浅析 AI 大模型赋能制造业央企发展新质生产

      一、发展新质生产力是国资央企把握高质量发展的内在要求，为更好地服务中国式现代化建设指明了方向

      党的二十大报告指出，高质量发展是全面建设社会主义现代化国家的首要任务。制造业是我国实体经济的基础，也是科技创新的主战场。立足新发展阶段、贯彻新发展理念、推动制造业高质量发展是新时代推进新型工业化的硬道理。2023 年 9 月，习近平总书记在黑龙江考察时首次提出“新质生产力”的概念，强调“要整合科技创新资源，引领发展战略性新兴产业和未来产业，加快形成新质生产力”。2024年1月31日，习近平总书记在主持二十届中共中央政治局第十一次集体学习时，进一步强调发展新质生产力是推动高质量发展的内在要求和重要着力点，深刻指出新质生产力由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生，以劳动者、劳动资料、劳动对象及其优化组合的跃升为基本内涵，以全要素生产率大幅提升为核心标志，其特点是创新，关键在质优，本质是先进生产力。2024年3月5日下午，习近平总书记在参加他所在的十四届全国人大二次会议江苏代表团审议时强调，要牢牢把握高质量发展这个首要任务，因地制宜发展新质生产力。

      从“科学技术是第一生产力”到科学技术是“先进生产力”，再到“加快形成新质生产力”，既体现了对生产力发展规律认识的提升，又提出了新阶段创新发展的新方向与新命题。这一新的生产力理论为国资央企准确把握高质量发展内在要求，更好地服务中国式现代化建设进一步指明了方向、提供了根本遵循。

    （一）新质生产力是新时代先进生产力的具体表现形式

      新质生产力展现出与传统生产力迥然不同的特质。它以创新为引领，融合了新类型、新结构、高技术水平、高质量、高效率以及可持续性等元素，代表了生产力发展的最新成果。新质生产力的核心在于“新”，关键在于“质”的提升，最终落脚于“生产力”的发展。这种新型生产力将不断催生新业态、新模式，展现出丰富的“新”内涵，进而引领深刻的“质”的变革（图 1）。新质生产力在“物质”层面实现了质的飞跃。历史唯物主义认为，物质生产力是社会生活的物质基础。如今，在数字化、智能化等先进技术的推动下，新的物质生产力正在形成，为社会发展注入强大动力。新质生产力在“本质”层面实现了根本性的转变。它依靠创新驱动，从本质上区别于传统生产力，成为推动社会进步的重要力量。新质生产力在“品质”层面为社会生活带来更高的体验。它致力于满足人民对美好生活的向往，推动社会全面进步和人的全面发展。

    （二）新质生产力是新时代经济社会高质量发展的必然产物

      与高速增长相比，高质量发展的要素条件、组合方式、配置机制、发展模式等都发生了根本性改变，这就要求大力推动动力变革、效率变革、质量变革，提升全要素生产率，实现创新驱动发展。新质生产力的提出，对国资央企完整、准确、全面贯彻新发展理念，以创新、协调、绿色、开放、共享的内在统一来把握发展、衡量发展、推动发展，统筹质的有效提升和量的合理增长，深化改革，转变发展方式，培育新兴产业和未来产业，加快形成可持续的高质量发展体制机制，以更好地服务国家战略和人民美好生活提供了科学的指引。“新质生产力”和“新兴产业”“未来产业”相互关联，积极发展，以科技创新引领产业全面振兴，可以促进新经济增长点不断涌现。

    （三）新质生产力是新时代引领创新性可持续发展的关键驱动要素

      当今世界，新一轮科技革命与产业变革正在深入推进，数字经济与实体经济深度融合，各国之间围绕产业、技术特别是关键核心技术的竞争日趋激烈，以人工智能、云计算、大数据等为代表的数字技术迅猛发展，正在快速实现对产业全方位、全链条、全周期的渗透和赋能，推动着人类生产、生活和生态的深刻变化。我国应以科技创新驱动产业创新，加快推进新型工业化，持续推动产业结构优化升级，打造具有核心竞争力的优势产业集群，加快构建具有智能化、绿色化、融合化特征和符合完整性、先进性、安全性要求的高质量现代化产业体系，形成并发展先进程度跃迁的新质生产力，为全球生产力创新性可持续发展贡献中国方案。

      二、多模态大模型加速通用人工智能进程，成为发展新质生产力的重要引擎

      习近平总书记指出，数字技术正以新理念、新业态、新模式全面融入人类经济、政治、文化、社会、生态文明建设各领域和全过程，给人类生产生活带来广泛而深刻的影响。当前，在人工智能技术的加持下，全球的数字化转型已进入倍增创新阶段。以多模态大模型为代表的新型人工智能技术正在成为引领新一代产业变革的核心力量。李强总理在 2024 年政府工作报告中提出，深化大数据、人工智能等研发应用，开展“人工智能 +”行动。2024年2月19日，国务院国资委在京召开“AI 赋能 产业焕新”中央企业人工智能专题推进会。会议认为，加快推动人工智能发展，是国资央企发挥功能使命，抢抓战略机遇，培育新质生产力，推进高质量发展的必然要求。

