据新华社报道，中共中央政治局4月25日召开会议，分析研究当前经济形势和经济工作。其中，会议提出加快实施“人工智能+”行动。
作为全球制造业大国，人工智能(AI)技术赋能中国传统产业转型升级，未来前景可期。那么，就当前情况而言，创新链和产业链如何无缝对接？政策支持与市场实践之间存在哪些协同与挑战，又该如何克服这些困难？围绕这些问题，中信建投证券研究所高端制造研究负责人、机械行业首席分析师吕娟，国联民生证券首席策略分析师包承超，国金证券机械行业首席分析师满在朋展开对话。
AI应用逐渐深入
有望重塑制造业竞争格局
中国证券报：DeepSeek的创新带来成本极致优化，目前AI技术在传统制造业中的应用现状如何？
吕娟：目前AI大模型可以分为三类：第一类是用于各种类型文本处理的大语言模型，第二类是用于生物医药、化学等领域的科研大模型，第三类是用于与物理世界交互的具身大模型。第一和第三类大模型在制造业都有广阔的应用前景，其中第一类大模型的落地较快，已经有很多制造业企业开始部署，有利于提高信息的处理速度；第三类大模型在中国还处于起步阶段。
包承超：AI技术在传统制造业中的应用正逐渐深入，特别是在汽车制造、电子制造等行业应用较为成熟，AI技术正通过信息共享与预测优化促进上下游协同。在汽车制造中，利用AI视觉检测系统对汽车零部件和整车进行质量检测，能高精度识别缺陷；电子制造领域，AI助力电路板检测，提升检测效率和准确性，实现自动化生产流程优化。
满在朋：AI技术在制造业的多个领域已经形成了成熟应用，显著提升了生产效率、质量和智能化水平。例如在AI视觉检测、设备预测性维护、智能焊接机器人领域有相对成熟的应用，但在更加通用的场景，例如在工业母机中加入AI技术来实现更优的人机交互和自动化生产还处于起步阶段。
中国证券报：AI技术将给制造业带来哪些历史发展机遇？AI是否正加速推进“两链”融合？
包承超：AI技术为制造业带来智能化生产、产品创新和市场拓展机遇。生产方面，AI技术可提高生产效率和质量，降低人力成本；产品创新方面，通过AI技术可优化产品设计、功能；市场拓展方面，可借助AI技术分析消费者需求，开拓新市场。
吕娟：AI技术可以让制造业的运营和研发更高效、产品更加智能化，未来制造业产业链的附加值会更加体现在研发创新和高效运营。AI大模型用得好的制造业企业，未来有望在竞争中更占优势，甚至可能会重塑行业竞争格局，比如在具身智能领域，掌握了先进的具身大模型的企业可以获得更高的市场份额或者后来居上，改变原有的竞争格局。
满在朋：AI技术的出现一方面有望带来一些全新的商业模式，另一方面有望助力制造业实现全流程自动化、缩短产品研发周期、实现智能资源调度等。此外，随着AI技术的发展，以制造为主导的产业链预计会逐步转向以研发(产品创新)、服务(用户数据价值挖掘)作为新增长极，制造业的竞争不再仅限于成本，而是比拼“数据-算法-场景”的三位一体能力。
找准需求痛点
实现创新链和产业链有效对接
中国证券报：对于传统制造业企业来说，应如何更好地引入和应用AI技术以实现转型升级？企业如何确保AI技术与自身业务的深度融合，而非简单的技术叠加？
满在朋：传统制造业企业需要找到具体的痛点，再将对应的AI技术逐步融合进生产的流程中，最好能建立一套以痛点为导向的价值锚定体系，来确保AI技术能和自己业务深度融合并带来较好的经济效益。
包承超：企业应从战略规划、人才培养和技术选型入手引入AI技术。实现深度融合需将AI技术融入业务流程，从生产、管理到销售全环节进行优化，如利用AI优化生产排程、进行质量控制，通过数据分析驱动决策，而不是简单地将AI技术附加在现有业务上。
