摘要:通用人工智能作为新一轮科技革命和产业变革的重要驱动力,对于推动制造业高质量发展和构建现代化产业体系具有重要意义。相较于传统人工智能而言,通用人工智能具有更强的灵活性、自主学习能力以及跨领域协同创新能力,它通过技术革新、资源整合、协同创新和创新环境塑造四个维度,为制造业高质量发展赋能。为进一步推动通用人工智能在制造业领域的深度应用,应强化产业链联动、行业间协作以及数据资源共享,推动制造业企业组织结构变革,并营造良好制度环境,以构建智能化、协同化的制造业发展新格局。 关键词:通用人工智能;高质量发展;产业转型;实现路径 基金项目:国家社会科学基金青年项目(23CJL010);中国社会科学院青年人文社会科学研究中心调研项目(2025QNZX020);中国社会科学院“青启”计划资助项目(2024QQJH105);中国社会科学院所智库项目(GJSZY2024028);中国社会科学院学科建设“登峰战略”资助计划项目(DF2023YS25)。 |
问题提出
习近平总书记强调,加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。目前,全球化背景下,制造业竞争日趋激烈,企业面临成本上升、利润下降的双重压力。同时,消费者对个性化、高质量产品的需求不断增加,传统制造模式难以快速响应市场变化,以工业4.0为代表的智能制造浪潮正在重塑全球制造业格局,但许多企业仍受限于技术落后、数字化转型缓慢等问题,难以实现生产效率的实质性提升。为此,中国经济亟须培养经济增长的新动能,实现制造业的高质量发展,而人工智能作为新动能培育和构建技术竞争优势的关键,是引领新一轮科技革命和产业变革的战略性技术,具有溢出带动性很强的“头雁冶效应”。近年来,随着OpenAI公司开发的生成式、通用式人工智能产品ChatGPT和Sora相继应用,通用人工智能技术(Artificial General Intelligence,GAI)取得了显著进展。这种技术突破,使人工智能从单一任务扩展到多领域应用,对各行各业都产生了颠覆性变革。
2007年,施普林格出版社(Springer)出版的《ArtificialGeneralIntelligence》一书,首次提出了通用人工智能的概念。与过往专注于特定任务、辅助用户判断的传统人工智能系统相异淤,通用人工智能追求实现与人类思维“相一致冶的能力(详见表1),不仅能够灵活适应新情境、掌握新知识、进行逻辑推理和问题解决,而且具备广泛的适用性、灵活性和跨领域预测的能力,可以在多样化的环境和任务中展示出“类人冶的智能行为。通用人工智能技术正逐步渗透到制造业的各个环节,从智能设计、生产优化到供应链管理,为企业提供了全新的解决方案。例如,通用人工智能的自主学习和决策能力可显著提高生产线的智能化水平,降低人力成本,提升产品质量,并通过优化资源配置、降低能耗和排放,助力制造业实现绿色转型。因此,将通用人工智能技术与制造业深度融合,不仅是应对制造业困境的重要选择,也是推动制造业高质量发展的关键路径。
表1 通用人工智能与传统人工智能的差异
资料来源:系作者整理。
目前,学界主要从通用人工智能的特征、风险挑战和应用价值三方面展开研究。从特征来看,蔡跃洲等指出通用型人工智能具有渗透性、替代性、协同性和创造性四项特征。王林辉等认为与早期的技术相比,通用人工智能可以与企业资源形成更好的互补创新效应,进而重塑企业空间分布。然而,这种通用人工智能的使用也会存在很多风险与挑战。例如,陈永伟指出通用人工智能的发展会引发“创造性破坏冶,由此引发技术性失业、收入分配恶化,以及垄断和不正当竞争等问题。阿西莫格鲁(Acemoglu)认为通用人工智能在落地的时候面临许多困难,比如有一些任务可能会涉及更多的复杂互动,而且缺乏可以数据化的衡量指标。陈琳等提出尽管专用人工智能进展迅速,但是通用人工智能的研究和应用尚不成熟,能与人和环境交互的能力还很弱,总体发展水平仍处于起步阶段。王(Wang)等发现通用人工智能的缺点为“缺乏常识冶,人类在生活中积累了丰富而广泛的经验,从对情感的理解、社会结构到家庭关系等。而由于人工智能训练的特殊性,人工智能通常不具备这样的常识,进而产生预测结果的偏差。惠炜等强调应重视人工智能的发展阶段,注重劳动力本身的属性与人工智能劳动力需求的匹配性。