一家汽车零部件厂想上质检大模型,设备数据散在三条老产线,标签标准不统一;隔壁研究院在做多模态基础模型,苦于没有工业场景持续反馈,论文原型难转工程;城市智算平台这边通用算力空闲,那边智能算力排队,跨域调度工单仍靠人工比对。三件事放一起,能看出数智技术创新不是单买显卡、单发论文、单建展厅,而是把基础原理、产业场景、算力算法数据、制度安全串成一条可迭代的链。这事得这么看,十五五把高水平科技自立自强和新质生产力并列推进,数智技术要抢的制高点,不只在某项指标领先,而在体系化攻关、规模化应用、低成本供给同时成立,让创新从实验室走到产线、从试点走到常态化。
有一种读法把数智化理解成“上系统、训模型、报项目”,部门各做各的,年底材料都漂亮,但企业仍觉得模型不贴业务、科研人员仍觉得数据不够干净、算力平台仍觉得调度不均。更稳的框架分四本账:基础账看数学、信息科学、认知科学、生命科学交叉能否产出原创框架,解决“工程强、原理弱”;产业账看制造、医疗、能源、物流场景是否反向催算法,解决“模型演示多、产线少用”;要素账看算力结构、自主算法、高质量数据集是否协同,解决“有卡无数、有数无场、有场无调度”;制度账看数据安全、伦理规则、标准互认、产学研利益分配是否清晰,解决“敢投不敢用、可试不可复制”。四本账合起来,数智创新才从热词变成新质生产力的稳定引擎。
先说体系化自立。外部环境里,部分经济体在底层硬件、基础软件、核心算法设置壁垒,走“小院高墙”式限制,给后发国家带来供应链和技术路线不确定性。国内转向高质量发展,不能再靠要素投入堆规模,而要靠数智技术把全要素生产率提上去。可操作路径是用新型举国体制做“需求牵引+战略科技力量+企业主体”:国家实验室和高校攻原理,制造业创新中心和龙头企业攻中试,专精特新企业攻场景微创新。工信部已提出系统增加高质量科技供给,用揭榜挂帅、赛马制引导企业高校院所联合攻坚,建好国家制造业创新中心,并把规上企业数字化“应转尽转”、中小企业转型赋能作为两化融合底座。值得拎出来的是,体系化不是把所有项目都包办,而是长板技术扩优势、短板技术定专班、通用环节建共享平台,避免低水平重复造轮子。
基础理论原始创新是第二根支柱。历史经验里,蒸汽、电力、信息到数智四次变革,起点都在原理突破;今天大模型、智能体、具身智能的竞争,表面看是参数和算力,底层看是谁定义架构、谁沉淀数学与认知模型。相关数智理论研究强调数据信息处理与人工智能、计算机科学深度融合,提高基础研究投入比重,推动数学、信息科学、人工智能、生命科学、社会科学交叉。落地可分三层:高校建“数智基础中心”,不做单一应用项目,而做学习范式、推理框架、可解释性、类脑计算等长周期课题;科研院所把产业真实故障库、实验数据反哺理论,避免论文与工程两张皮;企业开放脱敏场景,用联合实验室换取优先使用权。蒋红、吕思桦在相关数智创新研究里强调基础理论系统性和前瞻性,落到管理就是“允许五年不出产品但每年出方法、出基准、出标准数据集”。这事得这么看,原始创新最怕季度考核,没长期稳定支持,关键架构永远跟在别人后面改。
实体经济融合决定技术是否产生真价值。我国全产业链和超大规模市场优势,在于能把同一个算法在汽车、钢铁、化工、医药、农机多场景跑通,用反馈反哺模型。政策层面,2026政府工作报告提出深化“人工智能+”,推进新一代智能终端和智能体,建设超大规模智算集群、算电协同,加强全国一体化算力监测调度和公共云,建设高质量数据集;工信部启动工业数据筑基行动,抓数据采集、标注、行业数据集,推动5G+工业互联网升级。企业侧可这样转:离散制造先做质检、排产、设备预测性维护,流程行业先做能耗优化、工艺参数推荐、安全告警,服务业做智能客服、供应链预测、合规审查。贵州数博相关实践里,公共数据授权打通工商、社保、公积金,把小微授信核验从数个工作日压到分钟级,说明场景不一定要“高大全”,能把一类高频业务闭环,就能沉淀可复用模型。值得拎出来的是,融合好坏不看的演示效果,而看良率、能耗、履约时长、人工替代率、复购率。