吕娟：目前泛化能力比较强的AI大模型主要是大语言模型，而制造业需要的AI大模型不只是大语言模型，还需要科研大模型和具身大模型，尤其是具身大模型，如果想实现与制造业的深度融合，就离不开各种垂类模型的发展。目前，我们看到有些企业在开发通用底座，吸引各垂直领域开发者在通用底座上添砖加瓦，希望借此推动在越来越多的垂类场景落地，这是一条值得实践的思路。
中国证券报：在创新链和产业链“两链”有效融合过程中，如何实现成本效益的平衡？要从哪些维度来提升制造业企业的升级意愿？
吕娟：现在企业之所以会担心应用AI技术的成本效益，是因为AI技术应用落地在全球还处于初期，大部分企业还没有实实在在地看到身边或者同行的成功案例，但后续随着成功案例越来越多，企业的顾虑会逐步打消。
提升制造业企业升级意愿的最好办法是市场上推出更好的AI技术、AI应用实例。同时，政府部门要给企业更多方向性的引导，行业协会可以组织相关的研讨会，邀请AI企业参加，供需双方加强对话。
包承超：企业可通过选择合适的AI技术方案、逐步推进应用和加强成本管理来解决成本效益问题。在创新链和产业链对接中，政府可以提供资金补贴、税收优惠等政策支持；行业协会可以搭建共享平台，促进企业间技术交流和资源共享；企业自身要加强成本效益评估，根据实际情况调整AI应用策略，实现成本效益平衡。
满在朋：在场景选择上应该优选高价值密度的场景，通过单点突破的方式建立标杆案例，在此基础上进行平台化的复用，实现实际生产成本的显著下降。关于成本效益的平衡，可以优先开发轻量化的解决方案，用“小样本+迁移学习”减少对数据标注、算力的依赖。搭建行业数据共享平台是非常必要的，只有鼓励企业互相合作，构筑风险共担、收益共享的产业共同体，AI技术才能有更快的应用，而不是形成一个个“数据孤岛”。
释放政策红利
推动产业链智能化革命
中国证券报：当前政策在“AI+制造”方面的支持力度如何？从市场反馈来看，政策支持是否有效激发了企业的创新活力和投资热情？
包承超：当前政策对“AI+制造”支持力度较大，出台了一系列政策鼓励AI技术在制造业的应用和创新，包括设立专项科研基金，支持AI与制造业融合的关键技术研发，鼓励企业开展AI应用试点示范项目等。政策支持在一定程度上激发了企业的创新活力和投资热情，许多企业积极开展AI相关项目。
满在朋：目前，政策已经给予了“AI+制造”方面很大的支持力度，如广东的人工智能与机器人产业创新联盟、各地推出的“AI+”行动、加强AI学科建设等均有利于创新链和产业链对接。随着政策持续落地，企业的创新活力和投资热情得到有效激发，更多的资金在加快向科技企业集聚。
中国证券报：在创新链和产业链的协同创新中，如何突破技术瓶颈、更好实现“两链”融合？未来3年至5年，AI技术在重塑产业链中将呈现哪些新趋势？
满在朋：在创新链与产业链的协同创新中，突破技术瓶颈要以需求为牵引，构建“技术攻关-成果转化-产业升级”的全链条生态，推动产学研深度融合，强化基础研究，推动场景创新。
未来3年至5年AI技术的新趋势主要包括训练成本大幅下降、具身智能快速发展、数实深度融合等，创新链与产业链有望形成“需求感知-技术攻关-场景验证-价值反哺”的闭环生态，中国凭借场景、数据和政策优势，正引领这场全球产业链的智能化革命，为新质生产力发展开辟“中国路径”。
吕娟：AI技术在制造业的应用还处于起步阶段，要突破的地方还很多，以具身大模型为例，需要突破与物理世界交互的技术等。这些技术瓶颈的突破依赖算法的发展、传感器技术的发展、运动控制技术的发展等。
包承超：当前存在的技术瓶颈包括AI大模型的可解释性、数据隐私保护和边缘计算能力，这需要产学研协同攻关。未来3年-5年，AI技术将呈现智能化升级加速、产业融合深化和绿色制造赋能等趋势，将促使企业加强技术创新和合作，创新链围绕产业链需求开展研发，产业链为创新链提供应用场景和实践反馈，进一步推动创新链和产业链深度融合，提升产业整体竞争力。