此外,还有部分学者聚焦于通用人工智能的应用场景和价值。科里内克(Korinek)指出通用式人工智能可以为科研人员提供创意生成与反馈、写作、背景研究、数据分析、编码及数学推导,很有可能会改变现有的经济学研究范式。张越等发现人工智能驱动科研新范式,形成了以知识为中心、多元化主体参与、人机协同共生的科研规则体系的集合。姚加权等基于中国上市公司的数据,发现通用人工智能有助于其调整劳动力技能结构,进而对生产效率与价值存在显著的促进效应。此外,也有部分学者关注到人工智能与制造业的交叉融合的路径与特征。李果等指出不同规模、类型的制造业企业对人工智能技术采纳的效果存在显著差异。大型制造企业更倾向于投资人工智能技术以实现全面数字化转型,而中小制造企业则受限于资金和技术能力,多采用局部应用。人工智能应用对制造企业创新绩效的促进作用在国有企业、大企业、高新技术行业企业以及人工智能应用程度较高地区的企业中更为显著。人工智能技术在制造业特定环节的应用已取得显著成效。例如,在质量控制方面,基于机器视觉的人工智能系统可大幅提高缺陷检测的准确性和效率;在生产调度方面,人工智能算法能够优化资源配置,缩短生产周期。
虽然已有大量文献讨论人工智能对经济的影响,但大部分研究对于人工智能的定义过于宽泛,仅将它视为具有新型基础设施属性的通用技术,而忽视了在人工智能技术演化进程中通用人工智能与传统人工智能在技术特性、应用场景和经济效应上的差异,以至于通用人工智能在制造业中的应用研究仍处于起步阶段。此外,人工智能与制造业深度融合的机制和路径尚未得到充分揭示,特别是在通用人工智能背景下,如何实现技术、组织和商业模式的协同创新仍需深入探索。
鉴于此,本文将在厘清制造业高质量发展的内在要求及通用人工智能典型特征的基础上,进一步分析二者间的互动关系并提出通用人工智能与制造业深度融合的框架和路径,对推动通用人工智能的普及与应用、引领制造业高质量发展具有重要意义。
制造业高质量发展的内在要求和通用人工智能的典型特征
制造业是推动经济增长和技术进步的重要引擎,实现其高质量发展不仅是国家战略的核心,也是提升全球竞争力的关键。随着全球制造业格局的加速变革,传统的规模扩张和成本驱动模式已无法适应新时代的要求,制造业亟须通过技术创新和结构优化实现质量型增长。在这一背景下,通用人工智能作为新一代信息技术的代表,以其广泛的适应性、灵活性和自主学习能力,正在成为推动制造业高质量发展的重要力量。通用人工智能不仅突破了传统人工智能在任务执行上的局限性,还能在多样化的情境中展现出类人智能,助力制造业实现智能化、柔性化和定制化的转型。
(一)制造业高质量发展的内在要求
制造业的高质量发展是现代经济转型与升级的关键。中国从1978年开始推行市场化导向的改革开放政策,在党中央的坚强领导下,以经济建设为中心,充分调动各级地方政府和全社会的积极性,利用独特的制度优势和人口优势,很好地抓住了经济全球化浪潮的历史机遇,率先通过发展劳动密集型制造业和积极引进外资嵌入全球价值链,推动经济快速增长、产业升级,创造了令世人瞩目的经济发展成就。然而,中国传统的经济增长方式也具有其内在的局限性,无法保证社会经济的持续健康发展。长期以来,中国主要依靠扩大投资规模与劳动力投入和增加能源、原材料等物质消耗助推经济快速增长,技术进步或全要素生产率(TFP)的提高对经济增长的贡献较低,以至于国民经济呈现高投入、低效益、高污染的粗放式增长特征。根据国家统计局的数据,2023年中国的二氧化硫、氮氧化物和颗粒物排放量分别为237.97、1207.29和510.96万吨。
因此,中国传统的发展方式也难以为继,亟需找到新的增长点并转变经济增长方式,走高质量发展之路。《人民日报》在2010年3月1日就发表政论文章,将“转变经济发展方式冶视为中国20世纪以来继1949年新中国成立和1978年改革开放之后的第三次重大抉择。推动高质量发展不仅是当前经济发展过程中核心的战略导向,也是未来一段时期内制定发展思路、实施经济政策以及进行宏观调控的根本要求。制造业作为国民经济的支柱产业,是高质量发展战略的关键领域之一。
在全球产业链重构和技术革命加速的背景下,推动制造业的高质量发展具有重要战略意义。具体而言,制造业的高质量发展具有四个显著特点。
1.创新驱动是制造业高质量发展的核心动力
