在能源、制造、通信等16個重點行業(yè)打造了800多個應(yīng)用場景；建設(shè)行業(yè)數(shù)據(jù)集超過1000個；“九天”“星辰”“元景”等大模型已基本具備全模態(tài)、復(fù)雜推理及智能體構(gòu)建能力……當(dāng)前，中央企業(yè)正深入推進(jìn)“人工智能+”行動，在算力、數(shù)據(jù)、模型、應(yīng)用等全方位發(fā)力，推動從“盆景式”試點落地到“雨林式”規(guī)模應(yīng)用。

但是記者在調(diào)研采訪中獲悉，央企業(yè)務(wù)場景多為定制化需求，推動人工智能規(guī)?；涞厝源嬷T多制約，需要進(jìn)一步展開長周期規(guī)劃，在自主研發(fā)、高質(zhì)量數(shù)據(jù)集建設(shè)、場景賦能與創(chuàng)新、人才隊伍建設(shè)等方面進(jìn)一步探索和發(fā)力。

央企“AI+”專項行動向縱深推進(jìn)

“數(shù)智賦能，物聯(lián)創(chuàng)效”——長慶油田頁巖油開發(fā)分公司西峰生產(chǎn)指揮中心墻上的八個大字異常醒目。巨型屏幕前，工作人員輕點物聯(lián)網(wǎng)云平臺“產(chǎn)量差異分析”模塊，紅綠柱狀圖瞬間呈現(xiàn)增油量與遞減量。三次點擊，系統(tǒng)便鎖定某中心站單井異常減產(chǎn)點——整個過程不到十秒。

這是中國石油“數(shù)智石油”建設(shè)的一個縮影。該企業(yè)建成我國能源化工領(lǐng)域首個通過國家備案的行業(yè)大模型——昆侖大模型，完成330億到700億、再到3000億參數(shù)的迭代升級，深度賦能上百個產(chǎn)業(yè)應(yīng)用場景；同時，項目團(tuán)隊組建10個攻堅組，圍繞26條業(yè)務(wù)線、119個業(yè)務(wù)域，優(yōu)化形成“十域百景千應(yīng)用”的全景視圖。以業(yè)界首個地震正反演大模型為例，使得地震波波動方程求解效率提升10倍，勘探項目周期縮短20%以上。

如今，“人工智能+”的產(chǎn)品正在加速賦能各行各業(yè)。就在不久前，國務(wù)院印發(fā)了《關(guān)于深入實施“人工智能+”行動的意見》。意見提出，通過科技、產(chǎn)業(yè)、消費、民生、治理和全球合作六大重點行動，明確到2027年，智能終端、智能體等應(yīng)用普及率超70%，2035年全面步入智能社會。

北京郵電大學(xué)人工智能學(xué)院教授張闖認(rèn)為，國資央企憑借在能源、交通、金融、通信等關(guān)鍵領(lǐng)域的規(guī)?；瘓鼍皟?yōu)勢，成為AI技術(shù)落地的重要“試驗田”與“孵化器”，承擔(dān)著國家戰(zhàn)略實施者、技術(shù)創(chuàng)新引領(lǐng)者、產(chǎn)業(yè)生態(tài)構(gòu)建者的核心角色。

2024年以來，國資委組織深入實施中央企業(yè)“AI+”專項行動。目前已在能源、制造、通信等16個重點行業(yè)打造了800多個應(yīng)用場景；成立了交通物流、綠色低碳、智慧能源3個行業(yè)數(shù)據(jù)產(chǎn)業(yè)共同體，建設(shè)行業(yè)數(shù)據(jù)集超過1000個；通信運營商加快向AI基礎(chǔ)底座供應(yīng)商轉(zhuǎn)變，累計投資超百億元，建成4個“萬卡集群”，智算規(guī)模比“AI+”行動實施前增長超過2倍；“九天”“星辰”“元景”等大模型已基本具備全模態(tài)、復(fù)雜推理及智能體構(gòu)建能力，在能源電力、工業(yè)制造等領(lǐng)域加快應(yīng)用。

