炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！　　本报记者 曹 琦　　随着技术持续突破、应用场景拓宽以及产业融合加速，当前人工智能（AI）发展正进入2.0新阶段，即迈向思维与行动双轮驱动的新阶段。　　面对人工智能在产业升级、产品开发、服务创新等方面的技术优势，为促进人工智能同实体经济的深度融合，11月26日，由中国企业联合会、中国企业家协会主办的2025年全国智慧企业发展大会在江西省赣州市召开。　　本次大会主题为“AI驱动创新 数智引领未来”。会上，中国企业联合会党委书记、常务副会长兼秘书长朱宏任在致辞时表示，要扎实推进人工智能与实体经济深度融合，推动企业加快形成以数据驱动、场景引领、系统推进为特征的数智化发展新格局。　　人工智能　　将驱动制造业“智变”　　如今，AI正在深刻改变制造业的生产方式、商业模式和产业生态。　　“当前AI应用落地呈现微笑曲线的特征，大模型应用落地节奏两端快、中间慢，即生产制造端慢，管理运营、营销服务端快。”工业和信息化部电子科技委主任、研究员级高级工程师王江平向《证券日报》记者表示，“整体来看，目前大模型在工业领域应用案例集中在营销服务、管理运营等通用性较强的环节，尚未深入触及生产制造核心环节（工业关键流程控制、排产调度、参数优调等）。”　　AI赋能工业应用面临挑战，一方面是因为工业场景容错率低。工业生产场景不同于个人消费场景，工业生产线对稳定性、可靠性要求极高，工业大模型一旦发生细微的差错，很可能导致产品质量下降和生产线停工，甚至引发安全生产事故，给利润率本就不高的工业企业带来灾难。另一方面，工业制造往往由多个工业系统和设备组成，将大模型技术整合到现有质量控制、工艺优化环节中，需要系统改造，解决兼容性、通信等问题。此外，不同行业产品类型不一、零部件型号繁杂，应用场景千差万别、标准化程度低，特定行业训练的大模型很难泛化到其他行业。　　要解决“AI+制造业”的难点和痛点，王江平认为要推动AI从通用环节向生产制造核心环节深入，需要“通用大模型+专业小模型”协同发展，即多数企业在实践过程中，将大模型的“智慧”和小模型的“敏捷”相结合，实现性能、效率和成本的平衡。　　同时，AI赋能工业要优先推进高价值场景的应用，在效率革命、复杂性决策、个性化需求及用户新体验等方面重点发力。例如，在效率革命上，能够将隐性知识显性化，将老师傅的操作经验、专家的工艺知识转化为可复制、可传承的算法模型，打破个体能力的局限。　　多位与会专家表示，未来，随着AI融入核心生产环节，将驱动制造业“智变”，推动制造业模式从离散、被动向连续、主动、全局优化升级。　　高质量数据　　解决“AI幻觉”问题　　近年来，国内外大模型迎来井喷式爆发。据中国信通院统计，截至2025年7月份，我国已发布超1500个大模型，居全球首位，意味着我国人工智能技术实现了快速发展。与此同时，大模型“自说自话”、一本正经“胡说八道”的问题日益凸显，这一现象被称为“AI幻觉”。　　比如，《证券日报》记者向一款大模型提问：糖尿病患者是否可以用蜂蜜代替糖？它回答：蜂蜜富含维生素和矿物质，对提高免疫力很有帮助，因此是一种健康的食品。这一现象表明，一些大模型存在忠实性幻觉问题，即回答内容虽无事实错误，但与提问无关，未忠实于用户意图。　　“要解决‘AI幻觉’问题，专业大模型愈发重要。”浙江大学原校长潘云鹤表示，“基于常见信息数据的大语言模型，回答一些专业性强的问题时，通常准确性不够高，而基于科学数据的专业大模型就能解决这些问题。”　　数据的质量对大模型来说至关重要。高质量的数据能让大模型变得更聪明，而低质量的数据则会让模型变笨甚至出错，因此使用专业大数据，才能训练专业大模型。打个比方，大模型就像一个正在发育的小孩，数据就是它成长所需的各类营养，数据越丰富，大模型就能学到更多知识，大脑就能更发达。　　多位专家表示，以前大家更加关注算力、算法，但随着数字化、网络化、智能化的深入发展，数据作为关键生产要素的价值日益凸显。高质量、多样化的数据集将是大模型性能突破、落地应用的关键。　　会上，朱宏任建议与会企业扎实开展数字化改造，着力汇聚各类数据资源，建立企业知识图谱和各类垂直应用人工智能模型，以数据要素带动各类生产要素创新性配置，积极探索企业数智化发展新模式，为企业高质量发展注入新的要素动能。 .appendQr_wrap{border:1px solid #E6E6E6;padding:8px;} .appendQr_normal{float:left;} .appendQr_normal img{width:100px;} .appendQr_normal_txt{float:left;font-size:20px;line-height:100px;padding-left:20px;color:#333;} 海量资讯、精准解读，尽在新浪财经APP 责任编辑：高佳