这一动力不仅体现在技术创新方面,还包括一系列相关的管理创新、产品创新、商业模式创新及制度创新。新一代信息技术,尤其是人工智能、物联网、大数据等的广泛应用,正在推动制造业从传统的劳动密集型模式向技术密集型模式转型,推动生产力要素的优化重组和生产方式的变革创新,使制造过程的智能化、柔性化和数字化,为制造业的高质量发展提供了重要依托。以华为为例,通过持续加大研发投入(根据华为财报显示,2024年前三季度华为研发费用达1 274.12亿元人民币,同比增长10.80%),推动产品创新,华为在5G、人工智能等领域实现了技术突破,推动了全球通信产业的变革。
2.资源利用效率的提升是制造业高质量发展的重要内容
制造业是资源消耗的重要场景,提高资源利用效率不仅直接关系到企业的生产成本,还关乎国家实现可持续发展目标的宏观战略。通过智能制造、绿色制造等手段,可以在减少资源浪费的同时,使企业能根据生产形势和目标的变化,调整生产步骤和配置智能制造资源网络以提升生产过程中的能效水平,从而实现经济效益与生态效益的统一。例如,工业机器人可以完成复杂装配任务,智能传感器可以实时监测设备状态,并将相关数据汇总至企业后台进行二次分析。宝武集团通过推广绿色制造技术,如氢能炼钢和余热回收,其吨钢综合能耗将持续下降,成为全球绿色钢铁制造的标杆。
3.产业结构优化是制造业高质量发展的关键途径
高质量发展要求制造业摆脱以往低附加值的产业模式,向高附加值、高技术含量的产业链高端迈进。通过优化产业链、提升产品附加值,以及借助数字技术实现柔性化、定制化、协同化生产,制造企业将能够在全球市场中占据更有利的竞争地位。同时,制造业的产业升级也需要与现代服务业相融合,推动制造业服务化,构建制造与服务相互促进、协同发展的新型产业生态系统。海尔集团通过构建COSMOPlat工业互联网平台,实现了从大规模制造向大规模定制的转型,生产效率大幅提升。在房车行业,COSMOPlat已建成房车行业首家以用户为中心的互联工厂,实现了综合采购成本降低7.3%,产品交期从35天缩短到20天。
4.提升全球竞争力是衡量制造业高质量发展的重要指标
面对日益复杂的国际竞争格局,制造企业需要通过提升技术创新能力、品牌影响力、供应链管理水平等手段,积极融入国际分工网络,增强其在全球价值链中的话语权和竞争力。特别是在全球供应链不断调整和重组的背景下,拥有自主创新能力和高度智能化水平的制造企业将具有更大的抗风险能力和市场竞争优势。未来的国际竞争将不仅仅依赖成本优势,而更多取决于企业的技术能力和创新能力。三一重工通过“一带一路冶倡议,与全球合作伙伴共建智能制造生态圈,根据三一重工财报,2024年上半年,三一重工在海外市场取得了显著的销售成绩,收入达到242亿元,同比大幅增长79%,实现了从本土企业到全球企业贸易范围的进一步延伸。
(二)通用目的技术与通用人工智能的典型特征
“通用目的技术冶是现代经济增长理论中经常被提及的一个概念。区别于仅用于某些具体用途的专用目的技术(Specific Purpose Technology),通用目的技术对经济的影响往往是整体性的,例如:蒸汽机、电气技术等。布雷斯纳汉(Bresnaha)等最早对其进行了系统的研究,认为GPT应该具有普遍适用性(Pervasiveness)、改善性(Improvement)及创新性(Innovation Spawning)三个基本特征[22]。作为新一代技术的代表,通用人工智能相较于传统人工智能具备一系列新的产业链结构与典型特征。
1.从通用人工智能的产业链结构上看
通用人工智能的产业链结构涵盖基础层、支撑层和应用层(详见图1)。基础层聚焦算法、芯片等关键技术,而支撑层提供硬件资源与软件服务(如数据、编程框架、云服务、程序库、传感器等)。例如,英伟达(NVIDIA)的GPU芯片与谷歌的TensorFlow框架深度结合,为深度学习算法的训练和部署提供了高效支持,显著提升了通用人工智能技术的研发效率。支撑层为应用层提供技术支持,而应用层通过实际场景(如医疗、交通、金融等)反馈推动支撑层的优化。同时,政府、企业、科研机构等多方参与,共同构建产业生态,形成“产学研用冶一体化合作模式,推动通用人工智能产业的繁荣与发展。例如,中国科技部支持的“新一代人工智能开放创新平台冶项目,联合百度、阿里巴巴等企业,推动通用人工智能技术在智能制造、智慧城市等领域的落地应用。
