AI如何深植實體經濟

劉誠

近日，關于AI投資過熱和燈塔工廠的兩條新聞受到社會關注。

一是摩根士丹利的最新研報認為，以亞馬遜、谷歌、Meta、微軟和甲骨文為代表的超大規模云計算巨頭，在AI領域的“燒錢”強度已經正式擊穿了千禧年互聯網泡沫時期的峰值，從而表達了對AI投資過熱的擔憂。一是世界經濟論壇公布新一批全球燈塔工廠，一半來自中國，顯示了“中國制造”在數字化轉型與智能制造升級方面的全球標桿地位。從中可以看出，人們盡管擔心AI泡沫，但對AI在制造業領域的深度應用是給予高度贊譽的。

制造業是立國之本、強國之基。當前，新一輪科技革命和產業變革加速演進，人工智能正成為推動制造業高質量發展的重要抓手，一批重點行業企業以智能制造為引擎，加速智能化、綠色化、融合化發展。

人工智能的頭雁效應

人工智能是引領新一輪科技革命和產業變革的戰略性技術，一定程度上決定了產業發展高度和現代化水平。

按照馬克思的觀察和量化歷史數據的印證，社會生產力是隨著科學和技術的不斷進步而不斷發展的。如果說，歐美國家普遍在第一次或第二次產業革命期間實現了現代化，那么它們彼時的現代化是由機械化或電氣化技術所決定的。

而中國要在新一輪科技革命和產業變革的歷史時期實現現代化，必然很大程度上取決于人工智能的技術創新及產業應用。特別是，制造業是產業發展中的重中之重，其在全球主要經濟體的經濟增加值和社會就業的占比約為20%—30%，更是科技創新、關鍵設備設施生產、新技術應用場景的主要載體。中國搶抓新一輪科技革命和產業變革的歷史機遇，推動“中國制造”邁向“中國智造”，將為中國式現代化奠定堅實的物質基礎。

人工智能具有溢出帶動性很強的“頭雁”效應，將持續涌現一批新興制造業。

縱觀全球科技史和經濟史，前三次產業革命依次推動了制造業的重大轉型升級，第一次產業革命涌現了紡織機和蒸汽機產業，第二次產業革命帶動了電燈電話電報、鋼鐵、石油、汽車等產業的繁榮發展，第三次產業革命則出現了電子產品、計算機、互聯網、集成電路等產業。

當前，人工智能驅動的新一輪科技革命和產業變革的力量將不亞于之前的歷次產業革命，其中必然涌現一批新的制造業產業形態。當前，芯片制造、計算能力強化（CPU、GPU等）、智能算力中心建設、算法大模型等人工智能核心產業已形成一定規模，并呈現強勁發展態勢。

人工智能將通過“技術—經濟”范式的整體轉變，帶動傳統制造業及全社會各行業的生產力躍遷。全球產業革命不僅表現為新興制造業的脫穎而出，更表現為傳統制造業及整體經濟形態的全方位革新。

從發展階段來看，人工智能發展已從科技革命向產業變革躍遷，實現從“技術—經濟”的范式轉變，而中國在AI產品制造和應用場景方面具有比較優勢，自動駕駛、無人機、人形機器人等發展迅猛，已然走在全球“技術—經濟”范式轉變的最前列。

中國在AI產業應用方面的優勢，可以從深圳與硅谷的對比中窺探一斑。深圳的產品迭代速度普遍被認為比硅谷快5到10倍，成本通常僅為硅谷的1/10到1/5。在深圳，一個電子產品創意從圖紙到樣品最短只需12小時，一款人形機器人從概念到跑動最快僅用25天。

相比數字化進程，智能化可以更深層次嵌入制造業。數字技術應用路徑主要是將一些交易或流通環節信息化、平臺化，它可以推動部分服務業環節的數字化，但在制造業環節采集生產數據、指揮生產設備、控制生產流程的難度較大。正因如此，制造業數字化進程明顯滯后于服務業數字化。

相較而言，人工智能技術則將更偏向于制造業。特別是，可以通過智能傳感器、物聯網技術實時收集生產數據，實現機器與現實世界的網絡連接，為制造業流程智能化改造打下堅實基礎。人工智能無法以人類的方式感知和觀察世界，但它可以通過傳感器的方式來觸達和體驗世界。在智能制造的體系架構中，傳感器可謂現代制造業的“感官神經”，其中溫度傳感器、壓力傳感器和流量傳感器已成為我國AI市場的重要增長動力。而且，人工智能與物聯網技術的深度融合促使制造系統呈現以數據驅動為特征的虛實融合和網絡協同發展態勢。

值得一提的是，新能源汽車制造已成為智能制造的主要試驗場，為AI在制造業領域發揮作用提供了絕佳場景。一是汽車制造業規模大，標準化生產流程相對穩定，車間相對封閉，且企業用得起AI；二是汽車產品本身具有智能化改造需求，如自動駕駛功能，再如車載娛樂功能；三是汽車往往可以選配置，與智能制造的定制化生產模式相契合，如不同人需要不同配置時可以在組裝環節直接由AI操縱實現。