      这一轮多模态大模型人工智能的爆发，起始于 2022年11月 OpenAI 公司研发的 ChatGPT 横空出世。ChatGPT 通过超大数据、超强算法与超级算力的叠加，从“量变”产生“质变”，最终展现了超出人类预期的能力。从 GhatGPT 问世，到2023年3月 GPT-4 开启通往通用人工智能的大门，到 2023 年下半年多模态大模型全面爆发，直到2024年春节期间 Sora 震惊世界，人们曾普遍认为的“短期难以再现的 AI 奇迹”一次又一次被打破。

    （一）相较于人工智能发展历程中的前几次跃升，多模态大模型点亮了新一代人工智能的曙光

      大模型表现出前所未有的三类核心特征：一是出现了由千亿级参数模型、万张 GPU 加速卡算力、TB 级训练数据组成的“世界级大模型”。二是大模型出现了传统小模型所不具备的独特涌现。涌现概念来源于复杂系统，指当系统的复杂度达到一定阈值后出现的自组织现象。大模型的涌现表现为可以自发获得之前没有训练过的能力，即不仅生成的内容更加流畅、完美、符合人类的需求，甚至表现为仅依靠单纯的文字训练就可以产生类似于物理空间的感知等。三是生成数据。当前各类大模型都在试图穷尽全人类可以应用的数据来进行训练，这意味着模型迟早会接近可用数据的天花板。实践表明，大模型的生成能力完全可以弥补这个缺陷，也就是说未来大模型可以一方面自主生成数据，另一方面可以利用自身生成的数据进一步做训练。这些特征共同决定了大模型正在开辟出一条前所未有的通往通用人工智能的道路。

    （二）当前的大模型仍存在关键短板，亟待进一步突破

      正像张钹院士所说，到现在为止，全世界对大模型的理论工作原理、所产生的现象都是一头雾水，所有的结论都推导产生了“涌现现象”。现有大模型的主要瓶颈可以归纳为三个方面：一是幻觉问题，具体又可以分为输入型幻觉（生成与用户问题无关的答案）、上下文幻觉（新生成内容与上下文矛盾）和事实性幻觉（生产内容即与现实事实相悖）；二是时效性问题，即通过微调或者预训练，大模型无法跟上现实世界中信息小时级、分钟级的更新速度；三是成本问题，基于海量数据进行的无论是训练还是推理都需要千万美元级的费用，制约了对大模型的广泛研究。

    （三）多模态大模型为代表的新型人工智能正在成为制造业发展新质生产力的重要引擎

      1. 新质生产力强调的技术革命性突破可通过大模型加速

      AI 大模型具有巨大的潜力，能够加速制造、生物、能源、材料等领域颠覆性技术的创新涌现，推动数字与实体的深度交叉融合以及多点突破。随着新型人工智能技术的不断发展，支撑制造业发展的数字化智能化的新型基础设施也得到了进一步的升级，为未来的产业发展奠定了坚实的基础。这些技术变革不仅将带来生产力的巨大提升，还将深刻改变人们的生活方式和社会结构，推动人类社会的进步和发展。

      2. 新质生产力强调的生产要素创新性配置离不开数据

      数字经济时代，传统要素对经济增长的拉动作用边际在减弱，数据被战略性定义为新型生产要素。因其独有的低边际成本、强渗透性和融合性等特点，可推动生产工具和设备、生产方式、资源配置方式不断优化升级，推动物质生产力创新。AI 大模型的生成能力和数据合成特性所产生的影响不是只体现在自然科学领域和生产力范畴，而是从根本上重塑人类社会的劳动方式、生产组织方式、社会组织运行和社会制度体系，进而塑造人类文明新形态。

      3. 新质生产力强调的产业深度转型升级与大模型的价值契合度高

      AI 大模型是集智能感知、智能分析、智能决策、智能执行等功能于一体的泛在性强人工智能技术。从生产结构来看，传统的人工智能技术已成为现代工业生产的核心组成部分，能够大幅提高生产效率，优化资源配置，降低生产成本，为新型工业化发展提供强大的技术支持和动力。未来，AI 大模型与制造业深度融合，可以进一步加速工业体系向高端化、智能化、绿色化迈进。

      三、AI 大模型将创新制造业升级范式，当前发展仍处于初期探索阶段

      AI 大模型所体现的通用性、泛化性和革命性特征，将从研发设计、生产工艺、运维质控、销售客服、组织协同等方面深刻影响制造业全过程、全场景，为创新制造业范式升级带来巨大空间，进而可能引发产业竞争格局重构，甚至关系到国家制造业核心竞争力的重塑。

