跳到主要内容

“人工智能+制造”专项行动实施意见(2025年)

发布机关 工业和信息化部、中央网信办、国家发展改革委、教育部、商务部、国务院国资委、市场监管总局、国家数据局
效力 现行有效
人工智能加速与实体经济深度融合,深刻改变制造业生产模式和经济形态,成为驱动产业升级、重塑全球格局的关键变量。为贯彻落实《关于深入实施“人工智能+”行动的意见》,…

一、 总体要求

二、 创新筑基:夯实人工智能赋能底座

(一) 强化人工智能算力供给。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技术。有序推进高水平智算设施布… (二) 开发高水平行业模型。支持模型训练和推理方法创新,开发适应制造业实时性、可靠性、安全性特点的高性能算法模型。培育重点行业大模型,发展“云-边-端”模型体系,持续提… (三) 开展“模数共振”行动。推动建立企业首席数据官制度,持续推进数据管理能力成熟度国家标准贯标,夯实企业数据治理基础。梳理适配行业模型需求的数据资源清单,发布制造业高…

三、 赋智升级:拓展推广高价值应用场景

(四) 加快重点行业应用赋能。深入开展人工智能赋能新型工业化“深度行”活动,组织高水平专家、企业、研究机构等赋能服务团深入行业、地方、园区。建设人工智能应用对接平台,促… (五) 加速全流程转型升级。系统梳理重点环节应用场景,深化智能工厂梯度培育,推动大模型技术深度嵌入生产制造核心环节,改造研发设计(含工业设计)、中试验证、生产制造、营销… ——研发设计环节。重点推进智能辅助设计、软件代码辅助编写、药物研发等,打造个性化、低成本、高效能的新型研发设计模式。加强工业研发数据集建设和开源共享,探索建立人… (六) 提升重点企业应用水平。开展制造业企业智能化成熟度评估,实施《制造业企业人工智能应用指南》(见附件2),为企业智能化转型升级提供实施路径和方法指引。鼓励龙头企业、… (七) 推进重点区域推广应用。建设并开放一批“人工智能+制造”应用场景,打造具备行业特色的创新高地。依托国家自主创新示范区、国家高新区、国家级经开区资源集聚、人才密集等… (八) 推动重点领域智能化升级。加强人工智能与信息通信网络协同,推动人工智能与工业互联网平台融合赋能,研发面向工业互联网等基础设施的数据集、大模型、智能体,推进人工智能…

四、 产品突破:构建智能新产品新业态

(九) 推动智能装备迭代。加快工业母机、工业机器人等各类工业装备搭载应用智能体,研制新一代人工智能数控系统,提升自主决策、分析和执行等能力。加快发展手术机器人、智能诊断… (十) 加速智能终端升级。支持端侧模型、开发应用工具链等技术突破,培育智能手机、电脑、平板、智能家居等人工智能终端。聚焦工业巡检、远程医疗等重点场景,加快增强现实/虚拟… (十一) 打造智能体新业态。开展工业智能体任务规划、群体协同等技术攻关,强化工业机理与智能体决策模型融合、智能体与工业系统间交互适配,推动智能体云化部署。研制开放协同的智…

五、 主体培育:打造人工智能发展和赋能应用主力军

(十二) 梯次培育企业。支持企业加大创新投入,积极承担国家重大任务,集聚资源打造具有全球影响力的生态主导型企业。发展人工智能企业孵化器,实施中小企业创业支持计划,梯次培育… (十三) 打造创新载体。建设人工智能领域国家制造业创新中心,提升关键共性技术供给能力。布局一批人工智能领域重点实验室,加强对类脑智能、世界模型等前沿技术探索。高质量建设制… (十四) 发展赋能应用服务商。健全制造业数智化转型服务体系,建设一批人工智能赋能应用加速器,培育优质赋能应用服务商,打造标准化和定制化结合的赋能解决方案,提供行业模型调优…

六、 生态壮大:加强资源配置优化产业生态

(十五) 强化标准引领。发挥工业和信息化部人工智能标委会、全国数据标准化委员会、全国信标委人工智能分委会、全国集成电路标委会人工智能芯片工作组、全国网安标委新技术安全标准… (十六) 推动开源开放。建设高水平人工智能开源社区,部署实施一批模型、数据集、智能体等优质开源项目,构筑具有全球影响力的人工智能开放生态。研发推广适配人工智能项目特性的开… (十七) 加强人才引育。开展人工智能产业人才需求预测,发布人才需求预测报告,支持高校院所提前布局、调整优化相关学科专业。建好用好北京中关村学院、上海创智学院、深圳河套学院…

