賽迪：人工智能賦能新型工業化：范式變革與發展路徑

中國電子信息產業發展研究院信息化與軟件產業研究所二O二五年四月人工智能賦能新型工業化：范式變革與發展路徑1新型工業化具有新的時代內涵習近平總書記指出：新時代新征程，以中國式現代化全面推進強國建設、民族復興偉業，實現新型工業化是關鍵任務。要完整、準確、全面貫徹新發展理念，統籌發展和安全，深刻把握新時代新征程推進新型工業化的基本規律，積極主動適應和引領新一輪科技革命和產業變革，把高質量發展的要求貫穿新型工業化全過程，把建設制造強國同發展數字經濟、產業信息化等有機結合，為中國式現代化構筑強大物質技術基礎。是以新發展理念為引領、把高質量發展要求貫穿始終的工業化。是順應高端化智能化綠色化發展潮流、著力實現發展方式根本變革的工業化。是更好統籌發展和安全、更加自信自立自強的工業化。新發展理念引領的工業化

順應發展潮流的工業化

統籌發展和安全的工業化

—2推動工業范式變革人工智能將推動工業范式變革二3當前，世界百年未有之大變局加速演進，新一輪科技革命和產業變革深入發展，人工智能作為第四次工業革命的核心技術，以其獨特的 技術優勢和變革潛力，契合新型工業化的內在要求，將全方位、深層次賦能工業發展，產業智能化、融合化、綠色化加速，促進全球 產業鏈供應鏈深度調整。虛擬和現實技術創新范式變革供給和需求組織管理范式變革時間和空間生產制造范式變革人工智能將推動工業范式變革人工智能打破“虛擬和現實”的邊界，推動技術創新范式的根本性變革。傳統制造業的產品研發、工藝優化及流程再造等，往往依賴“老師傅”經驗，且都要進行大量物理空間中的實驗驗證，往往周期長、費用高、風險大。物理空間試驗驗證數字空間仿真驗證4連通了物理空間與數字空間，促進設計、仿真、驗證等環節都可以在數字空間完成，數字空間的實時高效、零邊際成本、靈活構架等特點和優勢，大幅減少了物理空間試驗驗證的時間成本和經濟成本；推動技術創新模式從經驗試錯向數據驅動轉變，大幅提升了技術創新的效率和準確性。二典型案例：Google發布新材料研發模型GNoME在過去十年中，全世界各國的科學家通計算機模擬的方法發現了28000種新材料。加上人類利 用傳統實驗的方法發現的大約20000種穩定性材料，在使用人工智能輔助材料發現之前，人類 發現的穩定晶體數量總共達到了48000個。借助人工智能材料發現工具GNoME模型，科研人員在短時間內發現了220萬種新晶體，這相 當于人類科學家近800年的知識積累，其中38萬種新晶體具備穩定的結構，成為最有可能通 過實驗合成并投入使用的潛在新材料。得益于GNoME的強大能力，人類已知穩定材料的數量 增長了近10倍，達到42.1萬種。人工智能將推動工業范式變革人工智能突破“時間和空間”的限制，推動生產制造范式的根本性變革。二過去歷史數據利用現在生產計劃優化未來預測性維護時間無閾化空間無界化多工廠聯動生產區域間產能互補產業鏈協同技術能力共享遠程運維服務典型案例：長安汽車構建“六國十地”24小時全天候全球研發布局長安汽車通過建立以三維數字化設計和全球協同設計為核心的汽車產品智能化研發云平臺，實 現各項設計工作跨部門、跨企業、跨區域的同步進行，保障設計方案的協調與適配。這種全球 協同研發模式使得長安汽車能夠充分利用各地的優質資源，不僅提升了研發效率，還確保了不 同國家和地區研究中心之間的數據實時傳遞和協作。長安汽車已在中國、美國、德國、英國、日本、意大利構建起“六國十地”全球研發布局，與 海外設計中心進行24小時全天候產品聯合開發，實現了跨部門、跨企業、跨區域的產品協同設 計，支撐產品研發周期從36個月縮短至24個月。5人工智能將推動工業范式變革人工智能打通“供給和需求”的隔閡，推動組織管理范式的根本性變革。二供應商

