青年报·青春上海记者 刘昕璐

“以人工智能为代表的新一轮科技革命席卷全球，当前制造业和人工智能深度融合前景广阔，但融合之路并非坦途。”今年全国两会上，全国人大代表、中国电气装备科技创新部部长张帆提出，现在很多企业纷纷涌入人工智能大模型赛道，都推出了自研的大模型，看似热闹非凡，实则资源分散，这种低水平重复建设、散乱小的现象特别突出，急需国家层面加强顶层规划，对行业特别是工业行业出台更多的指导意见，规范引导行业垂类大模型的发展。

“行业人工智能高质量发展缺少顶层统筹规划，高价值应用场景少。”张帆注意到，尽管国家出台了《新一代人工智能发展规划》等纲领性文件为“AI+制造业”发展提供参考，但制造业涉及41个大类，各行业基础及特征差异导致政策落地的精确性、指导性并不足。

以电气装备制造业为例，既缺乏行业级人工智能发展规划对发展方向、实施目标、技术路径进行战略牵引，又存在高价值应用场景开发指导、行业共性技术协同攻关机制不足等问题。张帆就此认为，亟待围绕“短期突破基础场景、中期攻克核心场景、长期构建技术体系”制定统一的、强有力的、阶梯式的顶层规划，垂直推动形成战略引领、场景示范、生态协同的新型融合发展范式，从而指引行业健康有序发展。

与此同时，行业垂直大模型低水平重复建设问题严重，资源分散、质量不高。当前人工智能技术迅猛发展，方兴未艾，众多企业和机构纷纷涌入，各自为政开展研发，行业垂直大模型建设呈现“散、乱、小”局面，看似热闹非凡，实则资源分散，大量算力、数据、人才等核心资源被重复性基础模型构建低效消耗，忽略了对模型的深度优化、与行业知识深度融合及需求的精准适配，导致行业垂直大模型在泛化通用能力、专业性、稳定性等方面表现不佳，难以满足智能制造场景中对响应速度、控制精度等严苛要求，形成技术投入与产业价值产出失衡的困境。

高质量工业数据少、共享难，也制约着AI模型训练效率与泛化能力。张帆说，工业数据作为行业垂直大模型发展的主要“燃料”，存在着“量质双缺、共享不足”的多重矛盾，影响了人工智能模型的工业适配性。数据供给方面，制造企业数字化转型起步较晚、基础薄弱，生产数据采集不全面、不及时，难以为模型训练提供充足样本支撑。

数据质量上，也存在因缺乏行业数据标准引导、企业内外部存在多源异构数据格式冲突，工业数据含噪率高，难以直接用于模型训练的情况。同时，受限于数据安全担忧、商业机密保护等因素，企业间共享意愿极低，数据围墙高筑，且业内缺乏合理的数据共享机制与平台载体，知识难以大范围流动，直接影响人工智能模型的通用性和精确性提升，制约了“数据-知识-模型”的协同进化。

张帆说，电气装备作为国家能源电力安全保供的物理基础和第一道防线，是未来能源绿色发展制高点的必争之地，其装备智能化既是新型电力系统建设的关键载体，更是国家“双碳”目标实现和能源绿色低碳转型的重要突破口。

因此，他建议，基于国家人工智能发展整体规划，结合电气装备制造业行业基础和技术发展趋势，加快组织制定电气装备制造业人工智能专项发展规划，明确产业人工智能重点发展方向、发展目标、应用场景、实施路径和阶段任务，指导产业优化升级、生产力整体跃升，赢得竞争主动。同时，联合共建行业人工智能创新中心，协同打造行业垂直大模型，多措并举共建高质量的工业数据生态。

就与行业适配又掌握AI关键技术的复合型人才匮乏的现状，张帆认为，应加快人工智能复合型人才培养，引导校企加强合作，推动“产教融合共同体”培育体系建设，并面向产业需求，优化高校学科设置，增设“智能制造工程”等交叉学科，建设企业工程师与院校导师协同执教的“双师型”实训基地，共同培育复合型人才，逐步破解制造业智能化复合型人才困局。

“我们还可以鼓励制造业企业开展产业工人技能提升行动，以在职培训、脱产培训等方式，形成‘课程学习-场景实训-资质认证’全链条培养机制，提升其人工智能应用和创新能力。”张帆这样支招。

青年报·青春上海记者 刘昕璐

编辑：陆天逸

来源：青春上海News—24小时青年报