强化与企业数字化转型工作两全衔接 ，确保人为智能利用精准支持主交易务发展。
二、提升智能化基础能力
（三）升级硬件基础能力。对工业“哑设备”“哑岗位”执行数字化刷新升级 ，构建统一技术底座和场景化利用套件相结合的硬件支持系统。通过加装传感设备和智能仪器仪表、部署边缘推算设备、推动工业专网升级、利用数字化转型通用工具产品 ，全面提升各类场景信息感知、传输、决策、节造能力。通过推算、存储、网络优化升级 ，加快推动已罕见据中心转型智算中心。
（四）提升软件智能化水平。加快工业实时操作系统等主题软件 ，造作执行系统、在线实时优化软件等节造优化软件 ，以及散布式节造系统、数据采集与监控系统等节造执行单元智能化刷新升级 ，提升智能化支持能力。优化基础软件内核 ，植入智能调度算法 ，提升资源分配效能 ，加强系统响应速度。部署集成数字孪生、大模型等数智技术的工业设计、出产节造、经营治理、服务保险等工业软件 ，强化工业软件原生智能基础。
三、构建高质量数据集
（五）建设数据资源平台。搭建企业专识数据库 ，形成覆盖研发设计、出产造作、供给链治理、经营决策治理等全业务场景的数据资源池。构建蕴含机理库（存储工业机理模型、技术文档、设计图纸等底层道理性知识）、仿真库（存储多学科仿真模型）、经验库（存储故障案例、最佳实际、操作技巧等实际性知识）在内的工业知识库 ，有效支持企业人为智能数据集需要。建设企业数据治理一体化平台 ，支持多源异构数据的汇聚、处置、标注和质量评估 ，提高企业数据加工和利用能力 ，提高数据集质量。
（六）利用数据集处置工具链。加强数据处置工具使用 ，逐步覆盖数据汇聚、采集、洗濯、加强、标注、合成、存储、传输、分析与利用等沉点环节 ，为企业人为智能利用持续提供高质、高效、安全的数据集支持。沉点加强智能标注、专家协同标注、融合机理与仿真数据合成、数据集质量评估、安全监测等方向工具的使用。
（七）成立数据治理系统。激励企业索求首席数据官造度 ，成立涵盖规划、施杏注评价、改进的数据治理系统 ，加强数据尺度化建设 ，推动各系统数据融合。成立企业数据集分类分层分级治理机造 ，综合思考数据类型、数据系统、利用场景和安全等成分 ，保险企业数据集安全利用、有效流通。明确数据采集、预处置、数据标注、加强合成、数据集产品化等环节的关键步骤和质量重点 ，造订数据集质量评估尺度 ，领导数据集质量提升和高效利用。
（八）构建多样化数据集。聚焦工业领域研发设计、出产造作、经营治理等环节 ，打造覆盖企业工艺设计优化、过程节造、故障诊断、智慧运营等场景的多模态工业高质量数据集。激励造作业企业结合第三方发展合成数据集、工业领域深度思想链数据集、跨学科跨领域知识图谱等数据集建设 ，打造高质量行业数据集 ，索求数据集产品化、支持复杂场景工业人为智能利用。
四、合理规划布局算力资源
（九）科学规划算力规模。依照国度总体部署 ，结合企业发展示实 ，造订阶段化、梯度上升的算力部署规模 ，激励优先选择可实现瞬时响应、可扩缩容的算力服务。
（十）合理配置算力资源。激励优先选取云推算服务急剧构建智能化基础服务能力 ，降低技术投入成本。具备优良数字化基础且对数据安全要求较高的企业 ，可依附自有算力基础设施建设智算资源 ，部署人为智能利用 ，实现资源集约化利用。
（十一）加强算力资源协同调度。激励企业基于业务特点实现云边端算力协同 ，整合多元异构芯片资源 ，云侧实现模型训练、微调、量化和蒸馏等工作 ，边缘端侧实现模型轻量化部署以满足工业低延长需要。深挖算力使用需要和利用场景 ，深入算力供需对接和算力资源高效调度运营。
五、发展模型选型与调优
（十二）科学确定利用场景。聚焦解决企业在造作全流程中的关键技术或工艺难题 ，拔取对出产力有显著带作为用的高价值场景 ，发展人为智能技术研发和利用落地 ，在以下五类场景中沉点布局人为智能利用。研发设计类沉点推动智能辅助设计、创意图纸急剧天生等；中试验证类沉点发展仿真模型智能构建、测试数据智能天生等；出产造作类深入利用智能排产调度、工业视觉智能检测等；营销服务类沉点突破个性化推荐、定造化售后等；运维治理类着力执行设备预测性守护、能效优化分析、辅助经营决策支持等。
（十三）量化场景关键指标。结合场景特点和业务指标 ，设定模型选型所用的可量化指标 ，以此评估场景利用成效 ，为模型选型和调优提供凭据。研发设计类场景沉点衡量单元功夫内设计迭代次数、设计规划天生数量、规划选取比率等；中试验证类场景沉点查核仿真建模效能、测试指标覆盖水平等；出产造作类场景着沉监测综合优化效能、出产合格率以及漏报率、误报率等；营销服务类场景沉点查抄营销转化率、响应时效等；运维治理类场景沉点关注故障预测正确率、守护成本降低幅度等。