批量標準化生產

庫存積壓層級經銷商被動消費者傳統供給導向模式新型供需協同模式主動需求方個性化需 產品設計 使用體驗求表達 參與 反饋協同供給方柔性智能 供應鏈協 服務模式制造

同 創新智能協同中樞數據分析需求預測資源調配智能決策典型案例：上汽C2B大規模個性化智能定制上汽大通汽車有限公司積極探索并實踐C2B大規模個性化智能定制模式，以用戶需求為中心驅動整個制造體系智能化升級，推動汽車生產從B端標準主導到C端數據主導。從車型的開發階段開始讓用戶深度參與全過程，并且打通了產品、用戶需求、制造過程中的數據壁壘，能夠準確響應用戶定制的個性化需求，最終實現企業的全價值鏈數字化在線。依托“蜘蛛智選”、“我行MAXUS”、“房車生活家”等平臺，推動新模式下的組織結構 轉型。建立基于產品全生命周期運營的新營銷體系，通過AI與包括車主、潛在客戶、高意 向人群在內的泛大眾互動，積累了2億+客戶標簽和5000萬+人群數據信息，通過對數據的 提煉和分析，推動新產品開發及產品迭代。6人工智能技術大規模應用推廣迎來重要契機三

一

一項技術能否引發經濟社會的根本性變革，關鍵要看能否實現“雙降”，即降低門檻、降低成本。1885年，卡爾·奔馳制造出全球第一輛裝配汽油發動機的三輪車，并于1886年1月29日在德國申請專利，人類歷史上第一輛汽車就此誕生。發明之初，由于技術復雜、生產成本高昂，只有少數富人和企業能夠負擔得起。1913年，亨利·福特通過引入流水線生產方式，進一步極 大地降低了汽車的制造成本和生產時間。當年其它汽車制 造公司生產一部車需要700多小時，而福特T型車只要12.5 小時，T型車的售價直降到360美元。低廉的價格使中產 階級和普通消費者也能夠承擔得起，從而使汽車成為了一 種廣泛采用的交通工具。隨著時間的推移和技術的不斷進步，汽車制造商們開始致力于降低成本。1908年10月1日，福特T型車正式上市，售價僅為850美元。當時美國汽車普遍售價在4700美元左右，相當于當時一個小高管5-6年左右的收入，而T型車基本只要花一年收入就能擁有，低廉的售價最終讓亨利·福特收到了大量訂單。蒸汽機7計算機汽車人工智能技術大規模應用推廣迎來重要契機降成本騰訊混元-standard，價格下調了87.5%DeepSeek-V3的訓練成本僅為GPT-4o的1/20通義千問9款大模型齊降價，最高降價幅度達97%文心大模型的兩款主力模型ERNIESpeed和ERNIE

Lite全面免費2024年5月科大訊飛宣布訊飛星火Lite版輕量化大模型API永久免費開放2025年1月至今百度官方宣布文心一言將于4月1日全面免費百度李彥宏：大模型推理成本每年降低90%以上MaaS平臺：模型即服務，面向產業提供模型調用、微調、部署等在內的全鏈條服務。開源社區：打造“中央廚房式”人工智能創新模式。聚焦大模型“開發-訓練-測試-托管-應用”全鏈條創新需求，在算力、數據、工具等層面構建共性能力資源池，通過集中化部署、按需調用方式構建創新生態。降門檻開源項目：DeepSeek的高性能、低成本以及開源開放策略，推動國內頭部互聯網平臺（微信、百度）、三大電信運營商、超過15家芯片廠商，以及涵蓋手機制造、汽車制造、政務數字化等領域的多家企業宣布接入。微軟、英偉達、亞馬遜等國際領軍企業也相繼宣布接入。人工智能技術正在被廣泛應用三8