在2025年世界人工智能大會期間，國務(wù)院國資委正式發(fā)布了首批40項央企人工智能戰(zhàn)略性高價值場景，建設(shè)“國資央企人工智能戰(zhàn)略性高價值場景庫”，以此為基礎(chǔ)推動央企持續(xù)挖掘、積極開放行業(yè)核心場景，協(xié)同各方共建共享，深度融合人工智能科技創(chuàng)新與產(chǎn)業(yè)創(chuàng)新，打造人工智能+科學(xué)、生物醫(yī)藥、新材料研發(fā)、具身智能、新型工業(yè)化等應(yīng)用標(biāo)桿，助力傳統(tǒng)產(chǎn)業(yè)提質(zhì)升級，開辟戰(zhàn)略性新興產(chǎn)業(yè)和未來產(chǎn)業(yè)發(fā)展新賽道，推動“盆景式”試點落地到“雨林式”規(guī)模應(yīng)用。

中國移動承擔(dān)的“公有云全流程AI+處置億級云端威脅”正是首批場景之一。據(jù)介紹，移動云以云原生自適應(yīng)安全架構(gòu)作為安全基座，融合九天、DeepSeek等基礎(chǔ)大模型能力，孵化安全云腦智能運營平臺，落地應(yīng)用于移動云數(shù)十個資源池，納管全網(wǎng)數(shù)千套安全設(shè)備，日均處理安全數(shù)據(jù)超70億，實現(xiàn)安全運營智能化、高效化和精準(zhǔn)化，安全事件工單平均處置時長壓降82.5%，安全告警自動化處置率達(dá)99%，告警誤報率壓降至0.2%，節(jié)省人工成本超千萬。

國家電網(wǎng)也積極運用人工智能賦能電力系統(tǒng)運行管理、生產(chǎn)作業(yè)管理、經(jīng)營管理和客戶服務(wù)等多個領(lǐng)域。以此次列入的“電力輸變電設(shè)備智能巡檢與作業(yè)處置”場景為例，全面推廣輸電無人機(jī)智能巡檢、變電智能巡視、電力智能作業(yè)等應(yīng)用；系統(tǒng)布局研發(fā)系列機(jī)器人裝備，配網(wǎng)帶電作業(yè)機(jī)器人已迭代研發(fā)至第四代；探索應(yīng)用人工智能技術(shù)對特高壓直流設(shè)備運行狀態(tài)開展智能分析，故障智能研判和快速處理效率提升50%。

中國中車則圍繞“AI+裝備制造業(yè)”，重點打造“研發(fā)設(shè)計”“生產(chǎn)制造”“運維服務(wù)”3大領(lǐng)域13個制造業(yè)核心流程場景。在高速動車組氣動阻力仿真場景中，基于既有仿真、試驗數(shù)據(jù)，構(gòu)建高速動車組氣動載荷標(biāo)準(zhǔn)數(shù)據(jù)庫，基于科學(xué)計算大模型平臺，創(chuàng)新性地構(gòu)建了智能化仿真大模型。實現(xiàn)了計算效率由24小時縮短到10秒級，結(jié)果誤差小于8%，未來預(yù)期實現(xiàn)仿真周期從10秒級到秒級、結(jié)果誤差小于5%的跨越式突破。

規(guī)?；涞厝源嫠拇笾萍s

記者在采訪中獲悉，央企業(yè)務(wù)場景多為定制化需求，需結(jié)合工藝、設(shè)備、環(huán)境等復(fù)雜變量，這給人工智能規(guī)?；涞靥岢隽瞬恍〉奶魬?zhàn)。

首先是技術(shù)與產(chǎn)業(yè)的融合制約。多家中央企業(yè)反映，人工智能技術(shù)與企業(yè)核心生產(chǎn)環(huán)節(jié)融合仍存困難。相關(guān)企業(yè)負(fù)責(zé)人告訴記者，通用大模型在支持企業(yè)垂類大模型構(gòu)建、滿足特定需求方面還要進(jìn)一步加強(qiáng)，有待聯(lián)合突破。

