刘诚
近日，关于AI投资过热和灯塔工厂的两条新闻受到社会关注。
一是摩根士丹利的最新研报认为，以亚马逊、谷歌、Meta、微软和甲骨文为代表的超大规模云计算巨头，在AI领域的“烧钱”强度已经正式击穿了千禧年互联网泡沫时期的峰值，从而表达了对AI投资过热的担忧。一是世界经济论坛公布新一批全球灯塔工厂，一半来自中国，显示了“中国制造”在数字化转型与智能制造升级方面的全球标杆地位。从中可以看出，人们尽管担心AI泡沫，但对AI在制造业领域的深度应用是给予高度赞誉的。
制造业是立国之本、强国之基。当前，新一轮科技革命和产业变革加速演进，人工智能正成为推动制造业高质量发展的重要抓手，一批重点行业企业以智能制造为引擎，加速智能化、绿色化、融合化发展。
人工智能的头雁效应
人工智能是引领新一轮科技革命和产业变革的战略性技术，一定程度上决定了产业发展高度和现代化水平。
按照马克思的观察和量化历史数据的印证，社会生产力是随着科学和技术的不断进步而不断发展的。如果说，欧美国家普遍在第一次或第二次产业革命期间实现了现代化，那么它们彼时的现代化是由机械化或电气化技术所决定的。
而中国要在新一轮科技革命和产业变革的历史时期实现现代化，必然很大程度上取决于人工智能的技术创新及产业应用。特别是，制造业是产业发展中的重中之重，其在全球主要经济体的经济增加值和社会就业的占比约为20%—30%，更是科技创新、关键设备设施生产、新技术应用场景的主要载体。中国抢抓新一轮科技革命和产业变革的历史机遇，推动“中国制造”迈向“中国智造”，将为中国式现代化奠定坚实的物质基础。
人工智能具有溢出带动性很强的“头雁”效应，将持续涌现一批新兴制造业。
纵观全球科技史和经济史，前三次产业革命依次推动了制造业的重大转型升级，第一次产业革命涌现了纺织机和蒸汽机产业，第二次产业革命带动了电灯电话电报、钢铁、石油、汽车等产业的繁荣发展，第三次产业革命则出现了电子产品、计算机、互联网、集成电路等产业。
当前，人工智能驱动的新一轮科技革命和产业变革的力量将不亚于之前的历次产业革命，其中必然涌现一批新的制造业产业形态。当前，芯片制造、计算能力强化（CPU、GPU等）、智能算力中心建设、算法大模型等人工智能核心产业已形成一定规模，并呈现强劲发展态势。
人工智能将通过“技术—经济”范式的整体转变，带动传统制造业及全社会各行业的生产力跃迁。全球产业革命不仅表现为新兴制造业的脱颖而出，更表现为传统制造业及整体经济形态的全方位革新。
从发展阶段来看，人工智能发展已从科技革命向产业变革跃迁，实现从“技术—经济”的范式转变，而中国在AI产品制造和应用场景方面具有比较优势，自动驾驶、无人机、人形机器人等发展迅猛，已然走在全球“技术—经济”范式转变的最前列。
中国在AI产业应用方面的优势，可以从深圳与硅谷的对比中窥探一斑。深圳的产品迭代速度普遍被认为比硅谷快5到10倍，成本通常仅为硅谷的1/10到1/5。在深圳，一个电子产品创意从图纸到样品最短只需12小时，一款人形机器人从概念到跑动最快仅用25天。
相比数字化进程，智能化可以更深层次嵌入制造业。数字技术应用路径主要是将一些交易或流通环节信息化、平台化，它可以推动部分服务业环节的数字化，但在制造业环节采集生产数据、指挥生产设备、控制生产流程的难度较大。正因如此，制造业数字化进程明显滞后于服务业数字化。
相较而言，人工智能技术则将更偏向于制造业。特别是，可以通过智能传感器、物联网技术实时收集生产数据，实现机器与现实世界的网络连接，为制造业流程智能化改造打下坚实基础。人工智能无法以人类的方式感知和观察世界，但它可以通过传感器的方式来触达和体验世界。在智能制造的体系架构中，传感器可谓现代制造业的“感官神经”，其中温度传感器、压力传感器和流量传感器已成为我国AI市场的重要增长动力。而且，人工智能与物联网技术的深度融合促使制造系统呈现以数据驱动为特征的虚实融合和网络协同发展态势。
值得一提的是，新能源汽车制造已成为智能制造的主要试验场，为AI在制造业领域发挥作用提供了绝佳场景。一是汽车制造业规模大，标准化生产流程相对稳定，车间相对封闭，且企业用得起AI；二是汽车产品本身具有智能化改造需求，如自动驾驶功能，再如车载娱乐功能；三是汽车往往可以选配置，与智能制造的定制化生产模式相契合，如不同人需要不同配置时可以在组装环节直接由AI操纵实现。
“达·芬奇难题”待解