一

人工智能作為當今時代的通用性技術，成本和門檻不斷降低，為賦能千行百業打開新空間。人工智能賦能新型工業化加快走深向實四

一

全鏈條智能化驅動制造業升級， 催生研發生產服務新模式軟硬件產品智能化迭代升級， 培育形成經濟發展新增長極AI

Agent（智能體）嶄露頭角AI

Agent可完成從規劃到執行的復雜流程，展現出跨場景、跨領域的通用能力。9AI終端產品開辟高成長性消費新賽道2024年我國智能家居系統增長22.9%。“雙11”期間京東AI硬件成交額同比增長超過100%。高端裝備智能化重塑產業競爭新優勢中建五局工程創新研究院研發橋梁鋼筋網片智能焊接機器人，實現過程全自動高效焊接。多技術跨領域深度融合創新，激發產業高質量發展新動能人形機器人加速市場化落地湖南張家界引入人形機器人與游客互動。宇樹科技Unitree

H1和G1人形機器人線上開售。預計全球人形機器人市場規模將從2024年20.3億美元增長到2029年132.5億美元，復合年增長率達45.5%。自動駕駛催生出行新業態蘿卜快跑支持L4級無人駕駛，已在北京、上海、廣州、深圳、武漢、重慶等多個城市的部分區域開通服務。智慧低空運輸加快低空經濟發展深圳市打造低空航線，支持無人機送外賣、無人機送快遞、低空飛行等新型業態。個性化定制萬事利絲綢用AIGC定制絲巾，從用戶自主設計到完成生產最快只需2個小時。智能化生產中天鋼鐵基于百度智能云千帆大模型打造“企業調度中樞”，實現智能調度排產。預測性維護河北鋼鐵利用大模型實現預測性維護，設備運維成本降低5%，作業效率提升10%。華晨寶馬團隊將AI視覺檢測系統應用于汽車缸蓋質

量檢測，有效提高檢測精度，生產效率提高近30%。人工智能賦能新型工業化發展路徑五

一

1夯實一個底座算力-算法-數據三位一體2賦能兩大方向橫向賦能行業-縱向賦能產品1做好一系列場景推廣賦能中心、典型場景、供需對接2強化兩大保障政策保障、支撐保障加強政策保障?試點示范?組織領導?政策支持?標準體系?人才引培?公共服務加強支撐體系建設人工智能賦能新型工業化重點場景推廣：應用賦能中心、典型應用場景、應用供需對接夯實人工智能賦能底座算力數據算法智造產品升級高端裝備智能化軟件產品智能化終端產品智能化+縱向：人工智能產品橫向：人工智能+行業運維管理營銷服務10研發設計中試驗證生產制造智造流程提升人形機器人自動駕駛低空產業腦機接口融合創新突破人工智能賦能新型工業化發展路徑五

一

夯實一個底座：夯實人工智能賦能底座芯片算力近年來，我國算力需求呈指數級增長，多地積極布局算力產業。截至2024年底，我國算力總規模達280EFLOPS（每秒百億億次浮點運算，以FP32單精度計算），其中智能算力規模達90EFLOPS（FP32），占比達32%。支持AI芯片測試研發，構建配套軟件平臺生態。推動算力基礎設施高質量發展，打造云邊端一體的算力能力。堅持政府引 導、市場主導原則，有序推進算力網絡“點、鏈、網、面”體系化發展， 研究推出算力“揭榜”、算力賦能等系列專項行動，持續優化算力資源布 局、強化核心技術攻關、提升網絡服務質量、豐富算力應用場景。圖片來源：中航證券推動算力中心單點提質點鏈促進產業發展串珠成鏈加快網絡升級“連算成網”網面引導應用創新全面賦能11人工智能賦能新型工業化發展路徑五算法模型

