人工智能是助力我国制造业实现质量变革、效率变革、动力变革的“加速器”。中共二十大报告提出，推动制造业高端化、智能化、绿色化发展。我国人工智能赋能新型工业化具有市场规模大、应用场景广、数据资源丰富等优势，未来发展潜力巨大，但在核心技术、产业赋能、数据算力、人才队伍等方面仍存在短板。

一是工业智能关键核心技术亟待突破。总体而言，我国人工智能基础研究和工业智能前沿技术布局还较为分散，行业更多关注运用人工智能解决实际问题，在人工智能关键领域自主创新能力亟待提高，针对特定科学和工程问题的算法创新与世界领先水平差距较大。

二是人工智能赋能产业创新有待加强。人工智能在工业领域的应用仍以单个环节、单个企业为主，能够有效运用数字技术全生命周期、全产业链提高生产效率、降低成本消耗、提升产品质量、减少环境污染的企业还不多，亟须以人工智能为代表的新一代信息技术打通工业生产全过程，实现供应链一体化协同优化、价值链最大化和产业链高端化智能化绿色化。

三是数据和算力资源有待共享与整合。我国公共数据总量巨大，但面临数据开放共享机制不完善、优质数据数量少、数据体系不完整、数据标准不统一等问题，缺乏用于大模型学习训练的高质量工业数据语料库和高效的海量数据处理方式，降低了多模态训练数据的供给质量。

四是学科交叉融合型人才极为稀缺。目前，国内能将模型、算法与应用场景匹配的专业人才极度稀缺，而我国高校学科设置和专业课程设计的交叉融合程度不高，也使培养的一些人才无法适应人工智能赋能新型工业化的需求。

为抢抓重大战略机遇，以数智化赋能新型工业化，推动新质生产力加快发展，建议：

强化工业智能核心技术自主创新。加快突破工业智能关键核心技术瓶颈，打造人工智能物理建模、高性能计算等研发工具，构建自主可控的工业智能软硬件应用和生态，促进大模型共性技术和算法研究，形成既有追赶又有原创的创新体系。

推进人工智能赋能产业创新。围绕重点领域布局“人工智能赋能新型工业化”等科技创新专项，加大对赋能科技和产业创新、深度匹配制造业需求的人工智能通用和垂直大模型的支持力度。引导企业通过人工智能赋能，构建需求快速感知和供需精准匹配的“产业大脑”。打造重点领域人工智能开源平台，降低大模型训练成本。

加强数据和算力要素共享整合。大力推动高校、科研机构、企业等共享科研和产业数据，构建安全可信的数据共享平台，使我国海量数据发挥更大作用。适度超前推进算力基础设施建设，构建国家人工智能公共算力平台，鼓励有条件的单位贡献剩余算力，实现资源共享，探索多元异构、多卡并行的算力统筹规划机制，攻关大规模并行训练等前沿领域，加快打造超大规模算力集群。

推进教育、科技、人才协同发展。加快引育AI领域战略科学家、一流科技领军人才和创新团队，支持基础科学、人工智能、技术应用和工程技术人才深度融入人工智能创新和应用，推动高校加强人工智能与专业领域交叉人才培养，为新型工业化注入“数智新动力”。