2026-03-04 20:14
扫码打开虎嗅APP
本文来自微信公众号： 每经头条 ，编辑：董兴生，作者：每经记者
3月4日下午3时，全国政协十四届四次会议开幕。
去年底召开的中央经济工作会议提到，要围绕发展新质生产力，推动科技创新和产业创新深度融合。并提到，坚持创新驱动，加紧培育壮大新动能。深化拓展“人工智能+”，完善人工智能治理。
AI（人工智能）真正形成生产力，最需要突破的是什么？工业领域培育新质生产力的核心突破口在哪里？制造业场景的AI监管应遵循哪些底线和原则？“十五五”期间需要解决哪些AI治理问题？
3月3日，围绕上述一系列问题，《每日经济新闻》记者（以下简称“NBD”）在全国政协经济界别驻地现场采访了全国政协委员、工业和信息化部原副部长王江平。
王江平在工信领域深耕近40年。过去一年，他投入大量精力调研我国的大科学装置、大型科研机构及大型制造业企业，对人工智能如何赋能新型工业化、推动制造业转型升级，以及人工智能治理等问题进行了深入研究。在采访中，他也分享了对这些议题的思考。
需强化“AI for Science”与“AI for R&D”相结合
NBD：2026年是“十五五”开局之年，工信部明确提出锚定新型工业化、发展新质生产力的目标。你认为工业领域培育新质生产力的核心突破口在哪里？如何平衡传统产业转型升级与新兴支柱产业培育的关系，让新质生产力真正落地见效？
王江平：培育新质生产力的突破口，在于瞄准战略性新兴产业和未来产业。人工智能的出现使科研范式发生根本性变革，推动人类对微观世界的认识在深度、广度上实现深刻变化，效率大幅提升，形成新的科研范式。因此，发展新兴产业和未来产业，必须充分运用人工智能工具，由此产生了“AI for Science”（人工智能驱动科学创新）和“AI for R&D”（人工智能赋能研究与试验发展）。
“AI for Science”主要面向科学研究，解决从0到1的问题；制造业转型升级、开发新产品新工艺，则是解决从2到10的问题，需要依靠“AI for R&D”。因此，必须强化“AI for Science”与“AI for R&D”的结合，实现从科学预测到验证、小试、中试直至产业化的全过程，使技术真正转化为生产力，完成从0到10的跨越。所以，“十五五”期间，需要特别强化二者的结合，这也是中央提出的科技创新与产业创新深度融合的要求。
NBD：你提到，AI在推动新质生产力中处于核心位置。AI真正形成生产力，最需要突破的是什么，是技术、数据、算力，还是制度与标准？
王江平：目前来看，这些领域各有各的短板，且不同领域的短板各不相同。某些领域数据是短板，另一些领域标准可能是短板。
我认为，应该分行业研究，针对存在的短板精准施策。总体而言，数据短板较为突出，特别是细分领域数据。此外，验证环节尤其是AI自主验证也是短板。要将“AI for Science”真正转化为生产力，验证环节至关重要。
NBD：具身智能、工业机器人及AI工厂正在加速普及。你进行了大量调研，如何看待AI对制造业就业结构的影响？政府将如何平衡产业升级与就业稳定的关系？
王江平：AI广泛应用对就业的影响是确定的，诸多岗位将因AI应用而被替代。从政府角度，应迅速解决这部分人员的能力提升问题。我认为有很多解决方法，比如提供补贴、缩短工作时间、开展培训等，这些都很重要，但最关键的是人类“元能力”的培养。所谓元能力，是指适应社会、适应工作岗位所需的基本通用能力。在AI时代或数字化时代，AI素养、数字素养是所有人都应提升的，这是元能力的体现。
因此，我认为政府应着力强化：第一，元能力培养；第二，相应的培训及AI素养提升；第三，新岗位的培育。AI应用虽然会替代部分岗位，但也会催生新岗位，培育这些新岗位也十分重要。据我了解，人社部、教育部已经出台相关文件，当前关键是要抓好落实。
生产线上的工业机器人图片来源：每经记者叶晓丹摄
NBD：我们关注到，今年初工信部牵头部署实施“人工智能+制造”专项行动，你对推动“人工智能+制造”有何期待和建议？
王江平：展望未来，要真正实现全方位、深层次、高水平的“人工智能+制造”融合，我建议各方把握三个关键：
一是坚持场景驱动，深挖价值。各地应结合自身产业特色和集群优势，系统梳理并深挖从工艺优化、智能质检到供应链协同等应用场景，将其精准转化为可建模、可计算、可迭代的AI任务。要建设并开放一批“人工智能+制造”应用场景，通过场景创新反哺关键技术迭代。
二是注重分类施策，精准滴灌。对龙头企业和央国企，鼓励其先行先试，打造行业平台和工业智能体，带动产业链整体转型。对广大中小企业，则需通过“深度行”活动、赋能服务团等方式，提供“小快轻准”的低成本解决方案和清晰易懂的应用指南，切实解决其“不会用、用不好”的转型难题。