据新华社报道，中共中央政治局4月25日召开会议，分析研究当前经济形势和经济工作。其中，会议提出加快实施“人工智能+”行动。
作为全球制造业大国，人工智能(AI)技术赋能中国传统产业转型升级，未来前景可期。那么，就当前情况而言，创新链和产业链如何无缝对接？政策支持与市场实践之间存在哪些协同与挑战，又该如何克服这些困难？围绕这些问题，中信建投证券研究所高端制造研究负责人、机械行业首席分析师吕娟，国联民生证券首席策略分析师包承超，国金证券机械行业首席分析师满在朋展开对话。
AI应用逐渐深入
有望重塑制造业竞争格局
中国证券报：DeepSeek的创新带来成本极致优化，目前AI技术在传统制造业中的应用现状如何？
吕娟：目前AI大模型可以分为三类：第一类是用于各种类型文本处理的大语言模型，第二类是用于生物医药、化学等领域的科研大模型，第三类是用于与物理世界交互的具身大模型。第一和第三类大模型在制造业都有广阔的应用前景，其中第一类大模型的落地较快，已经有很多制造业企业开始部署，有利于提高信息的处理速度；第三类大模型在中国还处于起步阶段。
包承超：AI技术在传统制造业中的应用正逐渐深入，特别是在汽车制造、电子制造等行业应用较为成熟，AI技术正通过信息共享与预测优化促进上下游协同。在汽车制造中，利用AI视觉检测系统对汽车零部件和整车进行质量检测，能高精度识别缺陷；电子制造领域，AI助力电路板检测，提升检测效率和准确性，实现自动化生产流程优化。
满在朋：AI技术在制造业的多个领域已经形成了成熟应用，显著提升了生产效率、质量和智能化水平。例如在AI视觉检测、设备预测性维护、智能焊接机器人领域有相对成熟的应用，但在更加通用的场景，例如在工业母机中加入AI技术来实现更优的人机交互和自动化生产还处于起步阶段。
中国证券报：AI技术将给制造业带来哪些历史发展机遇？AI是否正加速推进“两链”融合？
包承超：AI技术为制造业带来智能化生产、产品创新和市场拓展机遇。生产方面，AI技术可提高生产效率和质量，降低人力成本；产品创新方面，通过AI技术可优化产品设计、功能；市场拓展方面，可借助AI技术分析消费者需求，开拓新市场。
吕娟：AI技术可以让制造业的运营和研发更高效、产品更加智能化，未来制造业产业链的附加值会更加体现在研发创新和高效运营。AI大模型用得好的制造业企业，未来有望在竞争中更占优势，甚至可能会重塑行业竞争格局，比如在具身智能领域，掌握了先进的具身大模型的企业可以获得更高的市场份额或者后来居上，改变原有的竞争格局。
满在朋：AI技术的出现一方面有望带来一些全新的商业模式，另一方面有望助力制造业实现全流程自动化、缩短产品研发周期、实现智能资源调度等。此外，随着AI技术的发展，以制造为主导的产业链预计会逐步转向以研发(产品创新)、服务(用户数据价值挖掘)作为新增长极，制造业的竞争不再仅限于成本，而是比拼“数据-算法-场景”的三位一体能力。
找准需求痛点
实现创新链和产业链有效对接
中国证券报：对于传统制造业企业来说，应如何更好地引入和应用AI技术以实现转型升级？企业如何确保AI技术与自身业务的深度融合，而非简单的技术叠加？
满在朋：传统制造业企业需要找到具体的痛点，再将对应的AI技术逐步融合进生产的流程中，最好能建立一套以痛点为导向的价值锚定体系，来确保AI技术能和自己业务深度融合并带来较好的经济效益。
包承超：企业应从战略规划、人才培养和技术选型入手引入AI技术。实现深度融合需将AI技术融入业务流程，从生产、管理到销售全环节进行优化，如利用AI优化生产排程、进行质量控制，通过数据分析驱动决策，而不是简单地将AI技术附加在现有业务上。