    （一）研发设计生成式大模型将辅助技术人员快速地将设计构思和意图转化为具体实施方案

      以传统工业设计为例，现有的标准化素材库汇聚了丰富的工程制图、布局规划等数据资源。借助大模型的强大能力，设计师可以基于这些数据，融合自身的创意灵感和特定需求，在既定的限制条件和目标导向下，生成多样化的设计方案。大模型还能辅助进行布局优化和参数校核，从而显著减少工业设计的耗时，大幅提升产品研发的效率。更进一步，设计方案可以通过大模型进行快速优化调整，帮助设计人员以更快的速度和更低的错误率完成布局设计。这样的技术革新不仅提供了全新的设计范式，还将极大地提高设计质量和效率，为工业设计领域带来革命性的进步。

    （二）编码和仿真大模型将极大地简化研发流程和复杂度

      在工业设计的流程中，众多复杂问题如力学强度验证、尺寸精细调整以及标准部件选型等，均需要构建专业的数学模型来求解。这些建模任务不仅专业性强，而且实验和建模成本高。借助 AI 大模型，设计师可以根据具体的设计需求迅速生成对应的程序代码，并提供代码补全、单元测试生成、代码解释以及错误检查等功能，从而显著降低工业软件开发的难度。此外，利用工业数字孪生技术，通过仿真生成的大量数据，设计人员可以在一个协作环境中创建出物理级逼真的实时仿真，实现不受任何兼容性限制的实时协作。这种技术不仅提高了设计效率，还增强了团队协作的便捷性。值得注意的是，在早期规划阶段进行最大化评估和调整，可以有效解决工业产品设计中测试数据稀缺、测试环境受限等问题。这种策略不仅可以增强产品的可靠性，还可以为后续的优化和迭代提供坚实的基础。

    （三）工业制造 AI 大模型将大幅强化工业控制平台的信息处理、感知、执行、控制和优化等能力

      在高度自动化的现代化生产线中，智能化调控系统发挥着至关重要的作用，它需要精准地管理和调控各个关键节点，以最大化提升整个产线的运行效率。AI 大模型凭借其强大的数据处理能力，能够深度分析丰富的历史数据，精准把握生产需求、资源分配、任务优先级等复杂因素之间的关联，从而实现对各节点任务分配和调度的优化，显著提升生产效率和灵活性。以工业机器人为例，大模型如同产线的“智慧大脑”，能够迅速整合并分析各类生产数据，对机器人进行实时任务分配和动态调整。生产人员只需通过简单的文本或语音指令，就能借助大模型快速生成定制化的运动控制代码，让机器人迅速适应不同的任务需求。这种智能化的管理方式不仅可以大幅提高工业机器人的灵活性和适应性，还可为实现柔性化产线控制提供强有力的支持。

    （四）精细化检测大模型，提供零样本学习能力，实现对产品质量缺陷、人员违规操作、零部件装配误差等多种工业场景的快速高效视觉检测

      在工业生产中，质量检测和安全监测是至关重要的环节。通过外接视觉传感装置与简洁的指令辅助，大模型能够针对特定区域和人员进行高效检测，迅速识别异常信息，从而显著减少人工查验、样本收集和模型训练等成本。值得一提的是，大模型凭借其强大的泛化能力，无须依赖工厂的样本数据和本地化微调训练，便能够直接进行精确的语义分割，避免烦琐的训练调参过程和高额成本。这种创新应用不仅可以提升工业产品缺陷检测的效率，还可为工业生产的质量控制和安全保障带来革命性的变革。

    （五）运维大模型可以提升智能化运维水平，完善生产管理机制

      以仓储管理为例，大模型能够实现对供应链中多类别、多模态数据的综合管理和整合，从而极大提升货品信息流的运行效率。嵌入多模态大模型的机器人，可以实现货架管理、库存管理和订单拣货等操作的自动化和智能化。大模型的强大视觉泛化能力使机器人能够自主执行货架定位、库存管理以及物品运输等任务，显著提升仓库的运营效率。此外，利用大模型进行库存预测，并综合考虑销售速度、库存周转率等因素，可以制定出更为精准的补货策略。这不仅能够确保库存的及时补充，避免因库存短缺而影响销售，还能有效避免过度补货导致的库存积压和资金占用问题。利用这种智能化的仓储管理方式可以打造出一个更加便捷、高效的工业产品供应链体系，为企业的持续发展和市场竞争力的提升提供有力支持。

