各州（市）工业和信息化局、党委网信办、发展改革委、科技局、农业农村局、商务局、外办、国资委、数据局，各有关单位：

现将《云南省“人工智能+制造”专项行动方案》印发给你们，请结合实际认真抓好落实。

云南省工业和信息化厅     中国共产党云南省委员会网络安全和信息化

                         委员会办公室

云南省发展和改革委员会   云南省科学技术厅

云南省农业农村厅         云南省商务厅 

云南省人民政府外事办公室 云南省人民政府国有资产监督管理委员会    

云南省通信管理局         云南省数据局

                                              2026年6月9日

（此件公开发布）

云南省“人工智能+制造”专项行动方案

为贯彻落实工业和信息化部等八部门《“人工智能+制造”专项行动实施意见》（工信部联科〔2025〕279号）、《云南省全面实施“人工智能+”行动计划》（云政办发〔2025〕57号）精神，推进人工智能技术与制造业加快融合发展，制定本方案。

一、工作目标

到2027年，人工智能技术在有色金属精深加工产业、稀贵金属新材料产业、新能源电池和精细磷化工产业、绿色食品和中药材精深加工产业、以数字信息大通道为引领和以电子信息制造业为主的数字产业、先进装备制造产业等重点优势产业的融合应用更加深入，算力基础设施、供给服务能力更加完善，打造5个以上工业特色垂类大模型和50个以上轻量化小模型，推广50个以上典型应用场景，培育10个“人工智能+制造”标杆企业，打造3个人工智能创新中心、2个工业数据标注基地。

二、夯实人工智能底座

（一）加强算力基础设施建设。加快建设全省一体化算力态势感知和自动化监测调度平台。推进以昆明万溪冲智算产业园为核心的“一主、两辅、多点”布局，为模型训练、工业数据分析等提供算力支撑，在工业园区建设边缘算力节点，在工厂生产端布局算力模块，结合工业不同应用场景提供异构算力服务，加快形成“云—边—端”一体化算力供给体系。（省委网信办、省发展改革委、省工业和信息化厅、省通信管理局、省数据局、基础电信运营商、有关省属国有企业按职责分工负责）

（二）构建行业大模型体系。鼓励有色、稀贵、磷化工、生物医药、电子信息制造、先进装备制造等行业龙头企业引入国内先进通用大模型，聚焦研发设计、生产制造、运营管理等关键环节，打造一批工业特色垂类大模型，在工艺参数优化、产品质量检测、能耗智能管控等场景，部署一批轻量化小模型，构建大小模型协同发展体系。鼓励工业企业加快人工智能技术应用，推动大模型向生产核心环节纵深渗透，实现从单点应用向全流程智能化升级。（省工业和信息化厅、有关省属国有企业按职责分工负责）

（三）建设高质量数据集。深入实施制造业数智化转型行动，全面开展制造业评估诊断和建档立卡工作，加快企业研发、生产、管理、服务全链式数据采集汇聚，建设企业级、行业级数据资源池。鼓励具备条件的州（市）、园区，联动行业领军企业，率先建设工业数据标注基地，开展数据采集、清洗、标注、质量评估等全链条数据处理工作，汇聚上下游数据资源，打造一批工业高质量数据集，支撑模型开发与应用。（省工业和信息化厅、省数据局、有关省属国有企业按职责分工负责）

三、加快人工智能赋能制造业

（四）加快重点行业应用赋能。定期组织开展“人工智能+制造业”赋能供需对接活动。对标工业和信息化部《制造业企业人工智能应用指南》（附件1），开展智能化成熟度评估，用好《云南省人工智能赋能制造业重点行业全流程转型指引》（附件2）及工业和信息化部“人工智能+制造”行业应用全景图、转型路线图，指导企业精准制定人工智能应用解决方案，加快赋能重点产业。（省工业和信息化厅、有关省属国有企业按职责分工负责）

（五）推动全流程转型升级。支持龙头企业推动人工智能技术在研发设计、中试验证、生产制造、营销服务、运营管理等环节的全流程深度应用，打造行业型工业互联网平台，促进人工智能和工业互联网融合发展，充分挖掘高价值应用场景，形成一批标杆解决方案。支持重点企业聚焦生产制造环节开展智能化改造，发挥降本增效作用。引导其他企业结合实际，在研发设计、营销服务、运营管理等环节开展人工智能技术应用，赋能数智化转型。

——研发设计环节。重点推进稀贵及有色金属材料基因工程、稀贵金属催化剂智能设计、磷化工分子模拟与工艺优化、高原生物活性成分智能筛选等领域研发设计新模式。探索开展人工智能预测结果验证，在特定场景开展工程化验证，提升技术创新转化效率。

——中试验证环节。推进铝铜深加工、稀贵金属提纯、磷化工清洁生产、中药材提取纯化等中试智能化改造，加快虚拟仿真、多模态融合等技术应用，优化工艺流程、提高中试效率、降低试验成本，加速成果转化。

——生产制造环节。深化人工智能技术在铝电解智能槽控、稀贵金属绿色高效提取、磷化工本质安全控制、中药材数字化炮制等关键环节的应用。推广基于工艺参数实时优化、表面缺陷检测、高危岗位无人巡检、设备状态监测等质检技术，强化安全风险实时预警与精准处置，提升绿色制造水平。

——营销服务环节。重点突破有色金属材料选型推荐、稀贵金属溯源查询、磷化工产品定制化解决方案、中药材产地品质可视化、产品碳足迹追溯等场景，改善售前技术咨询、售中物流追踪、售后质量反馈体验，提升客户黏性和服务增值能力。

——运营管理环节。发挥大模型推理预测能力，强化有色金属价格波动应对、稀贵金属订单排产、磷化工安全库存等环节智能决策，优化磷石膏综合利用追踪、冶炼余热协同利用等资源配置。运用大模型分析和生成能力，提升企业对市场开拓、安全生产、环保合规等管理能力。（省工业和信息化厅、有关省属国有企业按职责分工负责）

（六）引导中小企业数智化转型。实施普惠算力发展专项行动，降低中小企业算力使用成本。用好中小企业数字化转型公共服务平台，整合优质服务商资源，提供“低成本、轻量化、易部署”的数字化产品。鼓励链主企业通过提供免费数字产品、开放数字系统接口等方式，带动配套中小企业协同转型。鼓励电信运营企业、工业互联网平台企业面向中小企业“智改数转”，提供普惠级基础服务和“一企一策”专业化解决方案。（省工业和信息化厅、省通信管理局、基础电信运营商、有关省属国有企业按职责分工负责）

