但是記者在調研采訪中獲悉，央企業務場景多為定制化需求，推動人工智能規模化落地仍存諸多制約，需要進一步展開長周期規劃，在自主研發、高質量數據集建設、場景賦能與創新、人才隊伍建設等方面進一步探索和發力。
在湖南湘江新區長沙智谷，觀眾使用頸部超聲診斷機器人進行體檢。新華社記者 陳思汗 攝
央企“AI+”專項行動向縱深推進
“數智賦能，物聯創效”——長慶油田頁巖油開發分公司西峰生產指揮中心墻上的八個大字異常醒目。巨型屏幕前，工作人員輕點物聯網云平臺“產量差異分析”模塊，紅綠柱狀圖瞬間呈現增油量與遞減量。三次點擊，系統便鎖定某中心站單井異常減產點——整個過程不到十秒。
這是中國石油“數智石油”建設的一個縮影。該企業建成我國能源化工領域首個通過國家備案的行業大模型——昆侖大模型，完成330億到700億、再到3000億參數的迭代升級，深度賦能上百個產業應用場景；同時，項目團隊組建10個攻堅組，圍繞26條業務線、119個業務域，優化形成“十域百景千應用”的全景視圖。以業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+”的產品正在加速賦能各行各業。就在不久前，國務院印發了《關于深入實施“人工智能+”行動的意見》。意見提出，通過科技、產業、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、智能體等應用普及率超70%，2035年全面步入智能社會。
北京郵電大學人工智能學院教授張闖認為，國資央企憑借在能源、交通、金融、通信等關鍵領域的規模化場景優勢，成為AI技術落地的重要“試驗田”與“孵化器”，承擔著國家戰略實施者、技術創新引領者、產業生態構建者的核心角色。
2024年以來，國資委組織深入實施中央企業“AI+”專項行動。目前已在能源、制造、通信等16個重點行業打造了800多個應用場景；成立了交通物流、綠色低碳、智慧能源3個行業數據產業共同體，建設行業數據集超過1000個；通信運營商加快向AI基礎底座供應商轉變，累計投資超百億元，建成4個“萬卡集群”，智算規模比“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、復雜推理及智能體構建能力，在能源電力、工業制造等領域加快應用。
在2025年世界人工智能大會期間，國務院國資委正式發布了首批40項央企人工智能戰略性高價值場景，建設“國資央企人工智能戰略性高價值場景庫”，以此為基礎推動央企持續挖掘、積極開放行業核心場景，協同各方共建共享，深度融合人工智能科技創新與產業創新，打造人工智能+科學、生物醫藥、新材料研發、具身智能、新型工業化等應用標桿，助力傳統產業提質升級，開辟戰略性新興產業和未來產業發展新賽道，推動“盆景式”試點落地到“雨林式”規模應用。
中國移動承擔的“公有云全流程AI+處置億級云端威脅”正是首批場景之一。據介紹，移動云以云原生自適應安全架構作為安全基座，融合九天、DeepSeek等基礎大模型能力，孵化安全云腦智能運營平臺，落地應用于移動云數十個資源池，納管全網數千套安全設備，日均處理安全數據超70億，實現安全運營智能化、高效化和精準化，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99%，告警誤報率壓降至0.2%，節省人工成本超千萬。
國家電網也積極運用人工智能賦能電力系統運行管理、生產作業管理、經營管理和客戶服務等多個領域。以此次列入的“電力輸變電設備智能巡檢與作業處置”場景為例，全面推廣輸電無人機智能巡檢、變電智能巡視、電力智能作業等應用；系統布局研發系列機器人裝備，配網帶電作業機器人已迭代研發至第四代；探索應用人工智能技術對特高壓直流設備運行狀態開展智能分析，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”，重點打造“研發設計”“生產制造”“運維服務”3大領域13個制造業核心流程場景。在高速動車組氣動阻力仿真場景中，基于既有仿真、試驗數據，構建高速動車組氣動載荷標準數據庫，基于科學計算大模型平臺，創新性地構建了智能化仿真大模型。實現了計算效率由24小時縮短到10秒級，結果誤差小于8%，未來預期實現仿真周期從10秒級到秒級、結果誤差小于5%的跨越式突破。
規模化落地仍存四大制約
記者在采訪中獲悉，央企業務場景多為定制化需求，需結合工藝、設備、環境等復雜變量，這給人工智能規模化落地提出了不小的挑戰。
首先是技術與產業的融合制約。多家中央企業反映，人工智能技術與企業核心生產環節融合仍存困難。相關企業負責人告訴記者，通用大模型在支持企業垂類大模型構建、滿足特定需求方面還要進一步加強，有待聯合突破。
