展商专访|中国移动新型工业化创新研究院院长周威：工业Know-How短板突破与成本临界值跨越

当人工智能的技术浪潮从基础研究涌向产业实践，一场关于生产逻辑重构与转型动能激活的变革，正深刻席卷新型工业化的主战场。从多模态大模型能力90%的跃升、TOP1模型迭代周期压缩至几周，到训练计算量每年4.8倍的爆发式增长，极致的软硬件协同正打破技术边界；而GitHub全球前10开源模型中中国占据半壁江山的格局，更印证着中国在AI领域从“跟跑”到“并跑”甚至“领跑”的角色转变。

中国移动正以“国家级AI+新型工业化汇聚平台”为锚点，依托九天大模型沉淀的“云网算”基础设施与工业AI能力，在算法、数据要素的驱动下搭建工业AI平台、数字孪生平台与应用开发平台，试图走出一条“算力-模型-生态”的突围之路。但机遇背后，工业Know-How的短板、商业模式闭环的难题，仍考验着这家央企赋能千行百业的深度与韧性。

近日，在2025人工智能产业及赋能新型工业化大会期间，《通信产业报》全媒体记者对中国移动AI+新型工业化创新研究院院长周威的专访，为我们揭开“AI重构工业”的关键脉络。

工业化转型按下“加速键”，作为现代化的基础与核心动力，工业化的内涵在数字时代被重新定义，新型工业化不再是传统要素驱动的规模扩张，而是以信息化为重要支撑，兼具科技含量高、经济效益好、资源消耗低、环境污染少、人力资源优势充分发挥的全新发展路径，其本质是智能化、绿色化、融合化的协同演进，更是新发展理念在产业领域的具象落地。

新发展理念为新型工业化划定了清晰坐标，创新是核心动力，破解工业化进程中的技术瓶颈与动力不足问题；协调是内生要求，平衡产业间、区域间发展差距，避免结构性失衡；绿色是生态底色，推动产业发展与环境承载能力相适配，实现可持续增长；开放是必由之路，打通国内外产业联动通道，融入全球产业链创新链；共享是根本宗旨，确保工业化成果惠及全体人民，让转型红利落地生根。而信息通信技术与服务，正是将这一理念转化为现实的关键赋能工具，尤其在AI技术爆发的当下，其对产业的改造力、对转型的推动力愈发凸显。

中国移动AI+新型工业化创新研究院院长周威表示，我们需要持续强化工业AI平台的底层支撑能力，让更多中小企业能轻松“上手”AI，真正借助技术力量实现生产效率提升与竞争力升级，为新型工业化的全面推进筑牢微观基础。

政策层面的顶层设计，为这场转型注入了“强心剂”。国务院出台的《关于深入实施“人工智能+”行动意见》，不仅明确了AI与实体经济深度融合的总体方向，更以具体目标锚定了转型节奏，提出大量智能体应用落地，计划至2027年实现70%的应用渗透率。这一政策针对产业升级中的关键技术短板，它强调底层能力建设；针对中小企业转型中的“不敢转、不会转”困境，它聚焦平台能力提升与成本降低；针对技术落地的“最后一公里”障碍，它推动工具链平台的普及，试图让AI技术从“高精尖”的专业领域，变为企业触手可及的生产要素。

然而，推进新型工业化的道路并非坦途。关键核心技术的“卡脖子”问题仍制约着产业向高端升级，国际竞争加剧挤压了传统产业的发展空间，资源环境约束与产业转型的紧迫性形成双重压力，产业链供应链的安全稳定风险也随全球格局变化不断攀升。

破解这一困境，需要政策引导与企业实践的同频共振，而具备“云网算用”禀赋的运营商，正成为连接政策与市场的关键桥梁。

周威表示：“国务院‘人工智能+’行动为中小企业数字化转型提供了明确的政策指引与发展机遇，当前的核心任务是将政策红利转化为企业可感知的转型实效。”

打造覆盖新型工业化全链条支撑力，综合来看，在AI技术重构工业生产逻辑、新型工业化加速推进的当下，不同于聚焦自身业务的企业，中国移动以“产业赋能者”身份，构建起“算、数、模、台、用”一体化的AI能力体系，从底层基础设施到上层场景应用，形成覆盖新型工业化全链条的支撑力。

这种能力不仅服务于装备、汽车、化工等多行业，更直击中小企业数字化转型痛点，成为政策落地与产业升级之间的关键纽带。

首先是算力筑基+数据蓄能，筑牢工业AI的“数字底座”。

“新型工业化的核心是‘智能驱动’，而智能的前提是算力。”周威对算力的定位，点明了中国移动AI能力的根基所在。为支撑工业场景下的实时数据处理、大模型训练等高频需求，中国移动已在全国布局13个全国性与区域性智算节点，算力规模突破61.3EFLOPS，成为“东数西算”骨干网络中的关键支点，无论是离散制造的设备故障预警，还是流程工业的能耗优化，这份算力储备都能提供“随用随取”的高效支撑。

