问题：人工智能正加速融入实体经济，为制造业转型升级带来新机遇，但也面临诸多现实挑战：技术如何从实验室走向生产线？基础要素如何高效供给？产业链如何协同？就业结构如何平稳调整？蔡继明指出，智能经济的本质是人机协同、跨界融合、共创分享的新型经济形态；当前竞争焦点已从单项技术突破转向生态体系构建，谁能率先形成“技术—场景—产业—人才—治理”闭环，谁就更可能全球产业格局重塑中占据主动。 原因：制造业环节多、链条长，数据分散在设备、产线、供应链与质量体系中，存在采集标准不统一、互操作性不足、数据质量参差不齐等问题，制约了算法与模型在工业现场的落地效果。同时，算力供给与网络架构需满足工业实时性和安全性要求，边缘侧部署、工控系统改造和安全防护能力仍有提升空间。此外，技术迭代快、企业投入周期长，中小企业受限于资金、人才和试错成本，亟需公共平台与政策支持降低应用门槛。就业上——部分岗位可能被替代——而设备运维、质量分析、数据治理等新型技能岗位需求增长迅速，但劳动者技能与企业需求仍存错配。 影响：蔡继明表示，若“人工智能+制造业”实现规模化应用，将大幅提升研发设计、生产制造、质量管控等关键环节的效率，推动产品迭代与工艺创新，加速形成以数据驱动、软件定义、智能协同为特征的新型工业体系。企业有望降低能耗与不良率、缩短交付周期、增强柔性制造能力；产业链层面，链主企业可带动上下游协同升级，提升产业韧性与国际竞争力。就业结构将经历“重构”而非简单增减”：重复性岗位减少，技能型岗位需求上升。但若缺乏系统应对，可能出现阶段性摩擦性失业与行业分化。 对策：针对如何构建“人工智能+制造业”的良好生态，蔡继明提出三上建议： 1. 夯实数据与算力基础：推动工业设备数字化改造，优化算力资源供给，支持边缘计算布局；建立统一的数据采集标准，培育高质量数据集和智能化解决方案供应商。 2. 深化重点场景应用：从实际需求出发，聚焦研发设计、生产制造等关键领域，通过“揭榜挂帅”等机制，鼓励链主企业开放场景，打造可复制的标杆案例。 3. 强化生态支撑：加快工业大模型、知识图谱等关键技术研发，完善标准体系与人才培养机制，优化财税金融政策，营造技术赋能制造业的良好环境。 就业与人才上，蔡继明建议： - 宏观层面：坚持“就业优先”，将高质量就业纳入技术发展全流程，对替代风险高的技术应用设置过渡期管理，对创造就业的领域加大政策支持。 - 微观层面：推动劳动者技能升级，优化高等教育与职业教育专业设置，构建终身培训体系，提升企业在新技能培养中的主导作用。 前景：蔡继明认为，中国要在全球竞争中构建有竞争力的人工智能生态，需从“单点追赶”转向“生态塑造”，发挥两大优势：一是依托完整工业体系和超大规模市场，形成“场景驱动、产业赋能”的发展路径；二是结合新型举国体制与市场活力，统筹基础设施建设，培育多层次企业梯队。随着政策推进、标准完善和应用深化，人工智能将深度融入制造业全流程，助力新质生产力发展，提升中国在全球产业链中的话语权。
当前全球人工智能竞争日益激烈。中国拥有制度、市场和产业优势，关键在于将其转化为创新生态的竞争力。通过夯实技术基础、深化应用示范、完善人才体系，既能推动新质生产力发展，又能实现技术进步与就业增长的良性互动，这是中国在智能经济中实现高质量发展的必由之路。