“模型與復雜業務場景的適配性不足。”中國移動研究院用戶與市場研究所所長林琳解釋說，目前企業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域或任務，其知識庫相對有限，制約了復雜推理任務場景的表現；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，模型推理準確率和穩定性難以達到企業生產級要求。
賽智產業研究院人工智能研究所副所長安赟也指出，AI技術公司的通用方案往往“水土不服”，而央國企的行業專家又難以將模糊的業務痛點轉化為清晰的技術需求。這種供需“鴻溝”使技術優勢難以高效轉化為產業優勢和經濟價值。
其次是部署成本的制約。“制造業尤其是傳統的重型裝備制造領域，存在大量老舊設備。這些設備在設計之初并未考慮數據采集，可能沒有傳感器接口或者接口協議封閉，對其進行數字化改造（加裝傳感器、網關）成本高、周期長、技術難度大。”中車集團數智化部負責人坦言。
林琳也表示，產業級人工智能應用往往需要將算法模型融入機器設備，因而需要生產設備換代升級、產線改造、大量生產數據的采集處理以及行業知識的整理匯聚，部署過程復雜、資金投入大、建設周期長，企業對于技術投入產出比存在顧慮。
再次，央企“供數”“用數”障礙，也造成人工智能落地應用難。作為人工智能發展的三大核心要素之一，數據在推動“人工智能+”過程中發揮著關鍵作用，特別是高質量數據集的建設至關重要。不少受訪對象表示，中央企業對數據資源的需求日益增強，但也面臨著企業內部數據治理不完善、數據共建標準缺失、數據安全存挑戰等難題，造成高質量數據供給不足，跨主體、跨行業的數據流通共享不足，數據要素價值有效釋放不足。
此外，人才結構也存在短板。中國石油集團數字和信息化管理部總經理胡炳軍坦言，既掌握油氣行業知識又掌握人工智能領域的高水平復合型人才相對匱乏，人才培養體系有待完善。
事實上，目前各行業企業普遍缺少“既懂業務、又懂人工智能”的復合型人才。根據中關村產業研究院測算，到2025年北京人工智能人才需求量約為54萬人，缺口將達37萬人，其中復合型人才缺口為21萬人。
開展長周期規劃由點帶面實現突破
受訪人士認為，未來央企應開展圍繞“AI+”的長周期規劃，在人才隊伍建設、自主研發、高質量數據集建設、場景賦能與創新等方面，明確時間表路線圖。注重AI產業生態的滲透作用，做深做實數字要素基座，實現AI賦能與數字化轉型的持續突破，推進人工智能等技術加速落地、轉化為現實生產力。
具體而言，一是支持央企發揮示范引領作用，共建行業大模型。受訪專家一致建議，聚焦戰略意義強、經濟收益高的核心應用場景，將AI技術深度嵌入業務全流程，推動應用場景開放，強化與各類所有制企業聯合研發，當好協同創新和產業協作的組織者。“率先打造智能制造、自動駕駛、具身智能等前沿場景的標桿應用案例，引領中小企業加快人工智能技術落地應用。”林琳稱。
中車集團數智化部負責人認為，在深挖工業制造、能源電力等高價值場景的同時，應依托央企在能源、交通等領域的數據優勢，共建行業大模型，增強我國在全球AI領域的競爭力。
二是強化國家級平臺與資源統籌，推動各方共建開放協同創新體系。安赟認為，需支持央國企牽頭建設國家級AI創新平臺、行業大模型和高質量數據集，提升AI創新效率。
促進供需協同創新、加強產學研聯動也至關重要。在林琳看來，要匯聚人工智能技術供給方的央企在算法模型、數據、算力方面的優勢資源，為應用方提供應用創新支撐，推動雙方共同在標準制修訂、應用孵化、具體場景實際問題攻關方面開展合作。推動央企與頂尖科研院所搭建合作橋梁，出臺專項政策，組建技術研發聯合體，鼓勵聯合開展關鍵技術攻關。
三是加快數據要素市場化配置改革，支持央國企在數據要素市場化改革中先行先試。相關企業建議，由國家相關部委統籌指導，圍繞數據質量提升、統一數據標準、安全風險管控、數據共享流通等方面，制定相應政策，指導中央企業建立更加完備的高質量數據集。
針對企業內部數據采集、運用、治理尚不完善的問題，胡炳軍認為，需深入推進數據效能提升行動，強化數據資源全量管理，加快拓展統一數據平臺覆蓋面；暢通數據開放渠道，讓更多的數據價值賦能企業高質量發展。
四是創新體制機制，強化人才隊伍建設。拓展多元化融資渠道，激發創新活力。受訪央企呼吁，完善人才政策，鼓勵央企與高校合作，通過設立人工智能定向人才培養項目、建立就業實習基地、專業培訓等方式，共同培養人工智能領域的復合型人才，夯實發展根基。同時，在薪酬待遇、成果轉化等方面建立更符合AI行業特點的人才評價和激勵體系。
關鍵詞：