“模型與復(fù)雜業(yè)務(wù)場景的適配性不足?！敝袊苿友芯吭河脩襞c市場研究所所長林琳解釋說，目前企業(yè)使用的模型以小模型和蒸餾過的輕量化大模型為主，小模型通常用于處理特定領(lǐng)域或任務(wù)，其知識庫相對有限，制約了復(fù)雜推理任務(wù)場景的表現(xiàn)；輕量化大模型雖然本地化部署成本較低，但仍存在泛化能力有限、可解釋性差、幻覺無法消除等問題，模型推理準(zhǔn)確率和穩(wěn)定性難以達(dá)到企業(yè)生產(chǎn)級要求。

賽智產(chǎn)業(yè)研究院人工智能研究所副所長安赟也指出，AI技術(shù)公司的通用方案往往“水土不服”，而央國企的行業(yè)專家又難以將模糊的業(yè)務(wù)痛點轉(zhuǎn)化為清晰的技術(shù)需求。這種供需“鴻溝”使技術(shù)優(yōu)勢難以高效轉(zhuǎn)化為產(chǎn)業(yè)優(yōu)勢和經(jīng)濟(jì)價值。

其次是部署成本的制約?！爸圃鞓I(yè)尤其是傳統(tǒng)的重型裝備制造領(lǐng)域，存在大量老舊設(shè)備。這些設(shè)備在設(shè)計之初并未考慮數(shù)據(jù)采集，可能沒有傳感器接口或者接口協(xié)議封閉，對其進(jìn)行數(shù)字化改造（加裝傳感器、網(wǎng)關(guān)）成本高、周期長、技術(shù)難度大?！敝熊嚰瘓F(tuán)數(shù)智化部負(fù)責(zé)人坦言。

林琳也表示，產(chǎn)業(yè)級人工智能應(yīng)用往往需要將算法模型融入機(jī)器設(shè)備，因而需要生產(chǎn)設(shè)備換代升級、產(chǎn)線改造、大量生產(chǎn)數(shù)據(jù)的采集處理以及行業(yè)知識的整理匯聚，部署過程復(fù)雜、資金投入大、建設(shè)周期長，企業(yè)對于技術(shù)投入產(chǎn)出比存在顧慮。

再次，央企“供數(shù)”“用數(shù)”障礙，也造成人工智能落地應(yīng)用難。作為人工智能發(fā)展的三大核心要素之一，數(shù)據(jù)在推動“人工智能+”過程中發(fā)揮著關(guān)鍵作用，特別是高質(zhì)量數(shù)據(jù)集的建設(shè)至關(guān)重要。不少受訪對象表示，中央企業(yè)對數(shù)據(jù)資源的需求日益增強(qiáng)，但也面臨著企業(yè)內(nèi)部數(shù)據(jù)治理不完善、數(shù)據(jù)共建標(biāo)準(zhǔn)缺失、數(shù)據(jù)安全存挑戰(zhàn)等難題，造成高質(zhì)量數(shù)據(jù)供給不足，跨主體、跨行業(yè)的數(shù)據(jù)流通共享不足，數(shù)據(jù)要素價值有效釋放不足。

此外，人才結(jié)構(gòu)也存在短板。中國石油集團(tuán)數(shù)字和信息化管理部總經(jīng)理胡炳軍坦言，既掌握油氣行業(yè)知識又掌握人工智能領(lǐng)域的高水平復(fù)合型人才相對匱乏，人才培養(yǎng)體系有待完善。

事實上，目前各行業(yè)企業(yè)普遍缺少“既懂業(yè)務(wù)、又懂人工智能”的復(fù)合型人才。根據(jù)中關(guān)村產(chǎn)業(yè)研究院測算，到2025年北京人工智能人才需求量約為54萬人，缺口將達(dá)37萬人，其中復(fù)合型人才缺口為21萬人。

開展長周期規(guī)劃由點帶面實現(xiàn)突破

受訪人士認(rèn)為，未來央企應(yīng)開展圍繞“AI+”的長周期規(guī)劃，在人才隊伍建設(shè)、自主研發(fā)、高質(zhì)量數(shù)據(jù)集建設(shè)、場景賦能與創(chuàng)新等方面，明確時間表路線圖。注重AI產(chǎn)業(yè)生態(tài)的滲透作用，做深做實數(shù)字要素基座，實現(xiàn)AI賦能與數(shù)字化轉(zhuǎn)型的持續(xù)突破，推進(jìn)人工智能等技術(shù)加速落地、轉(zhuǎn)化為現(xiàn)實生產(chǎn)力。

