加强人工智能和制造业深度融合
当前，要深入把握新一代人工智能发展的特点，加强人工智能和制造业深度融合，为我国经济高质量发展提供新动能。近日，由科技部新一代人工智能发展研究中心、中国科学技术发展战略研究院联合国内外十余家机构编写的《中国新一代人工智能发展报告2019》中指出，过去一年来中国人工智能产业化落地加快推进，正在为中国新旧动能转换和国民经济高质量发展提供有力支撑;社会服务领域应用场景丰富，为中国人工智能技术加快落地加速迭代提供了条件。
中国人工智能产业蓬勃发展
总体来看，中国人工智能产业蓬勃发展，已经成为人工智能发展极为迅速的国家之一。中国人工智能快速发展的推动力主要来自计算力明显的提升、多方位的政策支持、大规模多频次的投资以及逐渐清晰的用户需求。同时，科技巨头全产业链的布局正在展开，初创企业则深耕垂直行业，力图打造自身的业务护城河。
从市场规模来看，据前瞻产业研究院发布的《中国人工智能行业市场前瞻与投资战略规划分析报告》统计数据显示，2015中国人工智能市场规模已突破100亿元，到了2016年中国人工智能市场规模达到142亿元，同比增长27%。截止到2017年中国人工智能市场规模增长至217亿元，同比增长53%。初步测算2018年中国人工智能市场规模将达339亿元左右，比2017年增长56%，远高于全球17%的增速水平。并预测在2019、2020年中国人工智能市场规模将达500亿元、710亿元。2015-2020年复合年均增长率为44.5%。
2015-2020年中国人工智能市场规模统计及增长情况预测
数据来源：前瞻产业研究院整理
中国人工智能市场结构占比统计情况
数据来源：前瞻产业研究院整理
人工智能技术引领新一轮产业变革
“目前，人工智能技术正在开启智能时代，重塑产业形态，推动传统产业升级换代，驱动‘无人经济’快速发展，对既有业态产生颠覆性影响，引领着新一轮产业变革。”全国政协委员、民建河北省委副主委、河北经贸大学副校长武义青在接受中国经济时报记者采访时表示。
从世界范围来看，世界主要发达国家对人工智能技术发展都给予了高度关注，视其为提升国家竞争力、维护国家安全的重大战略，力图通过发展人工智能在国际科技竞争中掌握主导权。未来，人工智能将成为世界主要国家产业博弈的核心阵地。
四个方面加强人工智能和制造业深度融合
从我国经济发展现状而言，我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期，迫切需要新一代人工智能等重大创新添薪续力。武义青表示，当前，要深入把握新一代人工智能发展的特点，加强人工智能和制造业深度融合，为我国经济高质量发展提供新动能。具体应从以下四个方面着力。
1、要加快培育和壮大智能制造龙头企业
在此方面，应紧密结合我国制造业发展特点，有效依托现有先进制造优势企业，大力培育智能制造细分领域的龙头企业。从智能制造产业链发展的重点领域和关键环节着手，吸引国外领先的龙头企业在国内投资建厂。同时，积极挖掘一批发展潜力好、具有高成长性的本土企业进行重点培育，推动形成智能制造产业集群发展态势。引导智能龙头企业加快智能研发平台建设，积极开发满足制造业数字化、网络化、智能化发展需求的解决方案。通过发挥龙头企业的引领和带动作用，实现智能制造领域相关产业集群式快速发展。
2、要加快引进和培养智能专业技术人才
当前值得注意的是，我国人工智能产业的专业技术人员和技术工人的数量严重滞后于人工智能产业发展的需要，人才短缺成为制约人工智能与制造业融合的短板。武义青认为，补齐人才短板，一方面，要鼓励和支持相关研究机构和科研院所共建研究平台，在海内外积极招才引智;聚焦国际前沿大数据智能技术领域，打造高层次的学术交流、成果培育转化和人才培养基地。另一方面，要对接企业需求，扩大相关领域职业教育规模，调整专业学科结构，加强对人工智能产业人才的培养，满足企业智能化升级需求，为我国制造业转型升级提供充分的人才保障。
3、要加快发展生产性服务业
武义青认为，人工智能与制造业的深度融合离不开生产性服务业的支撑，要通过联合、组建联盟等方式，对现有从事人工智能研究的机构进行整合，使人工智能有效衔接制造业。同时，进一步打破信息壁垒，促进大数据融合，推动不同行业间数据资源共享、不同地域工业互联网平台间的链接协同，改变彼此分隔、单打独斗的状态，形成发展合力。此外，还应鼓励引导企业研发具有自主知识产权的智能制造技术、软件产品，不断加大对智能制造软件企业的扶持力度，鼓励有能力的企业向提供智能制造整体解决方案的信息集成服务商转型，帮助制造业企业实现智能制造与信息、知识等要素的全面融合。
4、加快提升工业互联网大数据资源管理能力
“能否管理好、运用好大数据资源，是影响人工智能与制造业能否实现深度融合的一个重要因素。”武义青说，我们要充分认识工业互联网大数据的基础资源作用和创新引擎作用，建立和支撑起基于数据指标、质量检核、问题发现和监控的完善数据治理体系，从事前、事中和事后等各个环节规避、发现和解决数据问题，进而实现问题发现、认责、处理、归档等闭环管理。