四、发展人工智能应用新业态

（七）做强电子基础材料产业。充分发挥高端光模块用磷化铟单晶衬底材料技术优势，稳步扩大4英寸产品产能，加快6英寸产品量产。依托锗单晶片技术优势和砷化镓产业基础，加快推进太阳能用锗晶片扩产，稳步提升射频芯片用2—6英寸砷化镓晶片产品占比。加快发展电子电路铜箔、电子级玻纤、覆铜板、印制电路板（PCB）、高频高导铜导线等电子基础材料，完善半导体和电子信息制造产业链配套。（省工业和信息化厅、省科技厅、省国资委、有关省属国有企业按职责分工负责）

（八）发展电子信息柔性智造。加快发展智能手机、智能家居、可穿戴设备等产品的柔性生产线，实现多品种小批量快速换线。面向南亚东南亚市场，提升电子信息产品开发设计水平，加快智能手机、智能眼镜、智能手表、蓝牙耳机、VR/AR设备、智能音响、电动两轮车、扫地机器人等终端产品研发制造。探索引进AI服务器生产制造项目。（省工业和信息化厅、有关省属国有企业按职责分工负责）

（九）研制特色智能装备。依托工业大模型及数字孪生技术，研制面向高端装备制造场景的机床智能检测装备，对机床整机进行振动、噪声、温度、电参数及精度衰减等多维度在线智能检测、精度诊断、误差补偿与故障预判，提升机床运行效率、精度保持性及可靠性，强化云南机床制造能力。加快推动有色金属矿智能分选、电解槽智能巡检、尾矿库安全智能监测等智能装备的研发与推广应用。研发适配云南山地丘陵地形的小型智能农机、天然橡胶割胶机器人、高原坚果振动采收机等智能装备。探索研制食用菌智能环境调控、精品咖啡烘焙精制、三七智能清洗切片等云品加工智能装备，提升特色农产品精深加工智能化水平。（省工业和信息化厅、省科技厅、省农业农村厅、有关省属国有企业按职责分工负责）

（十）探索培育智能体。依托数字产业园区建设智能体体验推广中心，提供具身智能装备产品体验、供需对接等服务。支持行业龙头企业引进和开发一批生产控制、设备检测、质量检验等场景工业智能体，在安全可控的前提下加快推广应用。积极引进减速器、伺服电机、3D视觉、定位传感等关键装备与零部件的研发制造企业，加快培育智能体产业生态。（省工业和信息化厅、省科技厅、有关省属国有企业按职责分工负责）

（十一）积极推动开放合作。以数字信息大通道为牵引，鼓励企业积极参加中国—南亚博览会、腾冲科学家论坛等涉外活动，积极宣传我国人工智能标杆案例。支持昆明加快建设金砖国家数字产业生态合作网络城市节点，在算力供需服务、电子产品出口等方面务实开展国际合作。探索人工智能模型服务以Token化计量模式拓展海外市场，推动国产大模型API服务与南亚东南亚算力需求精准对接。（省工业和信息化厅、省商务厅、省外办按职责分工负责）

五、保障措施

建立部门合作、省市联动、产业协同的工作推进机制，鼓励州（市）因地制宜制定政策措施。抢抓国家“两重”“两新”战略机遇，统筹云南省先进制造业股权投资母基金、省级新型工业化专项资金、超长期特别国债、设备更新再贷款等资源，支持中试基地、AI创新中心、联合实验室、体验推广中心、绿色智算中心等建设，支持企业积极参与智能体（AI Agent）的推广应用，鼓励人工智能OPC创新发展。发挥云南省产业投资基金作用，引导社会资本投向“人工智能+制造”领域。强化数据与模型安全管理，建立双端过滤和风险预警机制，保障供应链安全。组织典型案例遴选，加强经验推广和示范引领。

附件：1.制造业企业人工智能应用指南

       2.云南省人工智能赋能制造业重点行业全流程转型指引

附件1

制造业企业人工智能应用指南

（本指南引自工业和信息化部《制造业企业人工智能应用指南》）

人工智能与制造业全要素、全流程、全链条深度融合，是破解产业升级瓶颈、塑造国际竞争优势的重要途径。为加快推动人工智能与制造业深度融合，推动数字技术与制造优势更好结合，提升制造业企业应用人工智能的科学化、规范化水平，全面赋能新型工业化，制定本指南。

使用人工智能进行研发设计、生产制造、经营管理及开展延伸服务的企业适用本指南。

一、开展智能化评估和规划

（一）开展智能化水平诊断评估

综合运用数据管理能力成熟度、智能制造能力成熟度、数字化转型成熟度、两化融合管理体系等参考标准和制造业数字化转型通用评估指标体系，摸清企业数字化、网络化、智能化水平，找准转型升级瓶颈。结合经济性分析与风险评估，科学确定人工智能应用需求。

（二）制定人工智能应用规划

参考人工智能赋能新型工业化典型应用案例等，确定人工智能应用核心场景和技术导入优先级，合理设置应用目标。优先开展经营管理、研发设计等场景智能化升级，梯次布局中试验证、生产制造等环节改造升级。发挥工业互联网数字底座支撑作用，强化与企业数字化转型工作统筹衔接，确保人工智能应用精准支撑主营业务发展。

二、提升智能化基础能力

（三）升级硬件基础能力

对工业“哑设备”“哑岗位”实施数字化改造升级，构建统一技术底座和场景化应用套件相结合的硬件支撑体系。通过加装传感设备和智能仪器仪表、部署边缘计算设备、推动工业专网升级、应用数字化转型通用工具产品，全面提升各类场景信息感知、传输、决策、控制能力。通过计算、存储、网络优化升级，加快推动已有数据中心转型智算中心。

（四）提升软件智能化水平

加快工业实时操作系统等核心软件，制造执行系统、在线实时优化软件等控制优化软件，以及分布式控制系统、数据采集与监控系统等控制执行单元智能化改造升级，提升智能化支撑能力。优化基础软件内核，植入智能调度算法，提升资源分配效率，增强系统响应速度。部署集成数字孪生、大模型等数智技术的工业设计、生产控制、经营管理、服务保障等工业软件，强化工业软件原生智能基础。