七、 安全护航:筑牢应用赋能安全保障

(十八) 提升安全保障能力。攻关深度合成鉴伪、工业模型算法安全防护、训练数据保护、对抗样本检测、智能终端安全测评等关键技术,加强数据安全管理,强化人工智能安全保护能力。构… (十九) 建立安全治理机制。研究制定工业和信息化领域人工智能分类分级、评估评测、应急处置等安全政策标准,支持地方主管部门探索柔性治理机制。建立人工智能安全风险监测预警技术…

八、 国际合作:塑造国际合作竞争新优势

(二十) 支持产业合作。鼓励企业针对不同国家和地区特点,定制人工智能产品和赋能应用解决方案。开展人工智能赋能新型工业化深度行“海外版”,支持行业组织、专业机构为企业提供出… (二十一) 打造国际合作平台。积极参加金砖、上合、中国—东盟、二十国集团、亚太经济合作组织等合作机制下的人工智能议题讨论。支持依规办好世界人工智能大会、人形机器人运动会等具…

九、 保障措施:强化全方位政策支持保障

附件:1. 人工智能赋能制造业重点行业转型指引 2. 制造业企业人工智能应用指南 附件1

一、 原材料行业

(一) 提升钢铁行业全流程智能化水平。构建钢铁行业数据集、知识库公共产品,打造人工智能工程化应用平台,提供智能化解决方案。研发覆盖钢铁生产全流程的系列动态模型,基于钢铁… (二) 推动石化化工行业提质增效。综合利用大模型、数字孪生技术突破油气勘探开发、化工新材料研发范式。深度融合油气生产作业、管网储运、化工工艺等工艺机理、专家经验、生产运… (三) 加快人工智能与新材料研发深度融合。建设新材料大数据中心,构建高精度、长序列、多模态的材料行业数据集,提升行业数据格式标准化水平。发展面向合金、陶瓷、高分子、能源… (四) 促进人工智能赋能有色金属行业。研发数据自动化治理、标注技术与工具,打造矿山与装备运行类、选矿工艺优化类、冶炼过程控制类等行业高质量数据集,构建数据基础支撑体系。… (五) 推动人工智能赋能建材行业创新应用。优先面向水泥、平板玻璃等行业,部署一批针对行业典型单元操作需求的场景模型,训练建设建材行业大模型,推动在矿山开采、原料配比优化…

二、 装备制造行业

(一) 推动工业母机柔性化智能化跃升。利用人工智能技术深度融入数控系统,赋能“实时感知-自主学习-智能决策-闭环执行”全流程,提升工业母机自适应作业与执行能力。构建基于… (二) 加速汽车行业全链条智能化升级。打造汽车大模型,自动生成车身造型、内饰布局等方案,实时仿真动态优化结构强度、风阻系数等参数,推动智能研发新范式。加快人工智能技术在… (三) 推进电力装备全生命周期智能化。基于人工智能技术,智能优化发电机等核心部件结构参数,推进大型发电装备数字孪生设计和试验仿真。利用人工智能算法加强电力装备可制造性分… (四) 推动人工智能技术在船舶行业应用落地。构建船舶行业大模型,探索研发设计新模式,面向大型船舶、海洋装备少人化、智能化生产需求,推进“下料-焊接-喷涂-物流”等关键工… (五) 打造航空航天智能化制造体系。开发基于人工智能算法的仿真平台,结合气动数据与流体力学仿真模型,自动迭代机身线型、机翼剖面等方案,实现极端工况验证,缩短测试周期。打…

三、 消费品行业

(一) 提升纺织服装领域个性化设计与高效生产能力。打造面向服饰行业的智能化产品规划平台,深度挖掘海量消费数据,利用数据分析决策大模型,实现服饰产品热点快速识别与响应方案… (二) 强化家居领域智能化运营和智能产品供给能力。建立数据驱动的产品设计智能体,优化产品结构功能、提升智能操控能力、加快新品上市节奏。融合工业排产大模型与工业互联网技术… (三) 构建食品加工领域安全高效智慧化管理体系。鼓励应用人工智能技术,丰富食品工业人工智能大模型产品供给。组织食品企业、专业化服务商提供食品生产智能监控溯源、食品园区“… (四) 提升医药智能研发与供应管理水平。建设人工智能驱动的新药发现与虚拟筛选平台,通过多模态药效预测大模型,加速靶点识别与候选药物发现,降低药物研发周期与成本。融合量子… (五) 推进生物制造领域全链条创新发展。利用人工智能技术,挖掘和生成高性能生物元件、高效合成代谢通路以及高活性酶蛋白结构,丰富基础数据库。打造智能化菌种构建平台,精准模… (六) 推动历史经典产业焕新升级。加快构建历史经典产业大脑,构建融合丝绸纹样、瓷器釉料配方、茶叶炒制工艺等核心技艺的产业数据底座,实现市场需求感知与产品创新精准对接。依…