整个产业链结构紧密相连,各环节相互支撑,共同推动通用人工智能技术的创新和应用。为制造业带来了显著优势。基础层和支撑层的协同为制造业提供了强大的技术支撑。例如,华为通过自主研发的昇腾人工智能芯片和MindSpore框架,在智能制造领域实现了从设备预测性维护到生产流程优化的全链条通用人工智能应用,显著提升了生产效率。支撑层的云服务和数据平台为制造业企业提供了低成本、高效率的资源整合方案。例如,三一重工通过接入腾讯云构建了“根云冶工业互联网平台,实现了全球设备的实时监控和智能调度。应用层的行业解决方案则为制造业提供了快速落地的路径。例如,通用电气(GE)通过将通用人工智能技术应用于航空发动机的故障预测,显著降低了维护成本,同时提高了设备运行的安全性。
图1 通用人工智能的产业链结构
2.从通用人工智能的典型特征上看
第一,广泛的适应性与灵活性是通用人工智能的显著特征。与传统人工智能专注于某一特定任务不同,通用人工智能可以在多样化的任务和情境中展现出类人的智能行为。这意味着通用人工智能可以在复杂的制造环境中适应不断变化的生产需求,灵活应对多样化的生产任务。这种广泛适应能力使得通用人工智能成为实现制造业智能化、自动化升级的核心技术。例如,图像识别、语音识别等传统人工智能系统在特定数据集上表现优异,但在跨领域任务中往往表现不佳。相比之下,通用人工智能基于通用学习框架(如元学习、迁移学习),能够从少量数据中快速学习并适应新任务。DeepMind的Gato模型通过多任务训练,能够在游戏、机器人控制、自然语言处理等多个领域表现出色。在技术原理上实现了重要突破;第二,学习与自主创新能力使通用人工智能具备超越传统人工智能的潜力。传统人工智能依赖于人为设计的规则和数据集进行特定任务,而通用人工智能则具备自我学习和创新的能力,采用自监督学习和强化学习相结合的方式,能够在无监督或少监督的情况下自主探索和学习。例如,OpenAI的GPT鄄4通过大规模预训练和微调,实现了跨领域的知识迁移和任务泛化。这种特性赋予制造系统更高的自主性,使其能够在面对未知问题时自主做出最优决策,极大提高了制造业的智能化水平;第三,跨领域协同与整合能力是通用人工智能的一大优势。通用人工智能不仅能够在单一领域内执行复杂任务,还能实现跨领域的协同与整合,进而推动投入产出效率或全要素生产率的提高。例如,通用人工智能可以将工业互联网、云计算、大数据等技术有机结合,为制造业提供全面、智能的解决方案。这种跨领域协同能力将促进制造业各个环节的高度集成化,从而提升生产效率与资源利用效率;最后,创造性与预测性是通用人工智能的重要特征之一。通用人工智能不仅可以根据已有的数据和知识做出战略决策,还能与人类专家和其他人工智能系统协同工作,通过模拟和推理生成创新性的解决方案,而传统人工智能系统仅能执行特定分析任务。这一特性使得通用人工智能能够帮助制造企业预测市场趋势、优化生产流程和开发新产品,为制造业的创新能力提供强大支撑。
综上所述,制造业高质量发展的内在要求与通用人工智能的典型特征在多个方面具有高度契合性。通用人工智能的灵活性、自主学习能力以及跨领域协同创新能力,正是推动制造业从传统模式向高质量发展模式转型的技术基础。在制造业的高质量发展路径中,通用人工智能将成为实现智能化、柔性化、定制化生产的关键力量。
通用人工智能推动制造业高质量发展的理论逻辑
通用人工智能作为新一代颠覆性技术,具备跨领域适应性、自主学习能力和创造性,在制造业的高质量发展中具有极高的应用潜力。通用人工智能不仅从技术层面上支持制造业的智能化升级,更从产业结构、制度环境等方面促进制造业全方位的高质量发展。本文将从技术革新、资源整合、协同创新与产业升级与优化及创新环境塑造四个维度探讨通用人工智能推动制造业高质量发展的理论逻辑。
(一)技术革新与效率提升