三、构建高质量数据集

（五）建设数据资源平台

搭建企业专识数据库，形成覆盖研发设计、生产制造、供应链管理、经营决策管理等全业务场景的数据资源池。构建包含机理库（存储工业机理模型、技术文档、设计图纸等底层原理性知识）、仿真库（存储多学科仿真模型）、经验库（存储故障案例、最佳实践、操作技巧等实践性知识）在内的工业知识库，有效支撑企业人工智能数据集需求。建设企业数据管理一体化平台，支持多源异构数据的汇聚、处理、标注和质量评估，提高企业数据加工和利用能力，提高数据集质量。

（六）应用数据集处理工具链

加强数据处理工具使用，逐步覆盖数据汇聚、采集、清洗、增强、标注、合成、存储、传输、分析与应用等重点环节，为企业人工智能应用持续提供高质、高效、安全的数据集支持。重点加强智能标注、专家协同标注、融合机理与仿真数据合成、数据集质量评估、安全监测等方向工具的使用。

（七）建立数据管理体系

鼓励企业探索首席数据官制度，建立涵盖规划、实施、评价、改进的数据管理体系，加强数据标准化建设，推动各系统数据融合。建立企业数据集分类分层分级管理机制，综合考虑数据类型、数据系统、应用场景和安全等因素，保障企业数据集安全应用、有效流通。明确数据采集、预处理、数据标注、增强合成、数据集产品化等环节的关键步骤和质量要点，制定数据集质量评估标准，指导数据集质量提升和高效应用。

（八）构建多样化数据集

聚焦工业领域研发设计、生产制造、经营管理等环节，打造覆盖企业工艺设计优化、过程控制、故障诊断、智慧运营等场景的多模态工业高质量数据集。鼓励制造业企业联合第三方开展合成数据集、工业领域深度思维链数据集、跨学科跨领域知识图谱等数据集建设，打造高质量行业数据集，探索数据集产品化、支持复杂场景工业人工智能应用。

四、合理规划布局算力资源

（九）科学规划算力规模

按照国家总体部署，结合企业发展实际，制定阶段化、梯度上升的算力部署规模，鼓励优先选择可实现瞬时响应、可扩缩容的算力服务。

（十）合理配置算力资源

鼓励优先采用云计算服务快速构建智能化基础服务能力，降低技术投入成本。具备良好数字化基础且对数据安全要求较高的企业，可依托自有算力基础设施建设智算资源，部署人工智能应用，实现资源集约化利用。

（十一）加强算力资源协同调度

鼓励企业基于业务特征实现云边端算力协同，整合多元异构芯片资源，云侧实现模型训练、微调、量化和蒸馏等任务，边缘端侧实现模型轻量化部署以满足工业低延迟需求。深挖算力使用需求和应用场景，深化算力供需对接和算力资源高效调度运营。

五、开展模型选型与调优

（十二）科学确定应用场景

聚焦解决企业在制造全流程中的关键技术或工艺难题，选取对生产力有明显带动作用的高价值场景，开展人工智能技术研发和应用落地，在以下五类场景中重点布局人工智能应用。研发设计类重点推进智能辅助设计、创意图纸快速生成等；中试验证类重点开展仿真模型智能构建、测试数据智能生成等；生产制造类深化应用智能排产调度、工业视觉智能检测等；营销服务类重点突破个性化推荐、定制化售后等；运维管理类着力实施设备预测性维护、能效优化分析、辅助经营决策支持等。

（十三）量化场景关键指标

结合场景特征和业务目标，设定模型选型所用的可量化指标，以此评估场景应用效果，为模型选型和调优提供依据。研发设计类场景重点衡量单位时间内设计迭代次数、设计方案生成数量、方案采纳比率等；中试验证类场景重点考核仿真建模效率、测试指标覆盖程度等；生产制造类场景着重监测综合优化效率、生产合格率以及漏报率、误报率等；营销服务类场景重点检查营销转化率、响应时效等；运维管理类场景重点关注故障预测准确率、维护成本降低幅度等。

（十四）结合业务选定模型

基于业务场景需求，结合算力基础设施建设情况，开展模型评测选型。综合考虑模型、开发框架、编译器、推理部署工具链之间的兼容性、可靠性及易用性，优先选用经行业实践验证的成熟方案。鼓励面向制造业细分业务场景研发智能体产品，构建智能化解决方案。把安全作为模型选型的重要考虑，综合考量模型来源、漏洞缺陷、安全防护机制等，优先选择安全可信度高的模型底座。鼓励企业打造产、供、销全链条模型协同能力，提升各环节联动效率。

（十五）采用提示词工程与检索增强调优

构建涵盖工业常规问题、边缘案例的提示词库，建立语法正确性、语义完整性、用户满意度等多维度指标。针对市场分析、新技术应用等高频知识更新场景，对接行业数据库及资讯平台，实施数据源权威性评价与内容监测机制，确保信息真实性。

（十六）利用模型微调适配典型场景

质量检测与缺陷识别场景，重点开展基于预训练模型的小样本标注缺陷数据微调，强化模型对复杂微小特征提取能力；生产调度场景，重点根据产线历史数据全参数微调时序预测模型，动态分配资源提升核心任务效率；设备故障诊断场景，重点利用时序数据、音频数据等多模态数据开展实时监测预测，优化故障预测模型。

（十七）结合实际开展混合调优

鼓励企业根据实际情况，优先采用提示词工程及检索增强技术，逐步尝试参数高效微调、全参数微调，提升模型能力。结合实际建设多模态模型候选库，综合采用参数微调、架构搜索、大小模型协同等手段，确定最优解决方案。

六、模型部署与集成

（十八）验证模型性能

在实际生产环境中进行试运行验证，确保模型能够在真实场景中有效运行。综合考虑各类模型的资源分配、数据安全性、实时性、稳定性、响应能力以及系统的扩展性等要求，使用微服务架构、API接口、中间件等技术，基于业务特征将模型集中部署或云边端协同部署。

