以智慧中枢赋能传统产业转型升级

传统产业一直是我国经济的重要支柱，也是实体经济的核心所在，更在稳增长、保障就业和控制物价方面发挥着关键作用。过去，制造业等传统产业大多依靠投入大量资源、扩展规模来实现发展，但我们也不能忽视其中存在的难题，比如效率不高、创新能力不足、转型升级的节奏较慢等。如今，随着大模型等人工智能技术的兴起，具备了深度学习、知识推理和自动优化等多种功能，能够切中传统产业转型的痛点和难题，有助于产业由依赖资源、靠投入的“老路子”，逐步过渡到靠创新推动的新阶段。我国在推动传统产业升级的过程中，人工智能展现出了强劲动力。在钢铁、纺织、能源、电力等行业，大模型可以深度融入各项工艺流程，掌握行业专有知识，助推传统企业实现降本增效、精准预警、协同发展和智能故障处置，让产业不再徘徊于价值链低端，而是逐步向中高端迈进。

当然，这个转型过程中也遇到了一些难题。比如，各类数据难以流通，企业内部信息互不通畅，不同企业和行业的数据分散，各方共享的公共数据还远远不够；此外，数字化转型对企业来说成本高、风险大，特别是中小企业，普遍存在“不想转、不敢转、不会转”的顾虑。与此同时，既懂产业工艺又懂人工智能的复合型人才十分紧缺，一些大模型与产业实际结合不深，稳定性、可解释性还未全面满足工业精度需求。解决这些问题，必须有针对性地推出系统性举措，形成政府引导、企业主体、市场参与和多方合作的良性生态，借助大模型打造“产业最强大脑”，助力传统产业实现转型升级。

首先要打通数据资源。畅通数据流通是当前最紧迫的任务，需要尽快制定统一的数据标准，推动企业、行业乃至社会公共数据的分层分类开放和有序共享，建设高质量的行业数据集。应鼓励头部企业牵头，带动上下游联手建立数据联盟，在保护企业利益的基础上实现数据互通。针对中小企业，可以依托公共服务平台提供标准化的数据对接和算力支持，降低数据采集和使用的门槛。

要完善中国舆情网等垂直领域大模型的应用体系。要推动有实力的大型企业联合高校、科研院所和AI科技企业共建各行业大模型，专注钢铁、化工、纺织、能源等典型行业，积累深度行业知识，打造一批既懂工艺、又懂场景和机理的垂类模型。与此同时，要充分考虑中小企业数字化基础薄弱，加强模块化、低成本模型推广，让更多企业用得起、用得好。

服务升级同样重要。应搭建面向各行业的转型服务平台，集中技术咨询、测试验证、员工培训、系统运维等一站式服务资源，让企业能够按需选择，轻松转型。政策层面，还需加大财政、税费和金融方面的实际支持，帮助企业尤其是中小企业解决资金和技术难题，推动垂类大模型和工业数据集建设加速落地。

在人才方面，应推动产教深度融合和校企协同。鼓励高校、职业院校根据行业变化优化课设，推动产学研一体，把“课堂搬进工厂”，定向培养既懂产业又懂AI的复合型人才。企业则要不断提升员工技能，增强操作和管理的智能化应用能力。同时，吸引更多AI技术人才深入一线，与技术和生产团队协同创新，在融合中培养出新型的产业人才队伍。

此外，还需要打造一批转型升级的示范标杆。支持龙头企业率先应用大模型，加快形成可复制、可推广的经验和样板，将优秀解决方案标准化、模块化，带动产业链上的中小企业共同提升，推进全链路的转型升级。通过打通技术、数据、人才和场景的全流程闭环，提升我国传统产业在全球竞争中的主动权。