三是构建协同生态，开放共赢。政府应积极引导，推动产业链上下游企业、高校、研究机构共建“AI+制造”创新联合体或“场景实验室”，形成“企业出题、院校答题、市场验题”的协同创新机制。同时，鼓励融入全球创新网络，参与国际标准制定，通过开放协作提升我国产业话语权。
唯有构建起政府、企业、学界、社会多元协同的繁荣生态，才能将“人工智能+制造”专项行动的宏伟蓝图，最终转化为制造业高质量发展的生动实践，为制造强国、网络强国和数字中国建设奠定坚实基础。
NBD：当前我国大模型数量较多，但产业渗透率仍不高。你如何看待AI领域同质化竞争与资源浪费的问题？应如何引导行业从“拼参数”转向“拼应用”？
王江平：其实人工智能应用尚处于起步阶段。总体而言，我国比美国及其他国家更重视应用，走得也相对较快。但如你所说，当前确实存在做基础模型，拼参数、拼打分但轻视应用的倾向。因此，国家提出“人工智能+”行动、“人工智能+制造”行动，就是要推动人工智能解决千行百业的痛点、难点。
所以，在制造业领域，我认为应该鼓励开发细分行业的垂直模型。要做好细分行业垂直模型，就需要建设细分行业的高质量数据集；模型要在企业应用，企业的数字化管理基础必须良好，否则无法落地。
这是一个系统工程：基础模型要做好，行业模型要做好，用通识知识做行业模型，还要做垂直模型、场景模型，这都需要高质量数据集。垂直模型和场景模型做出来，应用于解决工厂具体问题，需要工厂自身的数据治理基础到位。
因此，对企业而言，首先要补课，做好数据管理；供给侧有了高质量的数据集，做出好的垂直模型、场景模型，才能到数据管理到位的企业去应用。
制造业企业纷纷打造智能工厂图片来源：每经记者黄海摄
NBD：前几年我国一直在提“人工智能+”，从去年开始谈“智能经济”。你认为从“人工智能+”到“智能经济”的转变，释放出什么信号？若要实现从“人工智能+”向“智能经济”转变，关键要解决哪些问题？
王江平：过去讲数字经济，指产业数字化和数字产业化，这是基于大数据技术应用提出的。随着人工智能不断发展，赋能千行百业、渗透日益深入，现在出现数字经济与智能经济并存的局面，有人称之为“数智经济”。
同样，也存在产业智能化和智能产业化。产业智能化指各行各业如何实现智能化；智能产业化指发展智能核心产业，包括模型、智能体等。今后应是数字经济与智能经济并存的局面，包括智能经济核心产业和产业智能化外围产业。显然，智能经济发展离不开“人工智能+”，只有高水平、全方位、深层次的“人工智能+”应用，才能有智能经济的美好未来。
NBD：你特别提到AI安全，这也是社会高度关注的问题。你认为，工业领域、制造业场景的AI监管应遵循哪些底线和原则，才能既鼓励创新又防范风险？
王江平：我很赞同这个问题，我们谈安全不应泛泛而谈，而应聚焦到具体行业。人工智能应用带来的安全问题已经开始显现，解决这些问题必须分行业思考，制造业与医疗、教育等行业面临的问题各不相同。
就制造业而言，这是一个特殊行业，对模型有很高要求：一是可解释性要高。模型如何得出结论、提出建议，必须可追溯、可理解，否则厂长、工程师不敢使用；二是鲁棒性（指系统在面临不确定性、干扰或异常情况时，仍能保持其核心功能和性能稳定的能力）要强。模型稳定性要好，不能稍有波动就无法使用或结果失真；三是控制低延迟性，甚至超低延迟性，这是工业领域的特殊要求。这些因素对工业安全影响重大。
因此，AI进入制造业，特别是进入生产运营环节，目前较为谨慎。现在看来，AI在“微笑曲线”两端应用较多，在生产运营环节应用较少，原因正在于此。
NBD：“十五五”规划建议中明确提出，要加强人工智能治理，完善相关法律法规、政策制度、应用规范、伦理准则。当前AI发展和治理之间存在怎样的“堵点”？你认为哪些具体问题需要在“十五五”期间得到解决？
王江平：当前最大的“温差”或“堵点”，在于技术迭代的指数级速度与治理体系渐进式更新之间的时差。技术快速发展，而规则还在慢跑，这就容易形成治理真空。具体来说，有三大问题亟待“十五五”期间破题，即治理理念、治理技术、治理法规。
首先，是治理理念的更新。我们需要超越“监管”与“发展”的二元对立，建立一种“敏捷治理”或“韧性治理”的理念。治理不是“踩刹车”，而是“设路标”和“装护栏”，既要划定安全底线，也要为创新留出足够的试错和演进空间。这要求我们的治理思维具备前瞻性和适应性。
其次，是治理技术的突破。治理不能停留在纸面规定，必须拥有可落地的技术抓手。其中，“人机对齐”技术是关键。它旨在通过技术手段，确保AI系统的目标、行为和输出与人类的价值观、意图及社会规范保持一致。我们需要大力投入对齐技术的研发，建立国家级评估标准和实验室，让“向善”可度量、可检验。
最后，是治理法规的完善。要加快构建分层分类、精准有效的法律规范体系。对于高风险应用（如自动驾驶、智慧医疗），需建立强制性准入和持续监测机制；对于通用技术，则可通过标准、指南进行引导。同时，要建立有效的企业自律与第三方监督机制，形成政府、企业、社会协同共治的格局。