一

夯實一個底座：夯實人工智能賦能底座當前，從小模型到大模型，再到統一多模態大模型成為行業主流共識。隨著多模態大模型的不斷突破，加強語言、視覺、多模態等底層算法研究，開發適應工業領域特點的高性能算法。推動大模型增強對工業領域跨場景任務、復雜環境適應性，促進大模型與小模型協同應用。科技創新2030—“新一代人工智能”重大項目《可解釋、可通用的下一代人工智能方法重大研究計劃2023年度項目指南》AI產業創新任務揭榜掛帥（未來產業揭榜掛帥）圖片來源：AI探索時代人工智能有望在更廣泛的應用場景中實現口語對話、視覺問答、智能創作等多種功能，為傳統行業賦能注入新的想象空間。這一技術趨勢必將進一步加速人工智能與制造業的融合創新，為新型工業化發展開辟廣闊前景。12人工智能賦能新型工業化發展路徑五

一

夯實一個底座：夯實人工智能賦能底座數據供給GPT-5的訓練數據有可能達到200TBGPT-3數據集達到了753GBGPT-1數據集4.6GBGPT-4的數據量更是GPT-3的數十倍以上數據來源：網絡公開信息整理海量高質量數據是大模型泛化涌現能力的基礎。從行業前沿趨勢來看，大模型訓練使用的數據集規模呈現爆發式的持續增長，對訓練數據的數據量、多樣性和更新速度方面也提出了更高的要求。支持工業企業加強數據管理能力建設，提升數據采集、清洗、標注、加工和

共享開放水平。研究制定工業數據共享開放、交易流通的標準規范，明確數據產權歸屬、定價機制、交易規則、收益分配等。匯聚研發設計、生產制造、經營管理、市場服務各環節的多模態數據，構建

行業語料庫、提示詞語料庫。13人工智能賦能新型工業化發展路徑五

一

橫向——人工智能+行業：智造流程提升全流程圍繞研發設計、中試驗證、營銷服務、運營管理等環節，秉持從易到難、由點及面、長期迭代的原則，逐步實現制造業全流程智能化。短期：聚焦供應鏈管理、營銷服務等外圍業務環節中期：向設計研發、生產制造等核心業務延伸拓展長期：打造全流程的制造業智能化升級14在初期，可優先選擇場景環節所涉及的業務 場景相對標準化，技術門檻較低的領域開展 應用示范。利用成熟的人工智能解決方案，快速實現規 模化突破，建立示范標桿，樹立行業信心。可逐步將人工智能應用向設計研發、生產制造等制造業核心環節滲透。聚焦不同的場景，攻克人工智能技術與 復雜工業場景深度融合難題，形成一批 切實可行的核心業務智能化解決方案。力爭在人工智能賦能制造業的道路上實現 革命性突破，構建起全流程、全要素、全 場景的行業應用人工智能體系。推動人工智能新技術、新產品、新模式在制造業全流程各環節全面滲透應用。人工智能賦能新型工業化發展路徑五

一

橫向——人工智能+行業：智造流程提升全流程圍繞研發設計、中試驗證、營銷服務、運營管理等環節，秉持從易到難、由點及面、長期迭代的原則，逐步實現制造業全流程智能化。運營管理智能化0304中試驗證智能化0102全流程智能化15研發設計智能化AI生成圖紙、模型、自動生成工業代碼推行智能虛擬中試，減少物理實驗生產制造智能化智能生成設備控制算法和工業參數智能客服、數字人、商品三維模型訂單、庫存等智能化供應鏈管理人工智能賦能新型工業化發展路徑五

一

人形機器人橫向——人工智能+行業：融合創新突破據市場研究機構Markets

and

Markets數據預測，人形機器人市場預計將從2024年的20.3億美元增長到2029年的132.5億美元，復合年增長率（CAGR）高達45.5%。據高盛預測，在理想狀態下，2035年人形機器人全球市場規模有望達到1540億美元，復合增長率達到94%。決策模塊多模態大模型融合語音、圖像文本、傳感信號和3D點云等多模態信息，增強