技术进步是经济持续增长的决定因素,生产力的发展在很大程度上依赖于技术的革命性突破。通用人工智能作为新一轮科技革命的重要成果,凭借其独特的技术特性和强大的革新能力,正成为推动制造业高质量发展的关键引擎。与传统人工智能局限于特定任务不同,通用人工智能能够通过跨领域知识迁移实现技术突破,具备更强的自我学习和自主创新能力,使其在面对不确定性时更具适应性,能够深度优化生产流程和工艺环节,全面作用于制造业的研发设计、生产制造、客户服务和运营管理等核心环节。例如,通用人工智能通过先进的机器学习算法,可以识别生产流程中的资源浪费点,精准定位低效环节,并提供节能降耗的优化方案,从而大幅降低成本,提高资源利用效率,显著提升生产质量。此外,通用人工智能可将自然语言处理中的语义理解技术应用于制造业的设备故障诊断,显著提高诊断精度和效率。在制造业的智能化转型中,通用人工智能不仅是推动变革的技术基础,还颠覆了传统制造系统依赖人工操作和规则设定的局限,通过自动化和智能化的有机结合,能够全方位搜集并分析消费者的行为数据与市场动态,使通用人工智能能够帮助制造企业精准预测消费偏好和潜在需求,进而实现柔性制造与定制化生产。在产品设计和供应链管理中,通用人工智能还能够生成个性化生产方案,优化设计流程,动态调整生产计划,并高效管理供应链系统,从而实现从原材料采购到成品交付的全流程智能化。这种基于技术创新的能力,使制造业从以往单纯依赖规模效益的粗放型发展模式,逐步向以高附加值和高技术含量为核心导向的精细化、智能化路径转变,推动制造业全面迈向高质量发展的新时代。
(二)资源整合与优化
通用人工智能在资源整合与优化方面的独特优势为推动制造业高质量发展提供了重要路径。传统制造业的人工智能资源配置模式通常依赖于固定的生产要素和单一的预设决策规则,导致资源利用效率难以充分发挥。而通用人工智能凭借其广泛适应性和高度灵活性,可以突破传统模式的约束,通过跨领域的协同创新,构建一个高效、动态的资源整合和优化体系。具体而言,通用人工智能能够整合企业内外部的多源异构数据,贯通数据流、信息流和价值流,促进多部门、多领域的协同生产与智能管理。在供应链管理方面,通用人工智能能够打通从原材料采购、生产制造到物流配送的全流程数据链路,通过对市场反馈与需求预测的实时分析,动态调整生产计划,从而实现柔性化生产,提高生产过程的响应速度和适应能力。在资源配置方面,通用人工智能可以通过智能算法和大规模计算能力,对企业内部数据、市场需求以及外部供应链等复杂系统进行全面分析与统一管理,从而实现生产资源的智能调度与动态优化,不仅大幅提升了资源利用效率,还有效降低了库存成本、生产损耗和供应链管理成本。此外,通用人工智能通过推动生产过程的精细化管理和流程优化,为制造业企业提供了向资源高效化、绿色化和可持续化方向转型的可能,全面助力制造业实现高质量发展目标。
(三)协同创新与产业升级
通用人工智能不仅在技术层面推动制造业的创新,还通过协同创新和产业升级效应深刻促进制造业的结构性转型。相较于传统人工智能,通用人工智能强大的跨领域应用能力使其能够与其他先进技术(如智能机器人、物联网、区块链等)产生协同效应,形成多技术融合的智能制造体系,从而推动跨学科研究的深化与产业间的协作创新。具体而言,通用人工智能通过与智能机器人的结合,可以实现从产品设计、生产制造到物流配送、质量检测等全产业链的自动化和智能化,显著提升生产效率和资源利用率。同时,通用人工智能的引入让供应链管理与市场需求预测更加精准,从而使得生产、供应链和市场需求的各个环节高度协同,推动制造业向更高端的智能制造和高附加值链条迈进。此外,通用人工智能的赋能效应还显著推动了制造业服务化的进程。通用人工智能不仅能够在生产制造环节发挥作用,还为制造企业提供一系列智能服务解决方案,包括设备预测性维护、智能生产管理、产品定制化设计以及市场趋势预测等。这种服务能力的嵌入,使得制造企业逐步从单一产品供应商转型为“产品+服务冶的综合解决方案提供商,进一步推动制造业形成服务与制造深度融合的新业态。这种新模式不仅拓宽了企业的业务边界,还提升了其市场竞争力,为制造业整体向价值链高端攀升提供了强有力的支撑,最终助力制造业实现可持续、高质量发展。
(四)创新环境塑造
通用人工智能对制造业高质量发展的促进作用还表现在其创新环境的塑造效应上,成为推动制造业整体转型升级的重要驱动力。作为一种具备高度扩展性和适应性的通用技术,通用人工智能能够通过创新生态的构建,打造一个更加开放、协作和动态的制造业发展环境。在这一创新生态中,通用人工智能的开放性特质尤为关键,它能够有效促进产业链上下游之间的深度合作与技术创新,打破传统行业之间的壁垒,从而推动跨行业的协同发展与资源整合。通过广泛应用通用人工智能,制造业企业能够更加高效地吸收和利用外部的技术资源、行业经验以及知识成果,将其转化为优化生产链和价值链的实际动力。此外,通用人工智能内在的创新能力使其在不断学习和自我进化的过程中,能够动态提出更具针对性和前瞻性的解决方案,这种自适应的持续创新机制不仅满足了制造业对灵活性和精确性的需求,还进一步优化了产业创新环境的结构与功能。随着通用人工智能的深度嵌入,制造业在研发、生产、管理等多个环节都将实现从传统模式向智能化、协同化、创新化的全面转变,从而为高质量发展奠定更加坚实的基础。最终,这种由通用人工智能推动的开放创新生态将成为制造业竞争力提升的重要保障,为产业升级和长期可持续发展提供强大支撑。
