AI如何深植实体经济

刘诚

最近，两条看似不相关的新闻，其实恰好从正反两面勾勒出当下AI发展的真实图景。一条来自摩根士丹利，他们最新研报指出，亚马逊、谷歌、Meta这些云巨头在AI上的烧钱力度，已经超过了千禧年互联网泡沫时期的峰值——这直接挑起了人们对AI投资过热的担忧。另一条来自世界经济论坛，新一批全球灯塔工厂出炉，一半来自中国，这又是对“中国制造”数字化转型与智能制造升级的全球标杆地位的一次盖章认证。有意思的矛盾体：人们一边担心泡沫，一边又对AI在制造业里的深度应用赞誉有加。

制造业是立国之本、强国之基。新一轮科技革命加速演进，AI正成为推动制造业高质量发展的重要抓手。一批重点企业以智能制造为引擎，向智能化、绿色化、融合化方向狂奔。

人工智能的“头雁”效应

人工智能，作为引领新一轮科技革命和产业变革的战略性技术，很大程度上决定了一个产业的发展高度和现代化水平。

马克思讲过，社会生产力是随着科学和技术的不断进步而不断发展的。历史数据也印证了这一点。欧美国家靠第一次或第二次产业革命实现了现代化，那时成型靠的是机械化或电气化技术。而中国，要在这一轮历史机遇中实现现代化，很大程度上就得看人工智能的技术创新和产业应用了。

尤其要注意的是制造业。它不仅是科技创新的主要载体，而且在全球主要经济体的增加值和社会就业中占20%到30%的份额。换句话说，制造业的重塑，就是中国式现代化物质基础的来源。抢抓历史机遇，推动“中国制造”迈向“中国智造”，这条路径非常清晰。

人工智能的“头雁”效应，就是它能溢出并带动一大批新兴制造业的涌现。回看全球科技经济史，前三次产业革命都推动了制造业的重大升级：第一次催生了纺织机和蒸汽机；第二次带来了电灯电话电报、钢铁石油汽车；第三次则让我们有了电子产品、计算机、互联网和集成电路。

这一次由AI驱动的力量，不亚于前几次。芯片制造、算力强化（CPU、GPU等）、智能算力中心、算法大模型等核心产业，已经形成了相当规模的产业形态。更重要的是，AI将通过“技术-经济”范式的整体转变，带动传统制造业乃至全社会生产力的跃迁——不光是新产业冒出来，还让老产业全面焕新。

从发展阶段看，中国已经在AI产品制造和应用场景方面积累了比较优势。比如自动驾驶、无人机、人形机器人发展迅猛，可以说正走在全球“技术-经济”范式转变的最前列。深圳与硅谷的对比就很说明问题：深圳的产品迭代速度比硅谷快5到10倍，成本却是1/10到1/5。一个电子产品的创意，从图纸到样品最短只需12小时；一款人形机器人从概念到跑动，最快只用25天。

相比数字化，智能化能更深层次地嵌入制造业。数字技术的应用路径主要是把交易或流通环节信息化、平台化，助推服务业数字化。但在制造业里，采集生产数据、指挥生产设备、控制流程，难度就大得多。所以制造业数字化一直比服务业滞后。而AI则更偏向制造业。通过智能传感器、物联网技术实时收集数据，实现机器与现实的网络连接，为流程智能化改造打下坚实基础。

人类无法用AI的方式感知世界，但AI可以通过传感器触达世界。在智能制造的体系里，传感器就是“感官神经”。温度、压力、流量传感器，已经成为我国AI市场的重要增长动力。加上AI与物联网的融合，制造系统正在呈现以数据驱动为特征的虚实融合和网络协同态势。

值得一提的是，新能源汽车制造已经成为智能制造的主试验场。这有几大原因：汽车制造业规模大、流程标准相对稳定、车间相对封闭，企业用得起AI；汽车本身需要智能化改造，比如自动驾驶和车载娱乐；汽车可以选配置，这正好与智能制造的定制化生产模式契合——不同人需要不同配置时，直接由AI操纵组装。

