現(xiàn)代人工智能是先進(jìn)計算的產(chǎn)物，也是賦能千行百業(yè)的技術(shù)。從早期符號主義在有限算力下的躑躅前行，到神經(jīng)網(wǎng)絡(luò)思想歷經(jīng)沉浮，直至大數(shù)據(jù)與圖形處理器（GPU）的邂逅，引爆了深度學(xué)習(xí)的革命，使復(fù)雜模式識別與認(rèn)知成為可能；再到今天，支撐起超大規(guī)模模型訓(xùn)練的已是千億乃至萬億參數(shù)級別的并行計算集群和高速互聯(lián)網(wǎng)絡(luò)。正是這樣一場波瀾壯闊的計算進(jìn)化，將人工智能從實驗室推向了產(chǎn)業(yè)應(yīng)用，成為一股賦能千行百業(yè)、重塑社會的顛覆性力量。

對智能的向往從未停止

人類對于智能的向往并非源自現(xiàn)代，而是深植于數(shù)千年的文明積淀之中。當(dāng)遠(yuǎn)古的先民發(fā)出第一個有意義的音節(jié)，創(chuàng)造出能夠指代事物、表達(dá)意圖、傳遞復(fù)雜信息的符號系統(tǒng)，存在于個人大腦中的思維便獲得了在群體間流通的載體，語言成為人類智能的第一次偉大迸發(fā)。結(jié)繩記事、刻畫符號，直至體系化的文字出現(xiàn)，人類首次突破了大腦記憶的時空限制，將思想、律法、天文觀測、生產(chǎn)工藝等寶貴信息固化于泥土、金石與竹簡之上，樹起了一座人類“智能存儲”的里程碑。從打磨第一件石器開始，人類就走上了一條通過創(chuàng)造“智能實體”來放大自身能力之路，隨著車輪、指南針、火藥、蒸汽機(jī)等的發(fā)明，人類始終渴望通過制造工具和使用工具實現(xiàn)對物理世界的認(rèn)知、理解與改造。

由計算驅(qū)動的智能革命

如果說人類對于智能的向往是人工智能發(fā)展的“初心”，那么先進(jìn)計算技術(shù)的突破則是其誕生的“物質(zhì)基礎(chǔ)”。從1936年圖靈提出圖靈機(jī)計算模型，首次表達(dá)了通用計算的理念，到1946年馮?諾依曼等建成第一臺通用電子計算機(jī)ENIAC，正式開啟了“可實現(xiàn)的計算”之旅。隨著1960年代世界上第一臺工業(yè)機(jī)器人Unimate和世界上第一臺移動機(jī)器人Shakey的誕生，人工智能開始從信息空間走向物理空間。1960年代到1980年代專家系統(tǒng)的蓬勃發(fā)展，推動了人工智能的實用化，MYCIN專家系統(tǒng)開始用于細(xì)菌感染患者的診斷和治療，BKG9.8系統(tǒng)擊敗了雙陸棋世界冠軍；與此同時，以Hopf ield神經(jīng)網(wǎng)絡(luò)和反向傳播算法為核心標(biāo)志的神經(jīng)網(wǎng)絡(luò)，進(jìn)一步推進(jìn)了模式識別、手寫文字識別等領(lǐng)域的發(fā)展。進(jìn)入21世紀(jì)，深度學(xué)習(xí)的興起將人工智能的發(fā)展推向了新的高峰。2012年，杰弗里·辛頓提出了卷積神經(jīng)網(wǎng)絡(luò)CNN模型，其圖像識別效果大幅度超越傳統(tǒng)方法；2016年，AlphaGo擊敗世界圍棋冠軍李世石，展示了人工智能在復(fù)雜決策領(lǐng)域的強(qiáng)大能力。

如今，大模型浪潮奔涌而至。2017年，谷歌提出Transformer架構(gòu)，為BERT、GPT等大模型奠基；2020年，OpenAI發(fā)布包含1750億參數(shù)的GPT-3模型，展現(xiàn)出“規(guī)模即智能”的潛力；2024年，“深度求索”推出Deepseek，以低成本、高效能且開源等特性，打破美國在AI大模型領(lǐng)域的壟斷；同年，OpenAI推出的文本生成視頻模型Sora，具備模擬復(fù)雜場景和物理世界的能力，標(biāo)志著人工智能在視頻生成領(lǐng)域的重大突破。