以通用人工智能推动制造业高质量发展的实现路径
通用人工智能的赋能不仅改变了制造企业的生产与管理模式,还深刻影响了整个产业链的协同效率和行业间的创新生态。作为一项具备泛用性、学习性和适应性的核心技术,通用人工智能的引入使制造业能够应对全球化和数字化转型中的复杂挑战,从而实现高质量发展。然而,仅靠技术优势并不足以推动通用人工智能的全面落地,其有效应用依赖制造业企业的组织结构变革和良好制度环境的协同保障。同时,通用人工智能在打破传统行业壁垒、重塑产业生态协作上扮演关键角色。因此,如何释放通用人工智能的潜力,成为推动制造业高质量发展的核心命题。基于通用人工智能具有的优势及制造业高质量发展的内在要求,通用人工智能赋能制造业应强化产业链联动、行业间协作和数据资源共享,推动制造业企业组织结构变革和营造良好制度环境,以全面构建智能化、协同化的制造业发展格局。
(一)强化产业链联动、行业间协作和数据资源共享,推动制造业协同发展
通用人工智能的赋能价值不仅体现在单个企业的生产和管理优化,更通过强化产业链联动、行业间协作和资源共享,推动制造业协同发展。这一协同路径包含三个关键方向:上下游产业链协同、跨行业创新平台构建和数据共享机制完善。
1.协同上下游产业链
通用人工智能的应用有助于大幅提高产业链上下游之间的协同效率,形成更加紧密的供应链关系。一方面,通用人工智能通过大数据分析和预测能力,帮助企业精准匹配上下游需求。例如,原材料供应商可以利用通用人工智能实时监测客户生产需求,优化供货策略,减少库存积压。另一方面,通用人工智能还可以通过智能合约技术,将上下游企业的交易数字化,减少信息不对称带来的协调成本。此外,通用人工智能的智能预测功能使得企业能够更好地应对市场波动风险。例如,在企业供应链中断的情况下,通用人工智能可以快速识别替代供应商,并优化物流网络,确保生产连续性。
2.构建跨行业创新平台
跨行业的协同创新平台是促进通用人工智能技术扩散和制造业高质量发展的重要途径。通过整合技术、资金和市场资源,跨行业平台为中小型制造企业提供低门槛的技术应用机会。例如,政府可以主导建立通用人工智能创新实验室或技术中心,吸引人工智能领域的顶尖企业与制造企业合作,推动技术转化,有利于聚集多样化的技术和经验,实现跨界协同创新。具体而言,医疗行业的图像识别技术可以借助通用人工智能快速转化为制造业的质量检测方案,而制造业的高效物流算法可以为零售行业提供优化支持。通过多领域的技术互补,制造业企业能够加快技术应用步伐,实现高质量发展。
3.完善数据共享机制
数据是通用人工智能的基础,但制造业的不同企业和行业之间长期存在数据孤岛现象,阻碍了通用人工智能赋能效果的最大化。为了打破这一障碍,需要建立跨企业和跨行业的数据共享机制。一方面,数据共享需要在安全和隐私保护的前提下进行,政府和行业协会可以出台标准化的规范,确保数据共享的合法性和安全性。例如,通过区块链技术记录数据使用权限,企业可以在保护数据隐私的同时与合作伙伴进行数据交换。另一方面,通用人工智能能够在共享数据的基础上对整个产业链进行综合分析,从而发现效率提升的潜力点。例如,制造企业可以通过共享物流数据与运输公司协作,优化供应链配送路径,减少运输成本。
(二)推动制造企业组织结构变革,助力制造业高质量发展
在通用人工智能的推动下,制造企业的组织结构与管理模式需要进行深度转型,以适应技术赋能所带来的生产和经营方式的变革。传统制造企业多以科层制为核心,但在通用人工智能时代,这种固化的组织模式难以应对快速变化的市场需求和高度复杂的技术生态。因此,通过组织转型实现管理的智能化和敏捷化,是推动制造业高质量发展的关键。
1.组织架构需要从科层制向扁平化和网络化转变