四、 电子信息行业

(一) 提升电子元器件设计智能化水平。以生成式人工智能与数字孪生技术实现电子元器件全虚拟仿真调试,构建跨域协同研发平台。通过集成先进计算引擎与多模态大模型,打通电子设计… (二) 推动消费电子、新型显示等行业柔性智造。以工业大模型与边缘智能技术实现产线动态重构,构建自适应的电子信息行业柔性生产系统。部署人工智能驱动的工艺参数优化模型,结合… (三) 强化电子信息元件与产品质量管控能力。加快构建电子信息行业知识图谱,实现质量根因智能分析,构建全流程质量管控平台。开发覆盖印刷电路板设计、芯片封装等环节的在线质检… (四) 创新电子信息行业绿色低碳发展智能方案。融合人工智能与区块链技术,实现电子信息产品碳足迹的全生命周期精准核算与可信数据共享。开发光伏、锂电池行业碳管理大模型,融合…

五、 软件和信息技术服务行业

(一) 打造软件全生命周期智能工具链产品体系。聚焦多模态大模型、行为分析、时序预测等,构建覆盖软件需求设计、开发、测试、运维的智能化开发工具链产品。打造人工智能驱动的开… (二) 加快传统软件与服务智能化升级。推动人工智能技术与基础软件、工业软件及制造业行业应用软件融合,实现传统软件智能化升级与价值重构。提升软件动态感知、自优化与自演进能… (三) 培育打造垂直领域智能体。研发部署软件编程、软件需求与审计、软件测试智能体,打造曲面设计、自动建模、自动编程等工业智能体,研制智能排程规划、动态报表生成、界面自动… (四) 建设软件行业高质量数据集。突破多模态数据自动化清洗与智能语义标注等技术,打造标准化软件研发数据集。运用合成数据与对抗性测试技术,模拟高并发、网络异常等复杂边界场… 附件2

一、 开展智能化评估和规划

(一) 开展智能化水平诊断评估。综合运用数据管理能力成熟度、智能制造能力成熟度、数字化转型成熟度、两化融合管理体系等参考标准和制造业数字化转型通用评估指标体系,摸清企业… (二) 制定人工智能应用规划。参考人工智能赋能新型工业化典型应用案例等,确定人工智能应用核心场景和技术导入优先级,合理设置应用目标。优先开展经营管理、研发设计等场景智能…

二、 提升智能化基础能力

(三) 升级硬件基础能力。对工业“哑设备”“哑岗位”实施数字化改造升级,构建统一技术底座和场景化应用套件相结合的硬件支撑体系。通过加装传感设备和智能仪器仪表、部署边缘计… (四) 提升软件智能化水平。加快工业实时操作系统等核心软件,制造执行系统、在线实时优化软件等控制优化软件,以及分布式控制系统、数据采集与监控系统等控制执行单元智能化改造…

三、 构建高质量数据集

(五) 建设数据资源平台。搭建企业专识数据库,形成覆盖研发设计、生产制造、供应链管理、经营决策管理等全业务场景的数据资源池。构建包含机理库(存储工业机理模型、技术文档、… (六) 应用数据集处理工具链。加强数据处理工具使用,逐步覆盖数据汇聚、采集、清洗、增强、标注、合成、存储、传输、分析与应用等重点环节,为企业人工智能应用持续提供高质、高… (七) 建立数据管理体系。鼓励企业探索首席数据官制度,建立涵盖规划、实施、评价、改进的数据管理体系,加强数据标准化建设,推动各系统数据融合。建立企业数据集分类分层分级管… (八) 构建多样化数据集。聚焦工业领域研发设计、生产制造、经营管理等环节,打造覆盖企业工艺设计优化、过程控制、故障诊断、智慧运营等场景的多模态工业高质量数据集。鼓励制造…

