“向阳而生”：人工智能在哪些核心生产环节的应用最具有突破性价值？可以举例说明下吗？

经济和信息化厅智能化发展处处长 黄鹏：

从实践来看，人工智能在研发设计、中试验证、生产制造、营销服务、运营管理5个环节的深度应用，最能凸显突破性价值。关键是结合各环节定位和痛点需求精准施策，推动人工智能从浅层应用到深度融合跃升。

一是研发设计环节，价值体现在缩短研发周期、降低创新成本。推进智能辅助设计、软件代码辅助编写等场景应用，打造个性化、低成本、高效能的新型研发设计模式。同步强化工业研发数据集建设和开源共享，探索建立人工智能预测结果评估体系，提升工程技术创新能力。

二是中试验证环节，价值体现在优化工艺，降低试错成本。聚焦中试智能化改造，加快虚拟仿真、多模态融合等技术落地应用，通过构建全面感知、实时分析、科学决策和精准执行的智能闭环，优化工艺流程、提高中试效率、降低试验成本。

三是生产制造环节，价值体现在提质增效，保障安全生产。深化人工智能在工业核心流程控制、工艺优化、排产调度等环节的融合应用，促进生产过程分析、决策、执行智能化。推广机器视觉、无人智能巡检等工业质检技术，强化产线实时监测和预测性维护，提升设备故障识别准确性，实现安全生产风险预警与事件告警。

四是营销服务环节，价值体现在升级服务体验，拓展增值空间。推广智能客服、数字人、商品三维模型，重点突破个性化推荐、定制化售后、服务化延伸等，发展基于人工智能技术的答疑、培训等功能，改善售前、售中、售后服务体验，提升服务价值。

五是运营管理环节，价值体现在提升决策效率，优化资源配置。发挥大模型推理预测能力，加速订单处理、销量预测、库存预警等环节智能升级，优化供应链管理。运用大模型分析和生成能力，提升企业对战略、人力资源、财务、风险等管理能力。

比如，成都飞机工业（集团）有限责任公司在生产制造过程中应用结合数字孪生、机器学习技术。在航空数字化碳纤维树脂基复合材料成型生产线中，通过部署数字孪生技术采集传输实时工业数据，构建多领域多尺度融合模型，搭配机器学习算法实现全流程智能管控：完成设备数据三维可视化监控与实时仿真预判，开展预防性维护，解决设备非计划故障停机问题；可在线检测自动铺放过程中的搭接、间隙等缺陷，实时监控预压实工艺状态，破解铺放质量不稳定、人工检测效率低、预压实可靠性不足等痛点。