传统科层制的纵向管理结构往往导致信息传递效率低下、决策响应速度慢,而通用人工智能通过大数据分析、实时预测及校准,能够为企业提供更加精准有效的战略决策支持。鉴于此,企业可以简化管理层级,通过扁平化的组织架构提升信息流通效率和执行力。同时,网络化组织架构有助于通过跨部门协作和资源共享,激发企业内外部创新活力。例如,2022年9月17日,北京大学和阿里巴巴共同宣布成立“北大-阿里妈妈人工智能创新联合实验室冶。目前,阿里妈妈内部业务已全面实现人工智能化,未来将继续为实验室的技术研究提供技术平台和验证场景,共同推动商业数智化进程淤。
2.运营方式需要向敏捷化和智能化转变
通用人工智能通过预测性分析和实时优化,在企业之间建立的虚拟连接打破了物理环境对企业发展的约束,依托研发设计、生产制造、仓储物流等价值链,形成柔性化、虚拟聚集的产业组织,为企业运营管理提供了全新的手段。例如,在生产运营中,通用人工智能能够基于实时数据动态调整生产计划,优化资源配置。在市场运营中,通用人工智能通过用户行为分析和市场趋势预测,帮助企业制定精准的营销策略和产品定价方案。此外,通用人工智能还能通过情感计算和自然语言处理技术,优化客户关系管理流程,提升客户忠诚度。
3.人才管理需要适应通用人工智能时代的特征
通用人工智能的广泛引入不仅改变了生产流程和管理方式,也从根本上重塑了企业对人力资源的需求结构。在这一背景下,高技能人才和具备多学科背景的复合型人才逐渐成为推动企业创新和发展的核心驱动力。然而,仅仅依赖现有人才结构已无法满足企业在智能化转型过程中的多样化需求,因此,企业必须主动调整人才管理战略,通过内外部结合的方式加强培训与职业发展规划。一方面,企业需要建立系统化的内部培训机制,通过针对性课程和实践操作提升员工的技术素养与智能化工具使用能力,使其能够快速适应技术变革带来的岗位变化。另一方面,企业可以与高校、科研机构等外部资源紧密合作,共同开发跨学科、跨领域的培训计划,培养面向未来需求的高端技术人才和管理人才。此外,通用人工智能本身也可以在人才管理中发挥关键作用,通过大数据分析与智能算法,企业可以实现对员工能力与岗位需求的精准匹配,从而最大化人力资源的利用效率,优化人员配置结构。智能化的人员—岗位匹配不仅能够提升员工的工作满意度与岗位适配度,还能推动企业在人力资源管理方面实现降本增效,进一步增强企业在市场中的竞争力与可持续发展能力。
(三)营造良好制度环境,助力通用人工智能赋能制造业发展
良好的制度环境是推动通用人工智能技术普及和应用的重要支撑。作为外部推动力量,政府提供的各项制度政策可以通过创新激励、技能培训和法律规范,为通用人工智能推动制造业高质量发展提供良好的环境。政府在这一过程中扮演着制度设计者和资源分配者的角色,其政策行为对通用人工智能技术的应用范围和社会影响具有直接影响。
1.创新激励政策能够有效推动通用人工智能技术在制造业中的应用
政府可以通过设立专项基金、提供税收优惠和加大研发投入支持,激励企业加快通用人工智能技术的研发和推广。例如,设立“通用人工智能与制造业融合专项资金冶,支持制造企业引入和开发基于通用人工智能的生产技术。同时,针对中小企业,政府可以提供低成本的技术应用平台,帮助其弥补研发资源不足的短板,推动通用人工智能技术在制造业各个层级的普及与应用。
2.技能培训和劳动力转型是政策保障路径的核心内容之一
通用人工智能的推广将不可避免地对劳动力市场结构产生深远影响,传统岗位可能因技术替代而消失,同时对高技能劳动者的需求将显著增加。因此,政府需要通过职业教育改革和技能培训计划,帮助劳动者适应新技术的工作环境。例如,在职业院校中增加与人工智能相关的课程,并通过政府补贴支持企业为员工提供职业技能升级培训。此外,对于因通用人工智能替代而失业的劳动者,政府可以通过再就业培训计划和社会保障政策提供支持,确保劳动力市场的稳定性和社会公平。
3.法律规范和伦理建设是确保通用人工智能技术可持续应用的制度基础
通用人工智能技术在制造业中的广泛应用可能伴随一系列法律和伦理问题,例如数据安全、隐私保护、算法歧视和技术滥用等。为了应对这些挑战,政府需要制定专门的法律法规,明确企业在使用通用人工智能技术时的责任和义务。例如,在数据共享和隐私保护领域,可以通过立法明确数据使用范围,防止企业滥用用户数据。同时,政府还可以通过行业准则和公众教育加强社会对通用人工智能技术的正面认知,减少技术应用过程中产生的伦理争议,促进政府监管与社会监督的协同联动。
