问题：人工智能加速融入实体经济，为制造业提质增效、降本增产、促进创新提供了新工具。
但在实际落地过程中，一些共性难题仍较突出：关键核心技术受制约、算力与工程化能力供给不均；高质量工业数据分散在不同企业与环节，标准不一、难以共享复用；典型场景落地存在“最后一公里”，既懂算法又懂工艺的复合型人才和服务体系相对不足；同时，模型安全、数据安全、供应链安全等风险随应用扩展而上升，治理体系亟需同步完善。
原因：制造业链条长、工序复杂、场景差异大，决定了“通用能力”必须通过行业知识与数据工程完成再加工，才能形成可复制、可推广的生产力工具。
过去一段时间，部分地区和企业在算力建设、数据治理、模型训练与部署环节投入不足或布局分散，导致能力供给与需求增长之间出现结构性矛盾。
此外，关键软硬件技术迭代快、投入大、周期长，单个企业难以独立完成从研发到规模化应用的全链条突破，需要通过政策引导、协同创新与生态培育形成合力。
影响：本次《实施意见》提出到2027年推动3至5个通用大模型在制造业深度应用，形成特色化、全覆盖的行业大模型，打造100个工业领域高质量数据集，推广500个典型应用场景，并选树1000家标杆企业。
这一系列目标指向明确：一是以标杆牵引带动大范围复制，提升制造业数字化、网络化、智能化水平；二是通过数据集、场景库等公共化要素建设，降低企业用好新技术的门槛；三是培育2至3家具有全球影响力的生态主导型企业和一批专精特新中小企业，推动形成“龙头带动—专业协同—服务支撑”的产业生态，从而增强我国制造业在全球产业链中的韧性与竞争力。
与此同时，文件提出建设全球领先的开源开放生态、提升安全治理能力，也体现出在开放创新与风险防控之间统筹平衡的政策取向。
对策：围绕“底座—场景—产品—生态—安全”的路线图，《实施意见》在多个关键环节给出可操作举措。
一是夯实算力与关键技术供给。
文件提出强化算力供给，推动智能芯片软硬协同发展，支持突破高端训练芯片、端侧推理芯片、人工智能服务器、高速互联、智算云操作系统等关键核心技术。
这既回应了制造业对稳定、可控算力资源的需求，也指向未来“云边端协同”的工业部署趋势，有助于提升模型在工厂现场的实时推理与可靠运行能力。
二是加快重点行业应用赋能。
通过开展人工智能赋能新型工业化“深度行”活动，组织专家、企业、研究机构等服务团深入行业、地方与园区，并建设应用对接平台促进供需精准匹配，意在把技术能力与具体工艺、产线改造、质量管理等需求对接起来，提升转化效率，减少重复建设与“试点停留在演示”的现象。
三是推动智能装备与新产品迭代。
文件提出加快人工智能赋能工业母机、工业机器人，研制新一代人工智能数控系统，提升自主决策、分析与执行能力，并推动手术机器人、智能诊断系统等创新应用。
这表明政策不仅关注软件与模型，还强调与装备制造深度融合，通过提升装备的感知、决策与控制能力，带动产业向高端化、智能化迈进。
四是以生态和服务体系托举规模化应用。
提出培育生态主导型企业、专精特新中小企业，打造“懂智能、熟行业”的赋能应用服务商，意味着将通过专业化分工完善从咨询规划、数据治理、模型部署到运维迭代的服务链条，让更多中小企业能够“用得起、用得好、用得安全”。
五是筑牢安全治理底线。
随着模型在研发设计、质量检测、供应链管理等环节深入应用，数据泄露、算法偏差、关键系统失效等风险不容忽视。
文件强调安全治理能力全面提升，释放出“发展与安全并重”的明确信号，有利于为技术推广建立可预期的规则环境。
前景：综合看，《实施意见》以阶段性目标牵引要素聚合，以应用场景带动能力提升，有望推动制造业智能化由点状试用走向系统性、规模化落地。
未来一段时间，工业大模型的竞争焦点将更多体现在高质量数据、工程化部署、与工艺知识融合以及可解释、可控、可审计的安全能力上。
随着算力供给、数据集建设、标杆示范与服务体系逐步完善，制造业在研发、生产、运维、供应链等环节的效率提升空间将进一步打开，同时也将带动智能装备、工业软件、芯片与系统等上下游协同发展，形成新的增长动能。
人工智能与制造业的深度融合代表着未来产业发展的重要方向。
此次八部门联合发布的专项行动意见，不仅为我国制造业智能化转型提供了明确指引，更体现了国家对于抢占未来产业制高点的战略决心。
随着各项举措的深入实施，我国有望在全球制造业智能化浪潮中占据领先地位，为建设制造强国奠定坚实基础。