（十九）提升模型易用性

根据业务需求，开发具体的模型应用接口、低代码组件等，基于业务需求实现数据接入灵活配置和模型分析结果展示。

七、持续提升应用成效

（二十）评估应用能力水平

组建专业团队开展专项评估，定期分析改进。从模型准确率、算力利用率、推理时延、投入成本、安全稳定等方面，评估人工智能在企业应用中的问题。

（二十一）推动迭代优化升级

定期分析应用人工智能对企业运营决策水平提高、业务处理效率提升、产品生产质量改进、经营效益改善等方面的影响。结合企业发展战略和人工智能技术趋势，制定下一阶段应用目标与实施方案。强化集约管控，推动智能化与绿色化深度融合，实现可持续发展。

（二十二）深化技术融合创新

联合高校科研机构攻关模型在工业应用过程中的实时性、端侧部署和可靠性等关键技术。结合应用成效，推动二次创新，将行业大模型深度嵌入研发设计、中试、生产和运营等全流程。强化参数优化与知识推理能力，孵化智能软件开发、智能运维等工业智能软硬件工具和产品，构建以人工智能为驱动的新质生产力。

（二十三）鼓励优秀方案输出

具备技术优势的行业领军企业，通过开放平台接口、开源通用模型及工具链、共享高性能算法模型、研制标准规范等方式，向产业链上下游输出整体技术解决方案，促进产业链协同创新。

八、做好人工智能应用安全防护

（二十四）强化数据安全防护

贯彻落实《数据安全法》《工业和信息化领域数据安全管理办法（试行）》等法律政策，根据行业领域数据特点，组织开展数据分类分级、全生命周期安全防护、风险监测预警、风险评估等工作，为各行业人工智能应用提供数据安全保障。面向数据标注、汇聚、训练、合成等环节，强化数据校验、检测评估、身份认证和权限管理，提升数据安全风险防范水平。

（二十五）防范应用安全风险

面向研发设计、中试验证、生产制造、营销服务和运营管理等人工智能典型应用场景，鼓励企业定期对工业大模型幻觉、准确性、鲁棒性等开展安全测试评估。建立人工智能应用输入输出双端过滤安全监控能力，加强恶意指令输入、异常推理输出等风险防范。强化人工智能应用供应链安全管理，将上下游供应商的安全能力纳入合作方管理要点，构建完善供应链安全治理能力。

（二十六）提升网络安全防护水平

推动网络安全贯穿制造业企业人工智能规划、部署、应用等各环节，落实《网络安全法》《工业互联网安全分类分级管理办法》，开展自主定级、信息登记、分级防护、符合性评测、安全整改等工作，健全企业网络安全管理和防护体系，加强工业控制系统网络安全能力，提升人工智能应用过程中的风险防范水平。

九、加强组织保障

（二十七）压实企业主体责任

系统制定企业数智化转型升级管理制度，强化企业资源保障力度，高效、稳妥推动人工智能应用逐步深入。

（二十八）加强复合人才培养

加强产学研用协同，鼓励高校和企业依托国家人工智能产教融合创新平台、示范性特色学院等，支撑人工智能拔尖创新人才培养，健全企业人工智能人才引进、评价和激励机制，营造良好人才发展环境，培养兼具行业认知与技术实操能力的复合型人才。

（二十九）积极参与生态共建

及时归纳总结成功经验，积极共享人工智能解决方案，打造行业应用标杆，推动提升制造业智能化水平。

附件2

云南省人工智能赋能制造业重点行业

全流程转型指引

（本指引依据工业和信息化部《人工智能赋能制造业重点行业转型指引》，结合云南省实际制定。其中，软件和信息技术服务业、原材料行业、装备制造行业、消费品行业原文引用工业和信息化部指引）

参照工业和信息化部《人工智能赋能制造业重点行业转型指引》，结合我省制造业产业特点、技术成熟度、数字化水平等实际，分类别、全流程推广人工智能技术应用，加快赋能新型工业化，制定本指引。

一、重点优势产业

（一）有色金属精深加工产业

1.研发设计。联合高校与人工智能头部企业，开发兼顾强度、导电性与导热性的多目标性能预测模型，整合历史数据建设高效高价值研发数据集，推进智能合金配方设计、熔铸工艺参数优化及引线框架型材的智能化设计。构建铝铜合金材料智能研发平台，整合多源异构数据，重点突破高性能铜合金、高端铝合金材料成分设计与工艺参数的优化。通过集成机器学习算法与工艺知识图谱等技术，对材料显微组织进行AI分析与识别，实现工艺参数在线优化与质量异常实时预警，显著提升材料创新能力。搭建基于数据驱动的材料性能预测与逆向设计系统，替代传统试错式研发。

2.中试验证。依托数字孪生等技术，建设集仿真、监控与优化于一体的智能化有色金属中试平台。对有色金属精深加工全流程进行高精度建模与动态模拟，实现工艺参数、材料状态及设备运行状况的实时映射与闭环反馈。加快推进铝铜加工中试智能化改造，加快虚拟仿真、多模态融合技术在熔炼铸造、热处理、精密加工等环节的应用。集成省内领先材料分析实验室、工程验证中心及中试生产线，打通“实验室配方—小试验证—中试放大—工业化生产”全链条。

3.生产制造。深化人工智能在铝铜铅锌冶炼、合金制造及材料精深加工等核心工序中的应用，建设矿山、冶炼等环节全流程AI产线。部署表面缺陷智能识别AI，研发采样—送样闭环具身智能机器人，实现实时在线检测、一键溯源，推动质检无人化。构建智能排程模型，综合考虑订单交期、设备产能、工艺约束等多维条件，自动生成最优计划。搭建生产调度智能中枢，统筹全产线运营，实时感知订单、设备、物料、质量、能源等数据，自动管控在制品库存。构建设备预测性维护系统，基于振动、电流、温度等数据实现提前预警故障，减少非计划停机。推广AI巡检与智能扒渣机器人覆盖高危场景。搭建能源调控模型，利用数字孪生+强化学习实时调节工艺参数，降低单位产品能耗。

4.营销服务。基于历史订单、宏观经济指标、下游行业景气指数，训练时间序列预测模型，动态预测区域市场需求。实时监测原材料价格波动情况，结合加工成本、物流成本及竞争对手报价，构建动态定价算法，支持差异化报价方案。基于客户画像推荐匹配的合金牌号、表面处理工艺，在官网、B2B平台、微信小程序部署智能推荐模块。部署7×24小时智能客服机器人，对接企业知识库实现“问即所得”。打通产业互联网平台，支持客户系统直连下单、实时追踪订单状态。