“达·芬奇难题”待解

不过，尽管AI赋能制造业取得了较快发展，但在产业生态、基础设施等方面仍面临卡点堵点。

一方面，产业生态系统存在短板。中国发展智能经济的优势是应用场景多，但也存在“局部限制整体”的现象。科学史上有道“达·芬奇难题”——发明家基于正确的理论设计出科技产品，却受限于当时的材料、工艺或动力无法应用。AI赋能制造业也有类似问题：核心技术、原材料、零部件、高质量数据等方面受限，导致一些场景应用难以落地。

另一方面，智能设备设施建设滞后。赋能制造业需要智能设备和智能基础设施作为基础，通过万物智联映射和模拟现实世界，再通过算力算法改造现实世界。但目前现有基础设施、设备对制造业智能化发展的支撑不足，现有算法和通用计算架构也难以满足日益增长的专业需求与高水平计算要求。此外，劳动力替代效应引发的社会关切，以及潜在的安全风险挑战，已成为制约AI深度赋能制造业的关键掣肘。

AI赋能制造业的纵深路线图

站在新的历史起点，必须聚焦产业生态、设备设施智能化改造、人机协同、安全保障等关键领域，推动AI赋能制造业向纵深迈进。

中国拥有体系完整且规模庞大的工业基础，能为AI提供多样的实践场景。一个规模化、集群化的生态，是AI产业化落地的体现，也是持续推动实体经济和智能经济深度融合的基础。要发挥“头雁”效应，践行先立后破。推动AI科技创新与产业创新深度融合，做大做强算力算法等核心产业，同时加快AI在设计、中试、生产、服务、运营全环节落地以及各行业垂直场景的应用。扩大普惠性、降低冲击，促使生态系统从简单到复杂自然演化。

同时，要加快推进技术上较成熟、产业关联度较高、协同性较强、已有数据积累较大部分的重点产业，比如工业机器人、AI智能体、自动驾驶汽车、无人机等。加大政府采购力度，发挥市场需求的牵引作用，与AI核心产业形成互相支撑的网状体系。

古人说“君子生非异也，善假于物也”。制造业离不开设备设施，AI有效赋能必然以设备设施的智能化改造为前提。AI技术及其产业，虽然带有虚拟成分，但本质上也是一个深刻的物质过程。制造业场景有大量工业设备，过去是经验规则驱动控制；AI基于数据驱动，能更好地完成感知、认知、决策和控制的闭环，实现对设备的精准调控。

今后应进一步推进传感器等小型设备以及道路交通等大型基础设施的智能化改造，加快算力中心、数据交易中心、卫星、光纤电缆等智能化基础设施的新建或升级。算力为AI模型的训练、推理和复杂计算提供基础支持，对智能技术进步和制造业智能化转型至关重要，所以要优先发展算力设施并优化算力结构布局。

人机关系——是人役物，还是人役于物？这是产业现代化进程中绕不开的问题，第一次产业革命时就已出现。马克思曾尖锐指出：“在工场手工业和手工业中，是工人利用工具；在工厂中，是工人服侍机器。”今后，我们要引导制造业向人机协同的生产方式变革，推动经济高质量发展。AI可以增强人类的感知，提高精确度、力量以及处理和响应大数据集的能力，促使人类创造性地利用数学模型、算法、巧妙的设计、新材料和新设备设施，提升生产能力。

有学者提出“智业革命”的概念，与工业革命相对应。在智业革命阶段，不仅生产函数自动化，实现产品生产产品；知识函数也自动化，实现创意生产创意。

AI发展，既要“放得活”，也要“管得住”。在AI赋能制造业高质量发展的过程中，难以预料的结果横在面前。AI事故和侵权日益成为智能时代的新常态，有学者形象地称之为“人工智障”。今后，需要建立健全AI风险等级体系，合理审慎监管AI软件、工具、算力和数据资源，鼓励制造业企业开展数据安全和算法模型安全管理认证。提升AI赋能制造业转型升级的应用安全性，规范技术治理，形成安全有序的发展格局。坚持以人为本、制度引领，构建能引领、规范AI技术发展应用的社会治理模式与政策体系，使制造业的智能化发展更好服务于人民群众，以提高全社会福祉。