算力、算法、数据三要素要一起供给。单有智能算力,缺高质量行业数据,模型会空转;单有数据,缺自主算法框架,训练成本难降;单有算法,缺跨域调度,中小企业用不起。东数西算和全国一体化算力网的方向,是用西部绿色能源承接训练型任务、东部低时延节点承接推理型任务,通过监测调度降低闲置与排队并存。算法侧应建自主框架、模型共享池、测试基准,对中小企业开放微调而非全量自训;数据侧按公共数据、行业数据、企业私域分级,用可信空间、脱敏、联邦学习解决“不敢流、不能流、不愿流”。内蒙古和林格尔等枢纽已做数据标注、能源农牧高质量数据集和模创空间,乳业配方建模、畜牧精准养殖把数据贯通到全链条。对地方来说,别再只招商建机房,而要做“算力券+数据目录+算法评测+行业数据集”四件套;对中小制造企业,优先用轻量SaaS、行业模型和公共云,不自行囤卡。
制度和人才是最后一段闭环。数智技术涉及数据安全、个人信息、算法歧视、深度伪造、意识形态风险,若只鼓励应用不建规则,规模化后会放大负外部性。可做的动作有几件:数据出境、重要行业数据、个人信息按分级分类管理,公共数据授权运营先定权责再定场景;算法上线前做偏见、鲁棒、可解释评测,高风险领域保留人在回路;产学研联合体中,高校院所转化收益、企业场景贡献、平台数据贡献用合同预先约定,避免成果出来再争产权;人才用校企联合培养,既懂Transformer类架构也懂工艺、病理、电网的领域博士和工程团队并重。相关治理研究提出参与通用数字规则制定、提升话语权,国内实务可先从行业标准、联盟标准、试点标准做起,再向外对接互认。这事得这么看,制度不是创新刹车,而是把不确定封装进可审计、可回滚、可追责的流程,企业才敢长期用。
评论员落点
加快数智技术创新、抢占科技制高点,地方和主体别再只盯“建了多少智算、训了多少参数”,而把四件事钉成闭环。强基础投入,按数学、信息、认知、生命科学交叉设长期课题,用基准数据集和开源评测衡量产出,不把论文数量当唯一;深嵌产业场景,围绕制造质检、能源能耗、医疗影像、农业育种、政务核验做“问题—数据—模型—回报”小闭环,用良率、成本、时效验收,少做孤立大屏;统供算数算法,建区域一体化调度和公共云,行业数据空间按分级开放,自主算法框架提供微调池,中小企用订阅制而非重资产囤卡;建治理人才双底座,数据分类、算法审计、伦理红线写进项目立项,校企联合培养复合团队,把场景专家纳入模型评审。对科技管理部门,考核少看设备采购额,多看技术自主率、成果中试率、企业复购率、数据可复用率;对企业和园区,少追概念融资,多沉淀行业数据集与标准。数智创新真正成势,不是某次发布会多惊艳,而是工厂用模型降成本、研究院用场景出原理、城市用调度降算力价,新质生产力在安全边界内持续滚动。
「本文基于蒋红(云南大学政府管理学院研究人员、云南省中国特色社会主义理论体系研究中心特约研究员)、吕思桦(云南大学马克思主义学院研究人员)发表于光明网-理论频道《加快数智技术创新抢占科技发展制高点》一文解读。」
—— 名家智库-党建培训讲师_党课讲师邀请_干部培训师资_党员培训课程_宏观经济专家_党性教育培训 ——
电话:010-68998188
微信:
邮箱:cmsa@cmsa.org.cn
免责声明:本网站所提供的信息仅供参考之用,并不代表本网站赞同其观点,也不代表本网站对其真实性负责。如需转载或引用,请自行核实相关内容。如有关于作品内容、版权或其它问题,请与我们联系。