5.运营管理。推动全流程成本管控，打通ERP、MES、能源管理系统，按订单/批次自动归集直接材料、能耗、人工及制造费用。建立成本偏差识别模型，对能耗异常自动触发预警并推送原因分析。推动能源与碳排优化，对接计量系统，按产品/订单自动计算碳排放。对环保指标在线监测，AI判断超标趋势并自动启动应急处理。构建一体化运营智慧中心，整合生产、质量、成本、设备、能源等多维数据，由AI模型自主生成不同目标下的最优决策方案，形成“产供销储运财”全价值运营模型。

（二）稀贵金属及新材料产业

1.研发设计。围绕稀贵金属新材料研发设计环节，联合相关领域高校和企业建设AI实验室，构建“数据底座—机理分析—模型预测—自动化实验—反馈优化”一体化智能研发体系。系统性整合历史配方、工艺参数、实验表征、性能评价等数据资源，建设覆盖“成分—结构—工艺—性能”的高质量研发数据集、知识库和模型库，开发稀贵金属材料专用大模型和多目标优化小模型等。重点开展配方设计、工艺优化、活性与稳定性协同优化等。同步搭建高通量自动化实验平台，实现实验任务自动下发、过程监控、数据自动采集与异常预警。形成“模型先筛选、实验再验证、结果再反馈”的闭环研发机制，推动研发设计由经验驱动向数据驱动转变，由单点试错向系统优化转变，由单项目攻关向平台化持续开发转变，提升稀贵金属新材料自主可控能力。

2.中试验证。智能化升级改造中试车间，在稀贵金属材料合成、干燥、后处理等工序部署高频采集传感器，实现温度、流量、物料配比、反应时间等核心工艺参数的实时全量采集、数据互通与智能分析。开发稀贵金属材料制备工艺参数AI迁移模型，实现实验室小试工艺到中试产线的智能匹配、参数优化与偏差修正，解决工艺放大过程中的性能波动问题。加快稀贵金属材料可控制备、放大生产全环节的虚拟仿真与数字孪生技术应用，通过全流程数据感知、实时AI分析、产品批次性能预测，持续优化中试生产工艺，建立中试全流程智能评估与溯源系统，大幅降低中试研发成本、缩短验证周期。牵头打造省级稀贵金属材料中试共享服务平台，面向产业链上下游中小企业开放AI研发仿真、智能中试优化、检测验证等智能化服务，助力行业整体技术升级。

3.生产制造。紧扣稀贵金属新材料产业高端化、绿色化、智能化转型核心需求，深化人工智能在稀贵金属及新材料产业的应用。构建以物联网实时感知、数字孪生仿真、机器学习建模、智能闭环调控为核心的全流程智能赋能体系，打造覆盖稀贵金属提纯、化合物合成、功能材料制备、精密材料加工等生产过程的一体化智能管控平台，实现生产过程控制、工艺参数优化、产品质量提升与成本精益管控的协同落地。在各关键工序部署高精度传感器，实时采集温度、压力、成分等核心工艺参数，依托AI动态纠偏算法实施全流程闭环调控，将生产过程核心参数波动控制在稳定范围内，保障生产线连续稳定运行。基于数字孪生技术搭建生产全流程仿真环境，结合机器学习工艺寻优模型开展参数迭代优化，实现熔炼、萃取、电解、合成等核心工艺参数优化，提升稀贵金属材料纯度与性能一致性。部署AI视觉检测与缺陷溯源模型，完成微观缺陷的高精度在线识别与优化，提升产品质量。通过AI智能原料配比优化、工序优化与能耗智能调度，降低稀贵金属原料损耗与生产能耗。

4.营销服务。全面收集和整合多维度市场数据和用户需求，部署市场行情智能体，构建客户智能画像，搭建产业链知识图谱，动态监测市场热点，预测市场需求与技术迭代方向，为客户推送定制化的产品与技术解决方案。部署客户关系智能化系统，实现销售、物流、生产的线上业务协同，缩短生产交期。

5.运营管理。搭建采购、生产、销售、财务等各环节集成的线上业务流程，建立财务共享中心和司库体系，实现业务财务一体化；建立数据标准，汇聚数据资源，建设企业数据资源中心，开发AI决策分析应用场景，辅助决策分析。部署稀贵金属安全管控智能体，保障贵金属实物安全。构建风险合规管理体系，AI预警和控制风险，提升合规管理智能化。

（三）新能源电池产业

1.研发设计。建设新能源电池材料专用大模型，整合关键材料实验数据与晶体结构数据库，重点开展磷酸铁锂正极材料智能成分设计与低温性能优化，构建“计算设计—虚拟合成—性能预测”闭环研发体系。搭建电芯数字孪生平台，开发AI结构优化模型与热失控仿真预测系统，指导热管理系统设计。研发基于AI的电池管理系统核心算法，开发状态联合估计模型，实现多场景快速适配。

2.中试验证。改造升级电池材料合成、电极制备、电芯组装等中试环节，部署高精度在线监测传感器，实现浆料粘度、涂布面密度、辊压厚度等关键工艺参数实时采集与AI分析。建设磷酸铁锂材料智能化中试平台，开发工艺参数AI迁移模型，解决小试到中试的“放大效应”难题，提升中试一次通过率。鼓励建设面向新能源电池行业开放、资源共享的公共中试平台，向中小企业开放AI仿真设计、智能中试优化等服务，降低行业整体研发成本。

3.生产制造。深化IOT数据分析应用，创建生产数据交互和行业语义训练标准，进行生产制造数据清洗，搭建AI行业模型，实现生产过程数据动态智能分析、预警和现场交互，通过锂电专家智能助理，指导现场及时发现、及时改善。结合电芯生产工艺制程特性，基于海量工艺制程数据和专家库，建立面密度、焊接、水份、SEI膜、容量、一致性等制程质量预测，优化和指导工艺改善，实现人力成本和生产成本降低、整线产品优率提升等目的。基于设备机械原理和IOT设备监测数据，通过动态拟合设备参数及状态，构建不同设备运动机理状态在线监测预警模型，实现设备关键部件预测性维护预警。通过设备智能维修专家助理，精准指导现场进行设备维修，降低设备故障时长，实现整线提产。