“達·芬奇難題”待解

盡管中國人工智能賦能制造業取得了較快發展，但在產業生態、基礎設施等方面仍面臨一些卡點堵點。

一方面，產業生態系統存在短板。中國發展智能經濟的一大優勢在于應用場景多，但也存在“局部限制整體”的現象。科學史上有一個達·芬奇難題，指的是發明家基于正確的理論設計了一種科技產品，但受限于當時的材料、工藝或動力等因素而不能被應用。實際上，人工智能賦能制造業的過程中也存在類似問題，由于核心技術、原材料、零部件、高質量數據等方面受限，導致一些場景應用難以落地。

另一方面，智能設備設施建設滯后。人工智能賦能制造業，需要以智能設備和智能基礎設施為基礎，通過萬物智聯映射和模擬現實世界，進而通過算力算法改造現實世界。然而，中國現有基礎設施、設備對制造業智能化發展的支撐不足，且現有算法與通用計算架構難以滿足日益增長的專業需求與高水平計算要求，限制了人工智能對制造業的深度賦能。此外，勞動力替代效應引發的社會關切，以及潛在的安全風險挑戰，已成為制約人工智能深度賦能制造業、提升其應用質效的關鍵掣肘。

AI賦能制造業的縱深路線圖

站在新的歷史起點上，我們必須聚焦產業生態、設備設施智能化改造、人機協同、安全保障等關鍵領域，在更大范圍推動人工智能賦能制造業發展向縱深邁進。

第一，積極構建實智融合的產業生態。

中國擁有體系完整且規模龐大的工業基礎，可為人工智能提供多樣的實踐場景。一個規模化、集群化的生態，是人工智能產業化落地的體現，也是持續推動實體經濟和智能經濟深度融合的基礎。

我們要進一步發揮“頭雁”效應，踐行先立后破。推動人工智能科技創新與產業創新深度融合，做大做強算力算法等人工智能核心產業，同時加快人工智能在設計、中試、生產、服務、運營全環節落地及其在各行業垂直場景的應用，擴大各領域普惠性、降低行業沖擊，促使生態系統實現從簡單到復雜的自然演化。

同時，我們要加快推進人工智能技術較成熟、產業關聯度較高和協同性較強、已有數據積累量較大的部分重點產業的發展，如工業機器人、AI智能體、自動駕駛汽車、無人機等，加大政府采購力度，發揮市場需求的牽引作用，使之與人工智能核心產業形成互相支撐的網狀體系。

第二，加快推進制造業設備設施的智能化改造。

古人云“君子生非異也，善假于物也”。制造業的發展離不開設備設施，而人工智能有效賦能制造業必然以設備設施的智能化改造為前提。人工智能技術及其產業的發展，盡管有明顯的虛擬成分，但其實際上也是一個深刻的物質過程。

制造業場景有大量的工業設備，過去是經驗規則驅動控制；AI基于數據驅動的控制可以更好地完成感知、認知、決策和控制的閉環，實現制造業設備的精準調控。

今后，我們應進一步推進傳感器等小型設備以及道路交通等大型基礎設施的智能化改造，并加快算力中心、數據交易中心、衛星、光纖電纜等智能化基礎設施的新建或升級。特別是，算力為人工智能模型的訓練、推理及復雜計算提供了不可或缺的基礎支持，對于智能技術的進步和制造業的智能化轉型至關重要，故而要優先發展算力設施并優化算力結構布局。

第三，更好地引導人機協同。

人機關系是人役物，抑或人役于物？這是產業現代化進程中必然遇到的問題，濫觴于第一次產業革命。馬克思曾經提出一個尖銳的現象，“在工場手工業和手工業中，是工人利用工具；在工廠中，是工人服侍機器”。

今后，我們要引導制造業向人機協同生產方式變革，推動經濟高質量發展。人工智能可以增強人類的感知，提高精確度、力量以及處理和響應大數據集的能力，并促使人類創造性地利用數學模型、算法、巧妙的設計、新材料和新設備設施，提高人類的生產能力。

對應于工業革命的概念，有學者提出“智業革命”。在智業革命階段，不僅生產函數自動化，實現產品生產產品；知識函數也自動化，實現創意生產創意。

第四，不斷提升人工智能的安全保障水平。

人工智能的發展，既要“放得活”，也要“管得住”。在人工智能賦能制造業高質量發展的過程中，難以預料的結果橫亙在人工智能發展道路上，人工智能事故和侵權日益成為智能時代的新常態，有學者形象地稱該現象為“人工智障”。

今后，我們需要建立健全人工智能風險等級體系，合理審慎監管人工智能軟件、工具、算力和數據資源，鼓勵制造業企業開展數據安全和算法模型安全管理認證，提升人工智能賦能制造業轉型升級的應用安全性，規范技術治理，形成安全有序發展格局。堅持以人為本、制度引領，構建能引領、規范人工智能技術發展應用的社會治理模式與政策體系，使制造業的智能化發展更好地服務于人民群眾，以提高全社會福祉。