若说算力是“工业智能的水电”，那高质量数据便是“核心原料”。截至目前，中国移动已积累超3BP的工业数据集，覆盖钢铁、石化、光伏等重点领域的设备运行、生产流程、供应链全链路信息，且包含图文、结构化等多元类型。

更关键的是，这些数据并非“沉睡资产”，在钢铁行业的生产参数优化中，数据集为模型训练提供了真实场景依据；在光伏电站的运维预测中，历史运行数据让AI提前识别故障的准确率提升30%，真正实现“数据反哺产业”。

其次是模型破局，九天大模型的“全场景适配”逻辑。

当不少企业陷入“追求参数规模”的误区时，中国移动的九天大模型走出了一条“贴合工业需求”的破局路。这款大模型具备三大核心优势。其一，全尺寸覆盖，参数规模从18B延伸至万亿级，既能以轻量化模型满足中小企业的设备诊断、能耗统计等基础需求，也能以万亿级参数模型支撑大型企业的复杂流程仿真、全产业链协同；其二，全国产可控，已完成与国内主流芯片、操作系统的兼容调试，在工业软件“卡脖子”领域提供替代方案；其三，按需定制，周威明确反对“大模型包打天下”，“离散制造需要灵活的设备联动模型，流程制造更看重能耗与质量平衡，有的企业要公有云部署，有的因数据敏感需私有部署，我们的模型始终跟着场景走。”

最后是平台联业，让AI“走进车间”的降门槛实践。

国务院“人工智能+”行动提出2027年工业智能体应用渗透率达70%的目标，而实现这一目标的关键，在于打破AI技术与中小企业之间的“能力鸿沟”。对此，中国移动的解法是打造“工业AI平台+智能体生态”，以“工具化、标准化”降低使用门槛。

这款工业AI平台堪称“工业AI工具箱”，通过零代码/低代码架构，整合170+标准化模板，覆盖设计仿真、设备运管、安全监管、知识管理、营销服务五大类工业智能体。具体成效肉眼可见：仿真时间较传统方式降低75%，让汽车零部件研发周期缩短3个月；数据标注成本降低40%，缓解中小企业“标注贵”难题；智能体开发效率提升60%，即使没有专业AI团队，车间操作工也能通过模板快速搭建“设备巡检智能体”“产品质检智能体”。

更值得的是中国移动的“桥梁作用”。周威提及，很多中小企业“有AI需求却找不到方案，技术方有方案却触达不到客户”，为此，中国移动联动地市级、省级分公司搭建“AI场景供需对接平台”。这种“找得到、用得起、效果好”的模式，正让AI从“高精尖技术”变成中小企业触手可及的“生产工具”。

把专业门槛转化应用窗口，尽管AI在新型工业化领域的应用已取得显著进展，但周威也不回避当前的三大挑战。

一是工业Know-How不足。工业领域的专业性极强，不同行业、不同企业的生产工艺存在巨大差异。中国移动作为运营商，虽能提供算力、模型、平台等基础支撑，却缺乏对具体行业生产工艺的深入理解，这成为AI落地工业场景的一大阻碍。

为解决这一短板，“深度合作”成为核心路径。中国移动选择与行业龙头企业共建联合实验室，借助龙头企业在行业内积累的丰富经验，将抽象的工业知识转化为可落地的AI算法。

二是AI成本临界值未到。对于众多企业，尤其是中小企业而言，AI部署成本偏高、资产回报周期较长，成为制约其拥抱AI的重要因素。单个企业独立部署AI系统，不仅需要承担高昂的硬件采购、软件研发及维护成本，还面临着投入后短期内难以看到显著收益的困境，这让不少中小企业望而却步。

破解成本难题需要多方协同发力。一方面，离不开国家长期的政策支持，通过政策引导、资金扶持等方式，降低企业AI转型的成本压力，激发企业参与热情；另一方面，中国移动积极探索规模化降本路径，将多个企业的相似AI应用场景进行“打包”，整合共享算力与模型资源。

三是数据安全底线。工业数据是企业的核心资产，直接关系到企业的生产经营安全与市场竞争力。在AI与工业融合的过程中，数据的采集、存储、分析与应用涉及多个环节，数据泄露、篡改等安全风险始终存在，如何保障数据安全成为企业的重点。

作为央企，中国移动在数据安全方面具备天然的“规范”优势。从网络安全、信息安全到AI安全，全流程严格遵循央企管理标准，且拥有完整的认证资质，为数据安全提供了基础保障。同时，中国移动还积极运用AI技术增强自身的安全防护能力，例如通过AI算法实时识别数据泄露风险，提前预警并采取应对措施，让客户能够放心地将核心工业数据交付其处理，为AI在工业领域的应用筑牢安全防线。

周威表示：“我们需要持续强化工业AI平台的底层支撑能力，通过完善工具链平台的功能覆盖与易用性设计，把AI技术的‘专业门槛’转化为‘应用窗口’，从技术成本、试错成本、时间成本三方面降低中小企业的转型负担，让更多中小企业能轻松‘上手’AI，真正借助技术力量实现生产效率提升与竞争力升级，为新型工业化的全面推进筑牢微观基础。”

（来源：工业互联网世界）