尽管中国人工智能赋能制造业取得了较快发展，但在产业生态、基础设施等方面仍面临一些卡点堵点。
一方面，产业生态系统存在短板。中国发展智能经济的一大优势在于应用场景多，但也存在“局部限制整体”的现象。科学史上有一个达·芬奇难题，指的是发明家基于正确的理论设计了一种科技产品，但受限于当时的材料、工艺或动力等因素而不能被应用。实际上，人工智能赋能制造业的过程中也存在类似问题，由于核心技术、原材料、零部件、高质量数据等方面受限，导致一些场景应用难以落地。
另一方面，智能设备设施建设滞后。人工智能赋能制造业，需要以智能设备和智能基础设施为基础，通过万物智联映射和模拟现实世界，进而通过算力算法改造现实世界。然而，中国现有基础设施、设备对制造业智能化发展的支撑不足，且现有算法与通用计算架构难以满足日益增长的专业需求与高水平计算要求，限制了人工智能对制造业的深度赋能。此外，劳动力替代效应引发的社会关切，以及潜在的安全风险挑战，已成为制约人工智能深度赋能制造业、提升其应用质效的关键掣肘。
AI赋能制造业的纵深路线图
站在新的历史起点上，我们必须聚焦产业生态、设备设施智能化改造、人机协同、安全保障等关键领域，在更大范围推动人工智能赋能制造业发展向纵深迈进。
第一，积极构建实智融合的产业生态。
中国拥有体系完整且规模庞大的工业基础，可为人工智能提供多样的实践场景。一个规模化、集群化的生态，是人工智能产业化落地的体现，也是持续推动实体经济和智能经济深度融合的基础。
我们要进一步发挥“头雁”效应，践行先立后破。推动人工智能科技创新与产业创新深度融合，做大做强算力算法等人工智能核心产业，同时加快人工智能在设计、中试、生产、服务、运营全环节落地及其在各行业垂直场景的应用，扩大各领域普惠性、降低行业冲击，促使生态系统实现从简单到复杂的自然演化。
同时，我们要加快推进人工智能技术较成熟、产业关联度较高和协同性较强、已有数据积累量较大的部分重点产业的发展，如工业机器人、AI智能体、自动驾驶汽车、无人机等，加大政府采购力度，发挥市场需求的牵引作用，使之与人工智能核心产业形成互相支撑的网状体系。
第二，加快推进制造业设备设施的智能化改造。
古人云“君子生非异也，善假于物也”。制造业的发展离不开设备设施，而人工智能有效赋能制造业必然以设备设施的智能化改造为前提。人工智能技术及其产业的发展，尽管有明显的虚拟成分，但其实际上也是一个深刻的物质过程。
制造业场景有大量的工业设备，过去是经验规则驱动控制；AI基于数据驱动的控制可以更好地完成感知、认知、决策和控制的闭环，实现制造业设备的精准调控。
今后，我们应进一步推进传感器等小型设备以及道路交通等大型基础设施的智能化改造，并加快算力中心、数据交易中心、卫星、光纤电缆等智能化基础设施的新建或升级。特别是，算力为人工智能模型的训练、推理及复杂计算提供了不可或缺的基础支持，对于智能技术的进步和制造业的智能化转型至关重要，故而要优先发展算力设施并优化算力结构布局。
第三，更好地引导人机协同。
人机关系是人役物，抑或人役于物？这是产业现代化进程中必然遇到的问题，滥觞于第一次产业革命。马克思曾经提出一个尖锐的现象，“在工场手工业和手工业中，是工人利用工具；在工厂中，是工人服侍机器”。
今后，我们要引导制造业向人机协同生产方式变革，推动经济高质量发展。人工智能可以增强人类的感知，提高精确度、力量以及处理和响应大数据集的能力，并促使人类创造性地利用数学模型、算法、巧妙的设计、新材料和新设备设施，提高人类的生产能力。
对应于工业革命的概念，有学者提出“智业革命”。在智业革命阶段，不仅生产函数自动化，实现产品生产产品；知识函数也自动化，实现创意生产创意。
第四，不断提升人工智能的安全保障水平。
人工智能的发展，既要“放得活”，也要“管得住”。在人工智能赋能制造业高质量发展的过程中，难以预料的结果横亘在人工智能发展道路上，人工智能事故和侵权日益成为智能时代的新常态，有学者形象地称该现象为“人工智障”。
今后，我们需要建立健全人工智能风险等级体系，合理审慎监管人工智能软件、工具、算力和数据资源，鼓励制造业企业开展数据安全和算法模型安全管理认证，提升人工智能赋能制造业转型升级的应用安全性，规范技术治理，形成安全有序发展格局。坚持以人为本、制度引领，构建能引领、规范人工智能技术发展应用的社会治理模式与政策体系，使制造业的智能化发展更好地服务于人民群众，以提高全社会福祉。