復雜環境下機器人的認知和決策能力。感知模塊深度學習機器視覺、圖像識別運控模塊伺服控制、運動規劃先進地方經驗政策驅動與資金支持北京：《機器人產業創新發展行動方案》，100億元機器人產業發展基金。上海：《上海市促進智能機器人產業高質量創新發展行動方案（2023-2025年）》，百億元規模人形機器人產業基金。創新平臺搭建北京：國家地方共建具身智能機器人創新中心。上海：國家地方共建人形機器人創新中心、異構人形機器人訓練場。產業鏈整合與場景驅動創新深圳：擁有5.11萬家機器人相關企業，產業鏈總產值超1700億元，核心零部件（如減速器、電機）和整機制造能力突出。杭州：在醫療康養、文旅教娛、應急作業、安保巡邏、城市管理、教育科研、生活服務等方面探索應用落地。舉措建議優化產業鏈協同機制，避免重復建設建立區域分工協作體系：明確城市定位，推動核心零部件跨區域產能共享。構建開源技術生態：打造國家級開源平臺，鼓勵頭部企業開放部分專利池。加速場景規模化落地，破解商業化難題分級開放高價值場景：民生剛需場景、工業高附加值場景、創新實驗場景。16創新商業模式：支持企業從“賣硬件”轉向“賣服務”，探索機器人租賃模式。3.深化國際合作，提升全球競爭力參與國際標準制定：聯合ISO、IEEE等組織發起人形機器人相關標準提案，支持有能力城市舉辦全球人形機器人峰會。布局海外市場：根據不同海外市場需求推廣相應垂域機器人，建立“一帶一路”機器人合作中心。人工智能賦能新型工業化發展路徑五自動駕駛

一

橫向——人工智能+行業：融合創新突破近年來，中國智能駕駛市場呈現爆發式增長，據沙利文預測，中國預計成為全球最大的Robotaxi服務市場，2030

年將達到390億美元，約占全球份額的一半以上。目前國內：L2級仍為主流

L3級加速量產：2025年或迎來商業化元年，如極氪浩瀚智駕、華為ADS

4.0

L4級試點深化：北京、深圳等地開放無人商業化試點，百度Apollo、MOMENTA、小馬智行等加速

Robotaxi布局頂層框架和地方法規相輔相成國家層面國家政策加速智能駕駛標準制定和試點工作快速推進，持續深化智能網聯汽車在軟硬件標準、安全準則、運營資質等方面的要求。2024年6月，工業和信息化部等四部門確定首批9個進入智能網聯汽車準入和上路通行（L3）試點的企業，高級別自動駕駛商業規模落地有望提速。地方層面各地政策快速跟進，以支持自動駕駛技術的測試和應用，推動自動駕駛規模化量產和商業化運營，例如：北京：《北京市自動駕駛汽車條例》上海：《上海市加快智能網聯汽車創新發展實施方案》“駛”向何方制度創新與治理體系重構建立自動駕駛法律權責動態修訂機制；實施跨境數據流動監管沙盒試點；推行商業化保險與極端場景應急補償制度技術攻堅與基建全域覆蓋突破多模態感知融合算法壁壘；部署標準化V2X車路協同設備；構建5G邊緣計算與高精地圖動態更新網絡產業鏈重塑與國際競爭力提升大力發展激光雷達/芯片；強化ISO自動駕駛安全認證標準制定17人工智能賦能新型工業化發展路徑五

一

縱向——人工智能+產品：加快產品裝備智能化推動大模型與智能網聯汽車、智能醫療裝備、智能無人機等深度融合。優化高端裝備精準控制、群體實時協同能力，提升自檢測、自適應和自組織水平。典型案例建設內容在通州區、順義區、朝陽區、昌平區、密云區、懷柔區、海淀區、石北京市車路云一體化新型基礎設施建設景山區、豐臺區、門頭溝區、房山區、大興區、亦莊經開區共選取