人工智能經(jīng)歷了專家系統(tǒng)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)為代表的狹義人工智能階段，正在通往以生成式AI為基礎(chǔ)的通用人工智能階段，未來將迎來基于感知與交互的機(jī)器自主進(jìn)化的超級人工智能。目前，人工智能在圖像分類、自然語言推理、視覺問答、英文理解等方面，超過了人類平均水平，并且在多任務(wù)語言理解和數(shù)學(xué)競賽方面，也展現(xiàn)了超過人類平均水平的潛力。這場由計算驅(qū)動的智能革命，正向著與實體經(jīng)濟(jì)深度融合、賦能千行百業(yè)的新階段邁進(jìn)。

汲取“養(yǎng)分”也催生新學(xué)科

人工智能從來不是單一學(xué)科的獨奏，而是多學(xué)科交叉融合的交響樂。它既廣泛汲取各領(lǐng)域的養(yǎng)分，也反過來催生和推動了眾多新興學(xué)科的發(fā)展。數(shù)學(xué)為人工智能提供了核心理論工具，是智能算法設(shè)計的基礎(chǔ)；神經(jīng)科學(xué)與認(rèn)知科學(xué)為人工智能提供了靈感源泉，推動了智能模擬范式的演進(jìn)；計算機(jī)科學(xué)與工程技術(shù)為人工智能提供了實現(xiàn)路徑，支撐了智能系統(tǒng)的工程化落地。

與此同時，人工智能應(yīng)用于生物學(xué)，催生了生物信息學(xué)發(fā)展，AlphaFold2模型利用數(shù)據(jù)驅(qū)動的端到端深度學(xué)習(xí)模型預(yù)測蛋白質(zhì)的復(fù)雜結(jié)構(gòu)，解決了蛋白質(zhì)折疊問題。人工智能應(yīng)用于材料科學(xué)推動了新材料的發(fā)現(xiàn)，美國勞倫斯實驗室結(jié)合GNoME工具預(yù)測并成功合成了超過41種新材料，為材料合成開辟了新的途徑。

“融入”并“改造”物理世界

黨的二十屆四中全會提出，構(gòu)建以先進(jìn)制造業(yè)為骨干的現(xiàn)代化產(chǎn)業(yè)體系。制造業(yè)作為人工智能賦能的重點領(lǐng)域，“人工智能+制造業(yè)”將成為提升優(yōu)化傳統(tǒng)產(chǎn)業(yè)、培育壯大新興產(chǎn)業(yè)和未來產(chǎn)業(yè)的重要舉措。

根據(jù)IDC調(diào)研數(shù)據(jù)，我國工業(yè)企業(yè)應(yīng)用大模型及智能體的比例，從2024年的9.6%提升到2025年的47.5%?！吨袊ヂ?lián)網(wǎng)發(fā)展報告2024》顯示，已培育421家國家級智能制造示范工廠，人工智能、數(shù)字孿生等技術(shù)在90%以上的示范工廠得到應(yīng)用。近期，在南京召開的2025世界智能制造大會，公布了智能工廠梯度培育情況，我國已累計建成7000余家先進(jìn)級、500余家卓越級智能工廠，并遴選出15家領(lǐng)航級智能工廠培育對象。從統(tǒng)計數(shù)據(jù)可以看出，我國在人工智能與制造業(yè)深度融合方面取得了顯著成效。

2025年8月，國務(wù)院印發(fā)《關(guān)于深入實施“人工智能+”行動的意見》明確提出，推動工業(yè)全要素智能聯(lián)動，加快人工智能在設(shè)計、中試、生產(chǎn)、服務(wù)、運(yùn)營全環(huán)節(jié)落地應(yīng)用。工業(yè)全要素智能聯(lián)動，就是要利用人工智能技術(shù)，通過嵌入行業(yè)知識、融合業(yè)務(wù)流程，對傳統(tǒng)產(chǎn)業(yè)進(jìn)行全方位、全鏈條的升級改造，是一項涉及技術(shù)、知識、流程、組織的系統(tǒng)工程。實體系人工智能作為連接信息世界與物理世界的橋梁，通過“感知-認(rèn)知-決策-執(zhí)行”體系架構(gòu)，使得機(jī)器能夠自主地“融入”并“改造”物理世界，是讓“人工智能+制造業(yè)”從概念走向落地這一系統(tǒng)工程的重要環(huán)節(jié)。

走出數(shù)字世界仍有挑戰(zhàn)

人工智能的發(fā)展經(jīng)歷了符號主義、連接主義、行為主義等多條技術(shù)路線的并行探索，在不同歷史階段各領(lǐng)風(fēng)騷。如今，隨著技術(shù)的成熟，多技術(shù)路線融合統(tǒng)一成為發(fā)展趨勢。

