本報記者 曹 琦

隨著技術持續突破、應用場景拓寬以及產業融合加速，當前人工智能（AI）發展正進入2.0新階段，即邁向思維與行動雙輪驅動的新階段。

面對人工智能在產業升級、產品開發、服務創新等方面的技術優勢，為促進人工智能同實體經濟的深度融合，11月26日，由中國企業聯合會、中國企業家協會主辦的2025年全國智慧企業發展大會在江西省贛州市召開。

本次大會主題為“AI驅動創新 數智引領未來”。會上，中國企業聯合會黨委書記、常務副會長兼秘書長朱宏任在致辭時表示，要扎實推進人工智能與實體經濟深度融合，推動企業加快形成以數據驅動、場景引領、系統推進為特征的數智化發展新格局。

人工智能

將驅動制造業“智變”

如今，AI正在深刻改變制造業的生產方式、商業模式和產業生態。

“當前AI應用落地呈現微笑曲線的特征，大模型應用落地節奏兩端快、中間慢，即生產制造端慢，管理運營、營銷服務端快。”工業和信息化部電子科技委主任、研究員級高級工程師王江平向《證券日報》記者表示，“整體來看，目前大模型在工業領域應用案例集中在營銷服務、管理運營等通用性較強的環節，尚未深入觸及生產制造核心環節（工業關鍵流程控制、排產調度、參數優調等）。”

AI賦能工業應用面臨挑戰，一方面是因為工業場景容錯率低。工業生產場景不同于個人消費場景，工業生產線對穩定性、可靠性要求極高，工業大模型一旦發生細微的差錯，很可能導致產品質量下降和生產線停工，甚至引發安全生產事故，給利潤率本就不高的工業企業帶來災難。另一方面，工業制造往往由多個工業系統和設備組成，將大模型技術整合到現有質量控制、工藝優化環節中，需要系統改造，解決兼容性、通信等問題。此外，不同行業產品類型不一、零部件型號繁雜，應用場景千差萬別、標準化程度低，特定行業訓練的大模型很難泛化到其他行業。

要解決“AI+制造業”的難點和痛點，王江平認為要推動AI從通用環節向生產制造核心環節深入，需要“通用大模型+專業小模型”協同發展，即多數企業在實踐過程中，將大模型的“智慧”和小模型的“敏捷”相結合，實現性能、效率和成本的平衡。

同時，AI賦能工業要優先推進高價值場景的應用，在效率革命、復雜性決策、個性化需求及用戶新體驗等方面重點發力。例如，在效率革命上，能夠將隱性知識顯性化，將老師傅的操作經驗、專家的工藝知識轉化為可復制、可傳承的算法模型，打破個體能力的局限。

多位與會專家表示，未來，隨著AI融入核心生產環節，將驅動制造業“智變”，推動制造業模式從離散、被動向連續、主動、全局優化升級。

高質量數據

解決“AI幻覺”問題

近年來，國內外大模型迎來井噴式爆發。據中國信通院統計，截至2025年7月份，我國已發布超1500個大模型，居全球首位，意味著我國人工智能技術實現了快速發展。與此同時，大模型“自說自話”、一本正經“胡說八道”的問題日益凸顯，這一現象被稱為“AI幻覺”。

比如，《證券日報》記者向一款大模型提問：糖尿病患者是否可以用蜂蜜代替糖？它回答：蜂蜜富含維生素和礦物質，對提高免疫力很有幫助，因此是一種健康的食品。這一現象表明，一些大模型存在忠實性幻覺問題，即回答內容雖無事實錯誤，但與提問無關，未忠實于用戶意圖。

“要解決‘AI幻覺’問題，專業大模型愈發重要。”浙江大學原校長潘云鶴表示，“基于常見信息數據的大語言模型，回答一些專業性強的問題時，通常準確性不夠高，而基于科學數據的專業大模型就能解決這些問題。”

數據的質量對大模型來說至關重要。高質量的數據能讓大模型變得更聰明，而低質量的數據則會讓模型變笨甚至出錯，因此使用專業大數據，才能訓練專業大模型。打個比方，大模型就像一個正在發育的小孩，數據就是它成長所需的各類營養，數據越豐富，大模型就能學到更多知識，大腦就能更發達。

多位專家表示，以前大家更加關注算力、算法，但隨著數字化、網絡化、智能化的深入發展，數據作為關鍵生產要素的價值日益凸顯。高質量、多樣化的數據集將是大模型性能突破、落地應用的關鍵。

會上，朱宏任建議與會企業扎實開展數字化改造，著力匯聚各類數據資源，建立企業知識圖譜和各類垂直應用人工智能模型，以數據要素帶動各類生產要素創新性配置，積極探索企業數智化發展新模式，為企業高質量發展注入新的要素動能。