2324平方公里范圍內約6050個道路路口開展建設，以及除上述道路路口外本項目雙智專網網絡中心的建設和改造。數據來源：網絡公開信息整理圖片來源：央視18人工智能賦能新型工業化發展路徑五

一

縱向——人工智能+產品：推動智能消費終端升級換代圍繞智能家電、智能安防、智能手機、智能穿戴等產品，促進量大面廣的消費終端向智能升級。推動人工智能與腦機接口、人形機器人、元宇宙、衛星互聯網等協同創新，研發面向未來產業的下一代智能終端。據IDC的預測，AI

PC預計在中國市場很快完成滲透迭代，窗口期僅約2年。2023年AI

PC（不含AI平板電腦）在中國市場滲透率為8%，2024年預期到55%，2025年預期到75%，未來兩年國內AI

PC市場將出現高速增長。到2027年，中國AI

PC市場的銷售額將從目前的175.3億元增長至2308億元，增長幅度達到13.16倍。19人工智能賦能新型工業化發展路徑五

一

縱向——人工智能+產品：推動智能軟件創新應用充分利用大模型能力，發展智能編程等輔助軟件，推動大模型與工業軟件的結合，促進工業軟件向低代碼、零代碼開發。鼓勵開發AI原生的工業APP，推動智能工業App資源庫建設，全面提升企業智能化水平。百度、阿里等內部AI代碼生成占比已達到30%左右圖片來源：百度數據來源：網絡公開信息整理寶馬、豐田、中國一汽等車企以及中信銀行、郵儲銀行等銀行使用20人工智能賦能新型工業化發展路徑五

一

加強央地聯動，發揮地方優勢，引導特色發展持續完善人工智能賦能新型工業化政策體系發揮財政資金引導作用，部署相關科技項目和重大工程支持區域先行先試中國軟件評測中心：磐石（大模型安全性能檢測）數據分級分類、應急處置生成內容安全監管創新安全治理工具聯合國工發組織全球工業和制造業人工智能聯盟人才、技術、資本“引進來”企業的智能產品解決方案“走出去”參與國際治理產業政策國際合作安全保障完善政策保障體系21人工智能賦能新型工業化發展路徑五

一

加大人工智能領域高端人才引育力度。完善人才引育政策，營造適宜頂尖科學家、領軍人才和高水平創新團隊引、育、留的良好環境。創新“AI+制造”復合型人才培養模式。鼓勵高校設置人工智能相關學科專業，加強人工智能基礎理論與制造業應用實踐教學，推動大模型等前沿技術與工程實踐深度融合。建設公共服務平臺。優化布局

人工智能領域制造業創新中心、產業技術基礎公共服務平臺和重點實驗室等創新載體，加強關鍵共性技術供給。完善開源體系建設。支持一批 高水平開源項目落地應用。建立健全人工智能賦能新型工業化標準體系。研發設計、中試驗證、生產制造、營銷服務、運營管理、重點行業。完善評測機制。建立大模型工業應用測試問題集，構建高效可信的評測體系。標準與評測體系人才引進培育管理與服務體系完善支撐保障體系22人工智能賦能新型工業化趨勢展望六

一

技術范式從判別式向“生成式+判別式”演進賦能環節從輕量應用向核心環節延伸推動工業范式變革覆蓋主體從大型企業向中小型企業拓展麥肯錫數據顯示，2025年1月，17家新晉燈塔工廠排名前五的用例中，77%應用了判別式AI，9%應用了生成式AI，助力燈塔工廠在制造成本、生產周期時間和缺陷率等方面改善50%以上。在燈塔工廠認定申請中出現的前五大用例中人工智能所占百分比批次2018年9月2019年1月2019年7月2020年1月2020年9月2021年3月2021年9月