具體而言，一是支持央企發(fā)揮示范引領(lǐng)作用，共建行業(yè)大模型。受訪專家一致建議，聚焦戰(zhàn)略意義強(qiáng)、經(jīng)濟(jì)收益高的核心應(yīng)用場景，將AI技術(shù)深度嵌入業(yè)務(wù)全流程，推動應(yīng)用場景開放，強(qiáng)化與各類所有制企業(yè)聯(lián)合研發(fā)，當(dāng)好協(xié)同創(chuàng)新和產(chǎn)業(yè)協(xié)作的組織者。“率先打造智能制造、自動駕駛、具身智能等前沿場景的標(biāo)桿應(yīng)用案例，引領(lǐng)中小企業(yè)加快人工智能技術(shù)落地應(yīng)用。”林琳稱。

中車集團(tuán)數(shù)智化部負(fù)責(zé)人認(rèn)為，在深挖工業(yè)制造、能源電力等高價值場景的同時，應(yīng)依托央企在能源、交通等領(lǐng)域的數(shù)據(jù)優(yōu)勢，共建行業(yè)大模型，增強(qiáng)我國在全球AI領(lǐng)域的競爭力。

二是強(qiáng)化國家級平臺與資源統(tǒng)籌，推動各方共建開放協(xié)同創(chuàng)新體系。安赟認(rèn)為，需支持央國企牽頭建設(shè)國家級AI創(chuàng)新平臺、行業(yè)大模型和高質(zhì)量數(shù)據(jù)集，提升AI創(chuàng)新效率。

促進(jìn)供需協(xié)同創(chuàng)新、加強(qiáng)產(chǎn)學(xué)研聯(lián)動也至關(guān)重要。在林琳看來，要匯聚人工智能技術(shù)供給方的央企在算法模型、數(shù)據(jù)、算力方面的優(yōu)勢資源，為應(yīng)用方提供應(yīng)用創(chuàng)新支撐，推動雙方共同在標(biāo)準(zhǔn)制修訂、應(yīng)用孵化、具體場景實際問題攻關(guān)方面開展合作。推動央企與頂尖科研院所搭建合作橋梁，出臺專項政策，組建技術(shù)研發(fā)聯(lián)合體，鼓勵聯(lián)合開展關(guān)鍵技術(shù)攻關(guān)。

三是加快數(shù)據(jù)要素市場化配置改革，支持央國企在數(shù)據(jù)要素市場化改革中先行先試。相關(guān)企業(yè)建議，由國家相關(guān)部委統(tǒng)籌指導(dǎo)，圍繞數(shù)據(jù)質(zhì)量提升、統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)、安全風(fēng)險管控、數(shù)據(jù)共享流通等方面，制定相應(yīng)政策，指導(dǎo)中央企業(yè)建立更加完備的高質(zhì)量數(shù)據(jù)集。

針對企業(yè)內(nèi)部數(shù)據(jù)采集、運用、治理尚不完善的問題，胡炳軍認(rèn)為，需深入推進(jìn)數(shù)據(jù)效能提升行動，強(qiáng)化數(shù)據(jù)資源全量管理，加快拓展統(tǒng)一數(shù)據(jù)平臺覆蓋面；暢通數(shù)據(jù)開放渠道，讓更多的數(shù)據(jù)價值賦能企業(yè)高質(zhì)量發(fā)展。

四是創(chuàng)新體制機(jī)制，強(qiáng)化人才隊伍建設(shè)。拓展多元化融資渠道，激發(fā)創(chuàng)新活力。受訪央企呼吁，完善人才政策，鼓勵央企與高校合作，通過設(shè)立人工智能定向人才培養(yǎng)項目、建立就業(yè)實習(xí)基地、專業(yè)培訓(xùn)等方式，共同培養(yǎng)人工智能領(lǐng)域的復(fù)合型人才，夯實發(fā)展根基。同時，在薪酬待遇、成果轉(zhuǎn)化等方面建立更符合AI行業(yè)特點的人才評價和激勵體系。