四、 合理规划布局算力资源

(九) 科学规划算力规模。按照国家总体部署,结合企业发展实际,制定阶段化、梯度上升的算力部署规模,鼓励优先选择可实现瞬时响应、可扩缩容的算力服务。 (十) 合理配置算力资源。鼓励优先采用云计算服务快速构建智能化基础服务能力,降低技术投入成本。具备良好数字化基础且对数据安全要求较高的企业,可依托自有算力基础设施建设智… (十一) 加强算力资源协同调度。鼓励企业基于业务特征实现云边端算力协同,整合多元异构芯片资源,云侧实现模型训练、微调、量化和蒸馏等任务,边缘端侧实现模型轻量化部署以满足工…

五、 开展模型选型与调优

(十二) 科学确定应用场景。聚焦解决企业在制造全流程中的关键技术或工艺难题,选取对生产力有明显带动作用的高价值场景,开展人工智能技术研发和应用落地,在以下五类场景中重点布… (十三) 量化场景关键指标。结合场景特征和业务目标,设定模型选型所用的可量化指标,以此评估场景应用效果,为模型选型和调优提供依据。研发设计类场景重点衡量单位时间内设计迭代… (十四) 结合业务选定模型。基于业务场景需求,结合算力基础设施建设情况,开展模型评测选型。综合考虑模型、开发框架、编译器、推理部署工具链之间的兼容性、可靠性及易用性,优先… (十五) 采用提示词工程与检索增强调优。构建涵盖工业常规问题、边缘案例的提示词库,建立语法正确性、语义完整性、用户满意度等多维度指标。针对市场分析、新技术应用等高频知识更… (十六) 利用模型微调适配典型场景。质量检测与缺陷识别场景,重点开展基于预训练模型的小样本标注缺陷数据微调,强化模型对复杂微小特征提取能力;生产调度场景,重点根据产线历史… (十七) 结合实际开展混合调优。鼓励企业根据实际情况,优先采用提示词工程及检索增强技术,逐步尝试参数高效微调、全参数微调,提升模型能力。结合实际建设多模态模型候选库,综合…

六、 模型部署与集成

(十八) 验证模型性能。在实际生产环境中进行试运行验证,确保模型能够在真实场景中有效运行。综合考虑各类模型的资源分配、数据安全性、实时性、稳定性、响应能力以及系统的扩展性… (十九) 提升模型易用性。根据业务需求,开发具体的模型应用接口、低代码组件等,基于业务需求实现数据接入灵活配置和模型分析结果展示。

七、 持续提升应用成效

(二十) 评估应用能力水平。组建专业团队开展专项评估,定期分析改进。从模型准确率、算力利用率、推理时延、投入成本、安全稳定等方面,评估人工智能在企业应用中的问题。 (二十一) 推动迭代优化升级。定期分析应用人工智能对企业运营决策水平提高、业务处理效率提升、产品生产质量改进、经营效益改善等方面的影响。结合企业发展战略和人工智能技术趋势,… (二十二) 深化技术融合创新。联合高校科研机构攻关模型在工业应用过程中的实时性、端侧部署和可靠性等关键技术。结合应用成效,推动二次创新,将行业大模型深度嵌入研发设计、中试、… (二十三) 鼓励优秀方案输出。具备技术优势的行业领军企业,通过开放平台接口、开源通用模型及工具链、共享高性能算法模型、研制标准规范等方式,向产业链上下游输出整体技术解决方案…

八、 做好人工智能应用安全防护

(二十四) 强化数据安全防护。贯彻落实《数据安全法》《工业和信息化领域数据安全管理办法(试行)》等法律政策,根据行业领域数据特点,组织开展数据分类分级、全生命周期安全防护、… (二十五) 防范应用安全风险。面向研发设计、中试验证、生产制造、营销服务和运营管理等人工智能典型应用场景,鼓励企业定期对工业大模型幻觉、准确性、鲁棒性等开展安全测试评估。建… (二十六) 提升网络安全防护水平。推动网络安全贯穿制造业企业人工智能规划、部署、应用等各环节,落实《网络安全法》《工业互联网安全分类分级管理办法》,开展自主定级、信息登记、…

九、 加强组织保障

(二十七) 压实企业主体责任。系统制定企业数智化转型升级管理制度,强化企业资源保障力度,高效、稳妥推动人工智能应用逐步深入。 (二十八) 加强复合人才培养。加强产学研用协同,鼓励高校和企业依托国家人工智能产教融合创新平台、示范性特色学院等,支撑人工智能拔尖创新人才培养,健全企业人工智能人才引进、评… (二十九) 积极参与生态共建。及时归纳总结成功经验,积极共享人工智能解决方案,打造行业应用标杆,推动提升制造业智能化水平。