4.营销服务。融合新能源汽车销量、储能装机及原材料价格等多维数据，构建电池需求预测模型，针对乘用车、商用车、储能电站等场景精准推送产品方案。部署AI客服系统，提供技术方案定制及售后诊断服务，面向南亚东南亚市场拓展跨境智慧能源服务。

5.运营管理。建设垂类大模型，训练AI工具集，通过标准API实现AI与各业务系统的深度交互。采购通过价格及成本预测模型、交付周期预测模型，销售通过销售定价预测模型，减少价格波动和交付周期引起的客户定价与交付问题，降低材料价格波动对企业利润的影响。通过合同拟定助手、合同智审助手、OCR智能助手、智能发票助手、售后AI助手等AI智能工具，提高运营管理效率。

（四）精细磷化工产业

1.研发设计。打造“AI+工艺优化解决方案”，针对磷矿选矿过程中碎矿、磨矿、浮选、浓密等工序的强耦合特性，构建跨工艺动态数字孪生体，通过虚拟迭代仿真实现关键指标的精准预测。开发工业AI训练框架，建立基于工况诊断、流程优化、动态协同三大任务模型的DT（数字孪生）-AI双环驱动机制，利用历史经验与实时仿真数据训练AI模型，输出优化孪生体参数，形成双向赋能闭环。引入“数模双驱”引擎（DT—LLM双环架构），依托全息数据基座和知识图谱，实现全局优化。

2.中试验证。加快AI赋能中试研究，在磷酸净化提纯、电池正极材料制备等环节引入虚拟仿真技术，建设智能化中试平台，通过全面感知、杂质行为实时分析、产品性能科学预测优化中试工艺，建立磷石膏综合利用中试智能评估系统，以“硬件智能化升级+软件AI化管控”为核心，实现中试过程全流程、全维度AI赋能，提升中试成功率与管控效率，降低中试成本和周期。搭建AI工具体系，围绕磷化工研发与中试核心需求，搭建磷化工全流程共性研发AI平台，实现核心工艺单元的模型复用、能力共享、数据互通，全面提升研发效率。围绕中试项目全生命周期决策需求，构建AI分析工具，实现中试项目从立项、实施到转化的全维度科学决策。搭建流程动态模拟仿真平台，基于流程模拟软件，结合AI大模型、数字孪生技术，搭建磷化工全流程动态仿真平台，实现从小试到产业化装置的全流程动态模拟。

3.生产制造。智能化开采与选矿，部署5G+AI机器人实现磷矿无人化作业，借助AI算法优化配矿方案与分选参数，提高矿石利用率和开采综合利用率。生产过程智能控制，在气化、硫酸、黄磷等核心装置部署AI自适应控制器，通过强化学习算法处理多变量强耦合难题，实现温度、酸浓等关键参数精准调控。引入基于人工智能算法的先进过程控制（APC）与实时优化（RTO）技术，有效改变传统依赖人工经验的操作模式。使用无人机自动巡检系统，全面监控生产运行状态，辅助隐患排查，提升巡检覆盖面和效率。借助AI技术深度分析生产运行数据，持续优化生产控制系统，精准调控工艺参数，助力实现绿色高效生产。设备预测性维护，整合设备运行数据与AI诊断算法，建立故障预警模型，提前识别压缩机、反应釜等关键设备的异常征兆。基于AI技术对设备运行状态进行实时监测，构建故障预判模型，实现设备潜在风险的提前预警和主动维护，最大限度减少非计划停机，保障生产线连续稳定运行。引入AI多模态大模型的视觉识别能力，对生产现场的违规行为、物料泄漏、火灾隐患等进行实时监测与智能预警，构建智能化安全防控体系，提升生产安全管理水平。质量与能耗优化，建立AI质量预测模型，通过多元数据校对实现产品检测“零差错”。探索运用计算机视觉技术，对产品的颜色、尺寸、性状等特征进行智能识别，实现生产过程质量自动检测与反馈，提升良品率和产品一致性。

4.营销服务。运用人工智能算法，结合生产成本、市场竞争价格、供需关系等多维因素，构建动态定价模型，实现产品报价的实时优化与市场精准匹配，提升市场响应能力和盈利水平。基于客户数据，开展标签化分类和深度分析，构建精细化客户画像。结合客户特征与需求偏好，推动产品精准推荐与定制化服务，增强客户体验和粘性，提升复购率和客户忠诚度。搭建人工智能客服系统，实现在客户咨询、售后处理等场景中的智能应答与高效支持，提供7×24小时全天候服务，提高响应效率和服务质量，降低人工成本，构建高效便捷的客户服务体系。

5.运营管理。依托人工智能技术，整合市场动态、历史订单、行业政策等多元信息，构建精准需求预测模型，辅助优化生产排产和库存管理，降低库存积压与供应短缺风险，提升供应链整体运行效率。围绕企业核心业务环节，推进数据治理，建设企业数据中台与业务中台。基于AI技术实现数据智能分析与动态调度，覆盖采购、物流、仓储等环节，提升供应链的智能化调度水平和无人化管理能力。在采购领域，借助AI辅助招标文件编制，智能匹配招标文件范本，提升招标文件编制质量。在评标环节，引入智能评标系统，深入分析投标文件的响应度和匹配度，提高评标的专业性与公正性，降低采购风险。

（五）中药材精深加工产业

1.研发设计。建设中药材多模态大模型，整合各类药材成分、药理、工艺、临床数据，开展有效组分智能挖掘、配方优化、功效预测。运用AI开展中药材活性成分虚拟筛选、成药性评价和结构优化，加快中药提取物、中药配方颗粒、健康食品、日化原料等高附加值产品研发。依托AI建立民族药知识图谱，对民族药经典组方进行数字化解析，推动向精深加工产品转化。利用AI辅助开展提取工艺、分离纯化、制剂技术创新，提升精深加工产品稳定性与利用率。

2.中试验证。搭建AI中试工艺智能优化平台，基于小试数据自动推荐中试关键参数，包括提取温度、料液比、浓缩倍数、干燥条件等，减少试错成本。部署多模态感知设备，实时采集中试过程数据，通过AI模型分析工艺参数—得率—纯度—品质的关联关系，实现中试过程精准调控。建立中试产品质量智能评价体系，对有效成分含量、重金属、农残、微生物等指标进行快速预判，提升中试验证通过率。建设中药材中试AI共享服务平台，面向中小企业开放工艺优化、数据解析、成果评估等公共技术服务。

