國家發布《“人工智能+制造”專項行動實施意見》劃了哪些重點？

2026年1月7日，工業和信息化部、中央網信辦、國家發展改革委、教育部、商務部、國務院國資委、市場監管總局、國家數據局等八部門聯合印發《“人工智能+制造”專項行動實施意見》（工信部聯科〔2025〕279號）。《意見》圍繞創新筑基、賦智升級、產品突破、主體培育、生態壯大、安全護航、國際合作等7大重點任務，細化21項具體措施，促進人工智能技術與制造業應用“雙向賦能”，加快制造業智能化、綠色化、融合化發展，有力支撐制造強國、網絡強國和數字中國建設。

《意見》明確了到2027年的階段性目標，構建起“技術-產業-應用-生態”四位一體的發展格局。在技術供給層面，實現人工智能關鍵核心技術安全可靠供給，培育3-5個制造業通用大模型、1000個高水平工業智能體，打造100個工業高質量數據集，形成覆蓋全行業的技術支撐體系；在產業規模層面，培育2-3家具有全球影響力的生態主導型企業和一批專精特新中小企業，選樹1000家標桿企業，產業規模和賦能水平穩居世界前列；在應用推廣層面，推廣500個典型應用場景，實現人工智能對制造業全流程、全行業的深度賦能；在生態建設層面，建成全球領先的開源開放生態，安全治理能力全面提升，為全球人工智能與制造業融合發展貢獻中國方案。

這一目標體系緊扣“新質生產力”培育要求，既強調技術自主可控的底線思維，又突出產業賦能的實踐導向，更注重生態協同的長遠布局，為制造業轉型升級提供了可量化、可落地的行動標尺。

• 強化算力供給，推動智能芯片軟硬協同發展，突破高端訓練芯片、智算云操作系統等關鍵技術，建設全國一體化算力網監測調度平臺，通過“智算云服務試點”提升資源利用效率，為大規模模型訓練和實時工業應用提供算力保障；

• 開發高水平行業模型，針對制造業實時性、可靠性、安全性特點，培育“云-邊-端”三級模型體系，打造工業細分場景小模型，建設模型公共服務平臺和評測基準體系，牽引技術迭代升級；

• 開展“模數共振”行動，建立企業首席數據官制度，梳理行業模型數據資源清單，推動基礎數據向高質量數據集轉化，構建“數據協同-模型訓練-應用開發-安全保障”一體化機制，實現“以模引數、用數賦模”的良性循環。

• 行業賦能方面，聚焦原材料、裝備制造、消費品、電子信息、軟件和信息技術服務五大重點行業，制定“應用全景圖和轉型路線圖”，推廣標桿解決方案；

• 流程升級方面，深化智能工廠梯度培育，將大模型技術嵌入研發設計、中試驗證、生產制造、營銷服務、運營管理全流程，例如研發設計環節推進智能輔助設計和藥物研發，生產制造環節推廣機器視覺質檢和設備預測性維護，營銷服務環節發展智能客服和個性化推薦；

• 企業培育方面，開展智能化成熟度評估，鼓勵龍頭企業先行先試，支持中小企業數字化轉型，實現“大企業引領、中小企業普惠”的發展格局；

• 區域推廣方面，依托國家自主創新示范區、先進制造業集群等載體，打造“人工智能+制造”創新高地，推動區域協同發展；

• 領域延伸方面，推動人工智能與工業互聯網、綠色制造、工業安全深度融合，研發智能化綠色化協同解決方案和安全大模型，實現“智能化+綠色化+安全化”協同推進。

• 智能裝備迭代，推動工業母機、工業機器人搭載智能體，研制新一代人工智能數控系統，加速手術機器人、智能網聯汽車等產品創新和應用推廣；

• 智能終端升級，突破端側模型技術，培育智能手機、智能家居等終端產品，加快AR/VR可穿戴設備、腦機接口等新型終端產業化，建設人形機器人中試基地和標桿產線；

• 新業態培育，攻關工業智能體技術，建設智能體應用商店，推動人工智能與工業軟件深度融合，打造“智能體+行業應用”的新型業態，構建分類分級管理體系，引導新業態健康發展。

• 強化標準引領，推動安全、治理、倫理等基礎標準，以及軟硬協同、賦能應用等通用標準的研制，開展“人工智能標準行”活動，鼓勵企業參與國際標準化工作；

• 推動開源開放，建設高水平人工智能開源社區，部署模型、數據集等開源項目，研發適配的開源許可協議，舉辦開發者大會等活動，形成共建共享的開源文化；

• 加強人才引育，發布人才需求預測報告，優化高校學科專業布局，依托產教融合創新平臺培養復合型人才，通過國家人才工程培育科技領軍人才，積極引進海外高端人才，解決“懂智能、熟行業”的人才短缺問題。

機匯云CRM以“AI智能驅動業務協同”為核心理念，深度融合大數據、云計算與AI技術，構建覆蓋客戶關系管理、供應鏈協同、社交化營銷、決策支持的一體化企業智能平臺。其通過低代碼PaaS底座、多端入口集成（企業微信、釘釘、APP等）及AI原生能力，為企業提供從數據采集、流程自動化到智能決策的全鏈路支撐，顯著降低AI應用門檻。

機匯云CRM基于PaaS平臺提供靈活的數據編排與業務定制能力，支持客戶管理、訂單流程、渠道協同等138個核心單據的動態配置。通過AI治理工具箱提升數據質量，結合BI可視化看板、DSS決策分析模塊，實現客戶價值金字塔、銷售漏斗等多維度智能洞察，為企業AI應用提供高質量數據燃料。

2、深度嵌入核心業務場景
AI能力原生融入“市場-銷售-服務”全流程：

• 智能營銷：基于AI客戶畫像與行為分析，實現精準獲客、個性化推薦與銷量預測，提升轉化率與客戶留存。

• 銷售協同：工單系統基于規則自動分派（如質量問題觸發質檢流程），并接入知識庫實現自助解答，響應效率提升50%。

• 供應鏈優化：打通訂單、庫存、生產數據，通過AI進行需求預測、庫存預警與供應商協同，實現柔性供應鏈管理。

• 智能決策支持：融合經營數據與行業知識庫，為管理者提供實時洞察、風險預警與輔助決策，提升企業整體運營效率。

• 行業場景模型：基于通用大模型，針對裝備制造、消費品等行業訓練專屬場景模型，提升業務適配性與決策準確性。

• 數據治理與增值：幫助企業將沉睡的銷售、訂單、庫存數據轉化為高質量數據集，支撐模型訓練與持續優化。

• 積極參與“人工智能+制造”標桿場景建設，打造可復制推廣的行業解決方案。

• 對接地方政策資源，降低企業AI應用門檻。

• 與AI算法廠商、工業互聯網平臺協同，融入國家級創新生態體系。

機匯云CRM以“技術+業務”雙輪驅動，已賦能多個行業客戶實現降本增效，推動企業從數字化向智能化躍遷。

• 開展企業智能化水平診斷，明確AI應用場景與優先級。

• 選擇1-2個高價值場景（如智能客服、銷量預測）啟動試點，積累數據與經驗。

• 推動AI在營銷、供應鏈、財務等核心業務環節規模化應用。

• 構建企業專屬知識庫與場景模型，提升系統自主決策能力。

• 實現全流程智能化運營，形成“數據驅動、智能協同”的經營新模式。

• 輸出行業解決方案，賦能產業鏈協同創新。