    （六）售后服务大模型可以凭借在自然语言对话方面的巨大优势显著提升客户满意度

      在机械装备售后服务领域，传统的基于知识库的客服系统往往难以为用户提供精准的指导。然而，整合大语言模型作为后端逻辑推理的核心以及利用虚拟数字人作为前端交互的直观形象，能够构建一个全新的服务体系。这一体系不仅能够精准理解客户的需求，还能结合其丰富的知识储备和具体问题，迅速为用户提供详尽且有针对性的解决方案。借助虚拟数字人的手势和语音交互功能，系统能够从更多维度辅助客户进行设备操作。这种创新的服务模式不仅可以大幅提升售后服务的效率，还能为客户带来更加直观和个性化的服务体验，从而解决传统客服系统的局限性，为用户带来更加高效、便捷和个性化的服务。

      四、制造业央企积极抢抓 AI 大模型变革机遇、加快发展新质生产力的对策建议

    （一）深化数字化转型，为新质生产力注入强劲推动力和支撑力

      智能化的基础是数字化。数实融合是全球制造业竞争格局重构的核心变量，其融合的方式、广度和深度能够直接影响甚至决定制造业的先进水平和全球竞争格局。因而，数字化转型是推动新质生产力发展的关键途径，新质生产力的培育为数字化转型提供方向和目标。制造业央企要强化数字化作为产业发展核心战略举措的思想认识，全局谋划和统筹布局，加强资源配置，提升自主创新能力，全力推进产业数字化、管控数字化、数字化新基建发展，通过数字创新动能推动高质量发展。

      1. 将数字技术全面融入产业创新发展战略

      制造业央企要顺应数字经济的趋势，全面升级数字智能思维，促进数字化与战略深度融合，切实将数据作为核心生产要素，将数字化平台作为关键生产工具，将数字产品和数字服务作为重要生产对象，改造传统业务，打造新业态、新模式、新服务。

      2. 通过智能技术重塑生产运营体系

      智能技术具有高创新性、强渗透性、广覆盖性等多维特征，各类产业全方位、全环节的数字化智能化是创新发展和提升竞争力的必然趋势。因此，制造业央企需要加强智能技术应用，加大力度推动产业的数字化智能化平台建设，全面实现数据汇聚，支持产品、研发、生产、销售等过程与数字技术深度融合，实现产业升级和全面创新，培育智能化制造、网络化协同、个性化定制、数字化管理等新的生产运营体系。

      3. 构建数字化、智能化新产品新服务

       数字技术和智能技术正在快速改变传统行业的产品形态和服务边界，移动互联网、人工智能、AR/VR 等技术的普遍嵌入使功能齐备、体验友好、标准统一、线上线下融合的产品服务成为各行业的主流趋势。制造业央企要以客户为中心，把握行业发展的前沿态势，加强数字化、智能化融合的产品和服务创新，提供差异化高品质的价值体验。

      4. 夯实数据治理基础

      数据作为新型生产要素，是数字化、网络化、智能化的基础，正在快速融入生产、分配、流通、消费等各环节，并深刻改变制造业企业的生产方式。制造业央企要强化数据治理，统一数据标准、业务模型、指标体系，推动全业务链条、多源异构的数据资源的全量汇聚、统一纳管；加强元数据、主数据、数据模型设计和管控能力建设，提升数据融通应用价值最大化；构建数据质量闭环控制机制，实现业务应用和数据质量管理的良性互动，推动数据质量有效提升；推进数据共享，建立数据分类标识和分级标准制度，建立智能化数据授权体系，建立数据内部共享应用机制，依托共享平台实现内部数据共享共用；释放数据价值，围绕企业痛点难点问题，推动数据建模，深挖数据价值，提升业务效率，助力数据驱动管理决策，促进业务能力、商业模式升级，为管理提升和业务变革注入全新动能。

    （二）在 AI 大模型新生态中，找准企业自身定位

      当前人工智能的主流产业形态是“大模型基础平台 + 若干垂直领域产业大模型平台 + 百花齐放的大模型应用”。制造业央企应紧密结合所处产业的特征、应用场景，找准定位，积极布局。积极开展“人工智能 + 产业”行动。建立 AI 专班，整合内外部资源以组建联合攻坚团队，因地制宜投入资源，加速智能化基础技术平台的建设，研究发布主业相关垂直领域大模型，开发人工智能与产业的深度融合应用，因业施策，分产业领域打造重点场景、拳头产品，打造以数字化平台为支撑的新业态。

    （三）打造与发展 AI 大模型相适应的数字化治理和保障体系

      制造业央企要加强统筹优化和资源配置，对薄弱落后产业加大资源投入，对资源分散产业加强资源集约；加强专业线 AI 人才的统筹管理，实现人才的分级分类培训和贯穿协同；加强“业务 + 数字化”复合型人才队伍建设，以专题或专项等工作形式，组织开展融合创新；建立健全评价与考核体系，对重点产业开展人工智能综合水平评价和年度重点任务考核，通过评价考核促进转型工作的提升。