3.生产制造。打造中药材数字孪生智慧工厂，覆盖清洗、切制、炮制、提取、浓缩、干燥、制剂、包装全流程，实现工艺参数自适应优化与柔性生产。推广AI+近红外光谱+机器视觉在线质检，实现原料快速检测、生产过程实时监测、成品智能判定，建立全生命周期质量追溯体系。构建中药材炮制AI控制系统，对火候、时间、湿度、温度等传统工艺参数数字化建模，实现传统炮制技艺标准化、智能化传承。运用AI开展设备预测性维护、智能排产、能耗优化，降低停机时间与能耗，提升生产效率与资源利用率。推动AI与绿色加工融合，优化萃取、分离、干燥等高耗能环节，实现节水、节能、降碳一体化智能管控。

4.营销服务。建设市场需求AI分析平台，挖掘消费趋势、区域偏好、价格波动、渠道数据，为产品定位、定价、推广提供决策支撑。推动AI+C2M柔性定制，面向医药、食品、日化企业提供定制化提取物、定制配方颗粒、定制健康产品，实现需求驱动生产。搭建AI智慧营销与品牌推广体系，精准触达客户，优化渠道布局，提升“云药”区域公共品牌影响力。应用AI提供药材鉴别、使用指导、品质溯源查询等智能服务，增强客户信任与消费体验。

5.运营管理。建设中药材供应链AI智慧管理平台，整合种植、采收、仓储、加工、物流数据，实现原料保障、库存优化、物流调度、风险预警。运用AI对原料价格、市场供需、气象灾害、病虫害等进行预测，保障加工原料稳定供应，降低价格波动风险。搭建企业AI综合运营管理平台，整合生产、财务、质量、合规、人力等数据，实现经营分析、成本管控、智能决策。建立AI智能合规管理体系，对接GMP、GAP、药典标准，自动完成数据记录、审核、预警，提升合规管理效率。

（六）硅光伏产业

1.研发设计。通过构建硅基材料专用大模型，整合拉晶、铸锭、切片及电池工艺历史数据，优化单晶硅生长、多晶硅铸锭及高效电池结构设计；搭建数字孪生仿真平台，实现热场、应力及光电转换效率的虚拟验证，替代物理试验，缩短研发周期。

2.中试验证。改造智能化中试车间，在铸锭炉、切片机、扩散炉等关键设备部署高精度传感器，实时采集温度、压力、流量及硅片品质数据。开发工艺参数迁移学习模型，实现从实验室到量产线的快速适配，提升中试成功率。探索依托龙头企业建设面向行业的中试共享平台，向中小企业开放AI仿真与测试服务。

3.生产制造。部署AI闭环控制系统，对拉晶速率、掺杂浓度、刻蚀时间等核心参数进行动态优化，降低吨多晶硅能耗，提升切片良率。通过设备端搭载振动、热成像等多维传感器，提前故障预警，减少非计划停机。应用AI视觉质检机器人替代人工电池片分选，覆盖高温、高危作业场景，并接入绿色电力数据实现低碳排生产调度。

4.营销服务。AI融合全球光伏装机预测、原材料价格波动及政策导向，建立市场需求预测模型，缩短订单响应周期。构建客户画像系统，针对电站投资商、组件厂等推送定制化产品方案，搭建产业链协同平台，带动上下游中小企业上云，实现供需精准匹配。

5.运营管理。建设企业级数据中台，集成生产、供应链及碳足迹数据，开发AI决策驾驶舱。智能优化硅料采购、切片代工及组件物流路径，缩短库存周转天数。搭建ESG智能管理平台，实时监测能耗与碳排放，助力行业碳达峰碳中和目标实现。

（七）电子信息产业

1.研发设计。利用生成式AI大模型开展辅助设计，自动生成PCB布局、芯片架构或散热方案，优化性能并缩短设计周期。通过机器学习分析历史仿真数据，预测设计缺陷（如手机终端、无线基站等电磁兼容性问题），减少物理原型测试次数，提升设计效率。通过AI加速半导体材料创新，例如通过高通量计算筛选新型介电材料或导电聚合物。

2.中试验证。采用AI技术开展缺陷检测与根因分析，自动识别试产样品的焊接缺陷或元件偏移，结合AI追溯工艺参数问题。辅助开展工艺优化，搭建点检、耦合等工艺参数调优能力闭环平台，实现生产工艺参数自调优，降低生产过程的人工干预，提高产品效率。优化数字孪生系统，通过虚拟中试模拟生产线运行，预测瓶颈或冲突，降低试错成本。

3.生产制造。围绕产品自动排产、动态精准抽样、生产故障诊断辅助分析、制造过程风险预警与闭环等环节开展AI能力建设，提升生产故障处理效率，提高缺陷的早期发现能力，降低生产过程中的质量风险，实现质量控制、生产效率和成本控制业务指标的持续改善。推广AI质检场景规模应用，提升产品质量，降低生产成本。推行拉式自动配送能力，实现智能仓储配送，确保物料和工装等资源在需要时自动供应，减少现场库存。

4.营销服务。通过AI分析市场数据，精准预测芯片等产品需求趋势，指导生产计划。基于舆情、客户偏好分析，针对性制定营销和品牌策略。基于知识图谱搭建智能客服系统，实时解答技术问题，提升产品满意度。

5.运营管理。提升供应链智能化，通过AI预测芯片等关键物料需求波动，优化全球采购策略，缓解短缺风险。打造运营环节AI助手，整合生产、销售、售后数据，实现销量预测、VOC管理、智能客服等问答类功能，辅助产能调整和定价等决策。按设备种类构建预测性维护能力，提升产品全流程满意度。

（八）软件和信息技术服务行业

1.打造软件全生命周期智能工具链产品体系。聚焦多模态大模型、行为分析、时序预测等，构建覆盖软件需求设计、开发、测试、运维的智能化开发工具链产品。打造人工智能驱动的开发运维产品，实现智能调度与风险预警。培育垂直领域低代码平台、智能体开发平台，以模块化人工智能组件实现行业知识快速封装、自动化任务设计与执行，推动软件开发从“人工主导”向“智能协同”转变。