结论与建议
通用人工智能作为新一轮科技革命的重要驱动力,其发展与应用为制造业的高质量发展提供了强大的技术支撑和全新视角。通用人工智能基于其灵活性、自主学习能力以及跨领域协同创新的显著优势,通过技术革新、资源整合、协同创新和创新环境塑造四个维度,为制造业高质量发展赋能,不仅推动了制造业在技术层面的智能化转型,也在产业结构升级、产业生态构建、社会经济协作等多个层面引发了深刻变革。基于以上研究结论,本文提出三个方面的实践和政策建议。
(一)夯实通用人工智能推广所需的数字化基础
技术的赋能效应并非能够自发实现,而是需要强有力的支撑体系。通用人工智能技术的落地,首先依赖于完善的基础设施建设和多样化的应用场景支持,高效、安全的数据基础设施尤为关键。例如,工业互联网、物联网和智能数据中心等不仅是支撑智能化应用的核心要素,也是保障数据流通和处理效率的基本载体。此外,通用人工智能的推广离不开核心算法研发的突破和计算能力的持续优化,这些领域需要长期的资源投入和战略规划。只有在技术研究层面持续攻关,才能为其大规模推广提供足够的技术储备与性能保障。从政策视角看,加强通用人工智能技术的基础性研究不仅是推动技术进步的必要前提,也是在更深层次上赋能制造业智能化转型的关键路径。因此,政府需要以完善数字底座为抓手,聚焦于技术与产业需求的深度融合,通过政策引导和资源倾斜,为技术赋能制造业高质量发展创造坚实的条件。
(二)积极推进通用人工智能的人才培养和教育体系改革
通用人工智能技术的高度复杂性决定了其应用不仅需要扎实的专业知识,更需要具备多层次、高水平和跨领域视野的复合型人才。然而,目前制造业的人才结构与这一需求之间存在明显差距,难以支撑通用人工智能在行业中的深度应用和创新发展。为了弥补这一缺口,政府和企业应形成合力,通过系统性的教育体系改革和政策设计,建立更适配于智能制造需求的人才培养体系。一方面,可以通过设立智能制造与人工智能相结合的交叉学科,推动高校从课程体系到学术研究的综合转型,使学生能够在学习阶段便能接触到行业前沿技术;另一方面,校企合作培训计划应得到进一步深化,通过联合培养模式,让学生在实践中掌握理论知识的实际应用,并提升解决复杂工程问题的能力。同时,为了吸引更多高端人才加入制造业领域,还需要通过政策激励,例如提供专项研究经费、税收优惠以及人才引进绿色通道等手段,营造更加有利于人才流动和成长的生态环境。在教育与产业形成紧密协同的基础上,为通用人工智能在制造业的推广和落地提供强有力的人才支撑,进一步释放技术赋能的潜力。
(三)鼓励开展通用人工智能领域的全球化合作
通用人工智能对制造业的影响早已超越国界,其全球化特征为国际合作与竞争创造了新的发展机遇,同时也提出了更高的挑战。从技术层面看,通用人工智能的研发和应用需要以开放的态度和国际视野来推动,因为这一领域的技术突破往往离不开全球范围内的协同创新,而标准的开放性和互操作性更是决定其全球化应用效率的核心要素。因此,我国应积极参与全球人工智能技术联盟的建设,与发达国家及主要经济体在基础研究、技术开发和标准制定方面形成深度协作,推动通用人工智能技术在国际范围内的规范化与标准化,推动通用人工智能技术在不同国家和地区间的高效兼容。从产业层面看,制造业的全球竞争格局随着通用人工智能的广泛应用正在发生深刻变革,而我国制造企业若想在这一变革中占据有利位置,离不开国际合作的深化与拓展。通过融入跨国生产网络,我国制造企业不仅可以优化全球生产资源配置,还能够借助国际市场的竞争环境提升自身的技术水平和产业地位。同时,在“一带一路冶倡议的框架下,通用人工智能技术的推广为我国与沿线国家开展更广泛、更深度的合作提供了新契机。通过推动智能制造技术在新兴市场的普及应用,我国制造业企业可以与沿线国家共同构建智能制造生态圈,进一步巩固在全球产业链中的话语权与影响力,从而实现技术进步、产业升级和国际竞争力的全面提升。
注释及参考文献从略,请参阅期刊纸质版原文
杨登宇 | 中国人民大学经济学院博士研究生。
吴海军,杨登宇.通用人工智能推动制造业高质量发展:理论机制与实现路径[J/OL].北京工业大学学报(社会科学版),1-12[2025-05-08].http://kns.cnki.net/kcms/detail/11.4558.G.20250418.1751.002.html.