（十四）结合业务选定模型；谝滴癯【靶枰 ，结合算力基础设施建设情况 ，发展模型评测选型。综合思考模型、开发框架、编译器、推理部署工具链之间的兼容性、靠得住性及易用性 ，优先选用经行业实际验证的成熟规划。激励面向造作业细分业务场景研发智能体产品 ，构建智能化解决规划。把安全作为模型选型的沉要思考 ，综合考量模型起源、缝隙缺点、安全防护机造等 ，优先选择安全可信度高的模型底座。激励企业打造产、供、销全链条模型协同能力 ，提升各环节联动效能。
（十五）选取提醒词工程与检索加强调优。构建涵盖工业通例问题、边缘案例的提醒词库 ，成立语法正确性、语义齐全性、用户中意度等多维度指标。针对市场分析、新技术利用等高频知识更新场景 ，对接行业数据库及资讯平台 ，执行数据源权威性评价与内容监测机造 ，确保信息真实性。
（十六）利用模型微调适配典型场景。质量检测与缺点鉴别场景 ，沉点发展基于预训练模型的幼样本标注缺点数据微调 ，强化模型对复杂微幼特点提取能力；出产调度场景 ，沉点凭据产线汗青数据全参数微调时序预测模型 ，动态分配资源提升主题工作效能；设备故障诊断场景 ，沉点利用时序数据、音频数据等多模态数据发展实时监测预测 ，优化故障预测模型。
（十七）结合现实发展混合调优。激励企业凭据现实情况 ，优先选取提醒词工程及检索加强技术 ，逐步尝试参数高效微调、全参数微调 ，提升模型能力。结合现实建设多模态模型候选库 ，综合选取参数微调、架构搜索、大幼模型协一致伎俩 ，确定最优解决规划。
六、模型部署与集成
（十八）验证模型机能。在现实出产环境中进行试运行验证 ，确保模型可能在真实场景中有效运行。综合思考各类模型的资源分配、数据安全性、实时性、不变性、响应能力以及系统的扩大性等要求 ，使用微服务架构、API接口、中央件等技术 ，基于业务特点将模型集中部署或云边端协同部署。
（十九）提升模型易用性。凭据业务需要 ，开发具体的模型利用接口、低代码组件等 ，基于业务需要实现数据接入矫捷配置和模型分析了局展示。
七、持续提升利用功效
（二十）评估利用能力水平。组建专业团队发展专项评估 ，定期分析改进。从模型正确率、算力利用率、推理时延、投入成本、安全不变等方面 ，评估人为智能在企业利用中的问题。
（二十一）推动迭代优化升级。定期分析利用人为智能对企业运营决策水平提高、业务处置效能提升、产品出产质量改进、经营效益改善等方面的影响。结合企业发展战术和人为智能技术趋向 ，造订下一阶段利用指标与执行规划。强化集约管控 ，推动智能化与绿色化深度融合 ，实现可持续发展。
（二十二）深入技术融合创新。结合高？蒲谢构ス啬Ｐ驮诠ひ道霉讨械氖凳毙浴⒍瞬嗖渴鸷涂康米⌒缘裙丶际。结合利用功效 ，推动二次创新 ，将行业大模型深度嵌入研发设计、中试、出产和运营等全流程。强化参数优化与知识推理能力 ，孵化智能软件开发、智能运维等工业智能软硬件工具和产品 ，构建以人为智能为驱动的新质出产力。
（二十三）激励优良规划输出。具备技术优势的行业领军企业 ，通过盛开平台接口、开源通用模型及工具链、共享高机能算法模型、研造尺度规范等方式 ，向产业链高低游输出整体技术解决规划 ，推进产业链协同创新。
八、做好人为智能利用安全防护
（二十四）强化数据安全防护。贯彻落实《数据安全法》《工业和信息化领域数据安全治理法子（试行）》等司法政策 ，凭据行业领域数据特点 ，组织发展数据分类分级、全性命周期安全防护、风险监测预警、风险评估等工作 ，为各行业人为智能利用提供数据安全保险。面向数据标注、汇聚、训练、合成等环节 ，强化数据校验、检测评估、身份认证和权限治理 ，提升数据安全风险防备水平。
（二十五）防备利用安全风险。面向研发设计、中试验证、出产造作、营销服务和运营治理等人为智能典型利用场景 ，激励企业定期对工业大模型幻觉、正确性、鲁棒性等发展安全测试评估。成立人为智能利用输入输出双端过滤安全监控能力 ，加强恶意指令输入、异常推理输出等风险防备。强化人为智能利用供给链安全治理 ，将高低游供给商的安全能力纳入合作方治理重点 ，构建美满供给链安全治理能力。
（二十六）提升网络安全防护水平。推动网络安全贯通造作业企业人为智能规划、部署、利用等各环节 ，落实《网络安全法》《工业互联网安全分类分级治理法子》 ，发展自主定级、信息登记、分级防护、切合性评测、安全整改等工作 ，健全企业网络安全治理和防护系统 ，加强工业节造系统网络安全能力 ，提升人为智能利用过程中的风险防备水平。
九、加强组织保险
（二十七）压实企业主体责任。系统造订企业数智化转型升级治理造度 ，强化企业资源保险力度 ，高效、稳妥推动人为智能利用逐步深刻。
（二十八）加强复合人才造就。加强产学研用协同 ，激励高校和企业依附国度人为智能产教融合创新平台、示范性特色学院等 ，支持人为智能拔尖创新人才造就 ，健全企业人为智能人才引进、评价和激励机造 ，营造优良人才发展环境 ，造就兼具行业认知与技术实操能力的复合型人才。
（二十九）积极参加生态共建。实时综合总结成功经验 ，积极共享人为智能解决规划 ，打造行业利用标杆 ，推动提升造作业智能化水平。