2.加快传统软件与服务智能化升级。推动人工智能技术与基础软件、工业软件及制造业行业应用软件融合，实现传统软件智能化升级与价值重构。提升软件动态感知、自优化与自演进能力，实现软件功能模块的动态重组与性能优化。融合预测分析与业务流程挖掘等技术，赋能软件智能决策能力。基于国产智能体互联协议，研发高性能智能通信中间件，实现软件与大模型的高效协同及多源数据统一分析。

3.培育打造垂直领域智能体。研发部署软件编程、软件需求与审计、软件测试智能体，打造曲面设计、自动建模、自动编程等工业智能体，研制智能排程规划、动态报表生成、界面自动化设计、数据智能监控与治理等专用智能体。研发医疗、教育、金融、法律等行业智能体。

4.建设软件行业高质量数据集。突破多模态数据自动化清洗与智能语义标注等技术，打造标准化软件研发数据集。运用合成数据与对抗性测试技术，模拟高并发、网络异常等复杂边界场景，构建真实场景测试数据集。基于细粒度实体关系抽取与异构多源知识对齐技术，构建语义化领域知识资产。

二、原材料行业

（一）提升钢铁行业全流程智能化水平

构建钢铁行业数据集、知识库公共产品，打造人工智能工程化应用平台，提供智能化解决方案。研发覆盖钢铁生产全流程的系列动态模型，基于钢铁机理知识和生产实践经验，研发视觉、预测、决策等钢铁行业大模型、智能体，实现关键设备运行工况的实时感知、工艺参数的自适应优化、产品性能预报、质量缺陷溯源、调度任务的全局优化和实时智能调整等。推动人工智能赋能钢铁行业全流程，提高生产效率、产品质量、资源效能、安全和服务水平。

（二）推动人工智能赋能建材行业创新应用

优先面向水泥、平板玻璃等行业，部署一批针对行业典型单元操作需求的场景模型，训练建设建材行业大模型，推动在矿山开采、原料配比优化、窑炉煅烧控制、水泥熟料强度预测等场景的深度应用，提升生产过程的智能优化控制水平。推动研发“数据驱动+机理模型”的智能算法体系，建设先进陶瓷、人工晶体等先进无机非金属材料数据集，推动新产品开发、生产工艺优化。

三、装备制造行业

（一）推动工业母机柔性化智能化跃升

利用人工智能技术深度融入数控系统，赋能“实时感知－自主学习－智能决策－闭环执行”全流程，提升工业母机自适应作业与执行能力。构建基于大模型的智能诊断系统，精准感知、准确判断设备状态，实现远程监控与预测性维护。依托模块化生产单元与智能决策服务，通过低代码组态式任务编排与自主资源调度，实现制造系统自主响应订单变更、实时重构产线与敏捷生产。

（二）加速汽车行业全链条智能化升级

打造汽车大模型，自动生成车身造型、内饰布局等方案，实时仿真动态优化结构强度、风阻系数等参数，推动智能研发新范式。加快人工智能技术在硬件配置、参数调优等环节应用，开发模块化工艺岛，打造柔性可重构产线。建立人工智能驱动的全流程质量控制与预测性维护，推进整车性能在线检测与全生命周期质量追溯。

（三）推进电力装备全生命周期智能化

基于人工智能技术，智能优化发电机等核心部件结构参数，推进大型发电装备数字孪生设计和试验仿真。利用人工智能算法加强电力装备可制造性分析，智能评估部件加工难度和装配兼容性。构建人工智能驱动的健康评估与寿命预测平台，开展状态检修，提升发电、输电设备智能监控与调度优化水平。

四、消费品行业

（一）提升纺织服装领域个性化设计与高效生产能力

打造面向服饰行业的智能化产品规划平台，深度挖掘海量消费数据，利用数据分析决策大模型，实现服饰产品热点快速识别与响应方案设计。通过集成物理引擎与3D生成大模型，打造个性化设计与虚拟试衣系统，提升消费者购物体验。推动部署自适应生产系统，实现微米级纱线张力监测与疵点自修复，提升产品良品率。研发基于多光谱智能识别的废旧纺织品智能分拣技术及装备，提高再生资源利用率。

（二）强化家居领域智能化运营和智能产品供给能力

建立数据驱动的产品设计智能体，优化产品结构功能、提升智能操控能力、加快新品上市节奏。融合工业排产大模型与工业互联网技术，连接生产设备、订单、物料等多源数据，实现多产线协同排产与仓储调度，增强制造柔性与响应速度。开发具备人机交互、智能感知、智能互联等功能的智能家居产品，构建多样化场景，建设主动服务型家电提醒系统，提供节能方案与预测性维护，提升设备运行可靠性与用户满意度。

（三）构建食品加工领域安全高效智慧化管理体系

鼓励应用人工智能技术，丰富食品工业人工智能大模型产品供给。组织食品企业、专业化服务商提供食品生产智能监控溯源、食品园区“5G+工业互联网”、原料生产供应智慧管理等智能化解决方案。加快多模态安全生产监控大模型研发部署，提升食品生产现场违规操作与危险行为实时识别能力。提升供应链风险预测与应急响应能力，实时感知供应链中断风险，保障食品供应稳定性。

（四）推进生物制造领域全链条创新发展

利用人工智能技术，挖掘和生成高性能生物元件、高效合成代谢通路以及高活性酶蛋白结构，丰富基础数据库。打造智能化菌种构建平台，精准模拟细胞工厂运行机制，创建高转化率工业菌种。建立工艺参数与产物得率的预测模型，缩短工艺开发周期，提高中试验证成功率。借助人工智能等技术，优化迭代生物反应过程中的温度、酸碱度、含氧量等核心参数，实现反应过程智能控制，加快产业化进程。

（五）推动历史经典产业焕新升级

加快构建历史经典产业大脑，构建融合丝绸纹样、瓷器釉料配方、茶叶炒制工艺等核心技艺的产业数据底座，实现市场需求感知与产品创新精准对接。依托人工智能、工业互联网等技术，推动定制化、协同化设计创新，驱动文化IP向时尚消费品转化。运用机器视觉等技术构建全流程质控体系，通过三维建模与数字孪生技术再现经典产业生产场景与工艺流程，打造集技艺展示、互动体验、定制生产于一体的沉浸式文化空间，提升消费者购物体验。