從虛擬的數(shù)字空間走向真實的實體空間，是人工智能發(fā)展的歷史必然。技術(shù)條件的成熟，為人工智能進(jìn)入實體空間提供了可行性支撐。傳感器技術(shù)的發(fā)展實現(xiàn)了實體空間的精準(zhǔn)感知，為智能決策提供輸入；機(jī)器人技術(shù)的突破實現(xiàn)了感知與執(zhí)行的一體化，移動機(jī)器人、協(xié)作機(jī)器人等能夠在實體空間自主移動、靈活操作；AI芯片性能的飛躍，為大規(guī)模模型訓(xùn)練和推理提供了強(qiáng)勁動力，支撐了大模型實現(xiàn)；大模型的發(fā)展，融合了語言、視覺、語音等多種感知能力，實現(xiàn)了跨模態(tài)的理解與生成，為推理和決策提供有力支持。

行業(yè)應(yīng)用的需求牽引，成為人工智能走出數(shù)字世界的核心動力。無論是實現(xiàn)生產(chǎn)線的柔性重構(gòu)、復(fù)雜產(chǎn)品的精密裝配，還是對設(shè)備進(jìn)行預(yù)測性維護(hù)、對能耗進(jìn)行動態(tài)優(yōu)化，都要求人工智能系統(tǒng)能夠直接感知設(shè)備狀態(tài)、實時分析生產(chǎn)數(shù)據(jù)、并精準(zhǔn)控制物理執(zhí)行機(jī)構(gòu)。這種與物理過程深度耦合、并能直接帶來質(zhì)量提升與成本節(jié)約的賦能模式，是推動實施“人工智能+制造業(yè)”行動的迫切需求。

然而，實體系人工智能的發(fā)展正面臨著技術(shù)壁壘高、實施路徑不清晰、規(guī)?；l(fā)展難度大等多重挑戰(zhàn)。

加速實體系人工智能發(fā)展

技術(shù)攻關(guān)方面，實體系人工智能需以信息物理深度融合為基石，構(gòu)建“感知—認(rèn)知—決策—執(zhí)行”技術(shù)體系。首先，建立對物理實體及其運(yùn)行環(huán)境精準(zhǔn)表征的信息空間，包括數(shù)據(jù)模型、機(jī)理模型、語言模型、空間模型、屬性模型等，準(zhǔn)確感知物理世界。其次，構(gòu)建大小模型協(xié)同的決策體系，利用大模型的“通才”能力解決頂層任務(wù)規(guī)劃、場景語義理解等復(fù)雜決策，利用小模型的“專才”能力執(zhí)行具體、單一的確定性任務(wù)，提高推理和決策的準(zhǔn)確性。最后，建立分層與端到端結(jié)合的推理控制架構(gòu)，充分利用分層架構(gòu)“有序拆解復(fù)雜任務(wù)”的優(yōu)勢，和端到端架構(gòu)將動作序列直接生成可執(zhí)行代碼的能力，實現(xiàn)準(zhǔn)確、快速的動作執(zhí)行。

應(yīng)用示范方面，實體系人工智能需建立“場景開放+政策激勵”雙輪驅(qū)動模式，打通技術(shù)到產(chǎn)業(yè)的“最后一公里”。一方面，通過央地聯(lián)合，組織面向高價值場景的重大應(yīng)用示范，打造一批標(biāo)桿應(yīng)用場景。另一方面，發(fā)揮政策引導(dǎo)作用，通過“智能工廠梯度培育行動”等，鼓勵企業(yè)參與智能工廠建設(shè)，加速實體系人工智能全鏈條發(fā)展；同時，在財政上予以精準(zhǔn)補(bǔ)貼或稅收優(yōu)惠，推動多行業(yè)應(yīng)用落地。

標(biāo)準(zhǔn)引領(lǐng)方面，實體系人工智能需構(gòu)建統(tǒng)一的體系架構(gòu)與系統(tǒng)評估、規(guī)范的技術(shù)方法指導(dǎo)與測評、通用的系統(tǒng)應(yīng)用定義與要求等標(biāo)準(zhǔn)體系，實現(xiàn)行業(yè)模型的“縱向?qū)Ｓ谩焙拖到y(tǒng)集成的“橫向通用”，引領(lǐng)產(chǎn)業(yè)生態(tài)建設(shè)，為實體系人工智能的規(guī)?；l(fā)展提供有力支撐。

綜上所述，堅持“以數(shù)據(jù)為牽引、以模型為核心、以平臺為支撐”發(fā)展路線，通過技術(shù)攻關(guān)、應(yīng)用示范、標(biāo)準(zhǔn)引領(lǐng)三位一體協(xié)同聯(lián)動，必將加速推動實體系人工智能發(fā)展，全面賦能生產(chǎn)制造的各個環(huán)節(jié)，為“人工智能+制造業(yè)”行動的深入實施注入強(qiáng)勁動力。