吕娟：目前泛化能力比较强的AI大模型主要是大语言模型，而制造业需要的AI大模型不只是大语言模型，还需要科研大模型和具身大模型，尤其是具身大模型，如果想实现与制造业的深度融合，就离不开各种垂类模型的发展。目前，我们看到有些企业在开发通用底座，吸引各垂直领域开发者在通用底座上添砖加瓦，希望借此推动在越来越多的垂类场景落地，这是一条值得实践的思路。
中国证券报：在创新链和产业链“两链”有效融合过程中，如何实现成本效益的平衡？要从哪些维度来提升制造业企业的升级意愿？
吕娟：现在企业之所以会担心应用AI技术的成本效益，是因为AI技术应用落地在全球还处于初期，大部分企业还没有实实在在地看到身边或者同行的成功案例，但后续随着成功案例越来越多，企业的顾虑会逐步打消。
提升制造业企业升级意愿的最好办法是市场上推出更好的AI技术、AI应用实例。同时，政府部门要给企业更多方向性的引导，行业协会可以组织相关的研讨会，邀请AI企业参加，供需双方加强对话。
包承超：企业可通过选择合适的AI技术方案、逐步推进应用和加强成本管理来解决成本效益问题。在创新链和产业链对接中，政府可以提供资金补贴、税收优惠等政策支持；行业协会可以搭建共享平台，促进企业间技术交流和资源共享；企业自身要加强成本效益评估，根据实际情况调整AI应用策略，实现成本效益平衡。
满在朋：在场景选择上应该优选高价值密度的场景，通过单点突破的方式建立标杆案例，在此基础上进行平台化的复用，实现实际生产成本的显著下降。关于成本效益的平衡，可以优先开发轻量化的解决方案，用“小样本+迁移学习”减少对数据标注、算力的依赖。搭建行业数据共享平台是非常必要的，只有鼓励企业互相合作，构筑风险共担、收益共享的产业共同体，AI技术才能有更快的应用，而不是形成一个个“数据孤岛”。
释放政策红利
推动产业链智能化革命
中国证券报：当前政策在“AI+制造”方面的支持力度如何？从市场反馈来看，政策支持是否有效激发了企业的创新活力和投资热情？
包承超：当前政策对“AI+制造”支持力度较大，出台了一系列政策鼓励AI技术在制造业的应用和创新，包括设立专项科研基金，支持AI与制造业融合的关键技术研发，鼓励企业开展AI应用试点示范项目等。政策支持在一定程度上激发了企业的创新活力和投资热情，许多企业积极开展AI相关项目。
满在朋：目前，政策已经给予了“AI+制造”方面很大的支持力度，如广东的人工智能与机器人产业创新联盟、各地推出的“AI+”行动、加强AI学科建设等均有利于创新链和产业链对接。随着政策持续落地，企业的创新活力和投资热情得到有效激发，更多的资金在加快向科技企业集聚。
中国证券报：在创新链和产业链的协同创新中，如何突破技术瓶颈、更好实现“两链”融合？未来3年至5年，AI技术在重塑产业链中将呈现哪些新趋势？
满在朋：在创新链与产业链的协同创新中，突破技术瓶颈要以需求为牵引，构建“技术攻关-成果转化-产业升级”的全链条生态，推动产学研深度融合，强化基础研究，推动场景创新。
未来3年至5年AI技术的新趋势主要包括训练成本大幅下降、具身智能快速发展、数实深度融合等，创新链与产业链有望形成“需求感知-技术攻关-场景验证-价值反哺”的闭环生态，中国凭借场景、数据和政策优势，正引领这场全球产业链的智能化革命，为新质生产力发展开辟“中国路径”。
吕娟：AI技术在制造业的应用还处于起步阶段，要突破的地方还很多，以具身大模型为例，需要突破与物理世界交互的技术等。这些技术瓶颈的突破依赖算法的发展、传感器技术的发展、运动控制技术的发展等。
包承超：当前存在的技术瓶颈包括AI大模型的可解释性、数据隐私保护和边缘计算能力，这需要产学研协同攻关。未来3年-5年，AI技术将呈现智能化升级加速、产业融合深化和绿色制造赋能等趋势，将促使企业加强技术创新和合作，创新链围绕产业链需求开展研发，产业链为创新链提供应用场景和实践反馈，进一步推动创新链和产业链深度融合，提升产业整体竞争力。
