问题——“人工智能+”从试点走向规模化仍有堵点。政府工作报告提出深化拓展“人工智能+”，发出以数字技术推动现代化产业体系建设的清晰信号。近年来，人工智能工业制造、能源电力、医疗健康、智能交通等领域加快落地，传统产业改造升级提速，新业态不断出现。但在从“能用”迈向“好用、易用、普惠用”的过程中，一些行业和企业仍遇到算力成本偏高、关键核心技术受制约、数据难共享也不敢用、复合型人才不足等问题，制约了“人工智能+”更深层次融合的广度和深度。 原因——技术底座、数据体系与供给能力需要同步补齐。全国人大代表、天津钢管制造有限公司管加工事业部元通分厂主任工程师李刚认为，我国不少重点行业已建成数据平台并积累了大量数据资源，为“人工智能+”赋能产业升级打下基础，但“有基础”不等于“有能力”。一上，算力、芯片、基础软件等底层环节仍需加快迭代，部分行业应用对高性能算力和稳定工程化能力提出更高要求；另一方面，数据要素价值释放仍受制于标准不统一、确权不清晰、流通机制不完善以及安全合规顾虑，跨部门、跨行业数据共享依然存在壁垒。同时，既懂算法又懂行业工艺、能把模型真正落到生产一线的复合型人才供给不足，使不少中小企业在智能化改造上出现“不敢转、不会转、转不起”的情况。 影响——关系产业升级速度与新赛道培育质量。业内普遍认为，“人工智能+”的竞争力不只体现在模型本身，更在于能否在真实场景中沉淀出稳定、可复制、可推广的解决方案。如果算力、数据等关键要素供给不畅，企业就难以形成持续迭代的数字化能力，产业链协同效率也会受到影响；反过来，若能实现数据安全共享、算力普惠供给和应用规模化推广，将有助于提升全要素生产率，推动制造业向高端化、智能化、绿色化发展，并带动战略性新兴产业和未来产业打开新空间，为新型工业化提供更扎实的技术支撑。 对策——以“技术—数据—人才—场景”联合推进破题。围绕下一步深化拓展“人工智能+”，李刚提出多项建议。 其一，夯实技术基础与产业底座。要在算力、芯片、应用软件等方向持续加大创新投入，推动关键核心技术攻关和成果转化，提升产业链供应链韧性，关键能力要掌握在自己手里。同时，协调智算中心建设和算力普惠，提升算力资源配置效率，让更多企业尤其是中小企业以可承受成本获得算力服务。 其二，完善数据治理与要素流通规则。要建立工业数据、政务数据等高价值数据集的治理体系，推进标准统一和数据质量提升，明确数据确权、流通与收益分配等规则，形成可执行、可落地的制度安排。要推广隐私计算等技术路径，在“可用不可见、可算不可取”的前提下实现合规共享，既降低企业对数据安全的顾虑，也打通跨行业协同的关键堵点。 其三，强化复合型人才培养与产学研协同。建议推动高校与企业联合培养“人工智能+行业”人才，围绕制造、能源、交通、医疗等重点领域设置面向产业一线的课程与实践项目，提升工程化落地能力，形成“懂技术、懂业务、懂安全、懂合规”的人才梯队。 其四，推进“人工智能+产业”融合落地见效。要加快建设“人工智能+”数据平台等载体，围绕制造业、农业等重点领域打造一批示范工厂和产业集群，推广行业大模型与工业智能体应用，形成可复制的解决方案与标准化产品供给。对中小企业，可通过智能化改造补贴、公共服务平台、诊断评估和供需对接等方式降低转型门槛，提升转型意愿与信心，带动实体经济提质升级。 前景——以安全合规为底线推动数据要素释放更大价值。李刚强调，打破行业数据壁垒、实现数据安全共享，是让人工智能在各行业真正落地见效的关键。面向未来，应从数字经济发展全局出发，贴近产业需求，明确“安全优先、合规为基、价值导向、协同推进”的方向，推动数据在安全合规前提下更顺畅流动、更充分共享。随着制度体系完善、基础设施加快建设、应用场景持续拓展，“人工智能+”有望在更大范围带动传统产业升级、培育新动能，并在国际竞争中形成更具韧性的产业优势。
深化拓展“人工智能+”不仅是把新技术用起来，更是一项涵盖技术创新、制度完善、人才培育和产业升级的系统工程。从夯实技术底座到打通数据壁垒，从壮大专业人才队伍到推动产业融合落地，每个环节都不可或缺。只有兼顾、协同发力，才能让人工智能更好成为驱动新型工业化、支撑高质量发展的关键引擎。