国常会一句话，制造业 AI 的考卷换了。

一、会议部署了什么（公开口径）

会议指出，人工智能是影响未来发展的关键变量，要从我国产业体系完备、应用场景丰富、工程化能力强等实际出发，注重以落地应用牵引技术创新，不断深化拓展“人工智能+”行动。具体部署三点：

1. 夯实发展底座：加强技术攻关和算法创新，促进算电协同，增加高质量数据供给，着力补短板、锻长板；
2. 突出赋能应用：以实体经济为重点强化供需衔接，鼓励联合研发，推进中试验证，加大场景培育力度；
3. 统筹发展和安全：因业分级分类施策，加强风险研判评估，守牢人工智能安全底线。

这是年内国常会第二次专题部署 AI。6 月底那次听取的是 AI 发展情况汇报，重心在能力建设——基础研究、智算集群、要素保障；这一次听取的是“人工智能+”行动进展汇报，重心转到了价值兑现——落地、转化、场景。

二、考卷怎么换的

多家机构专家的公开解读指向同一个变化：政策的评估标尺，正在从“模型指标”切换为“生产率指标”。过去是技术突破了再找应用，现在是用真实产业需求、真实场景来倒逼算法和模型迭代。

翻译成车间里的话：过去汇报 AI 项目，讲的是“我们部署了大模型”“接入了智能体”，比的是参数、榜单、发布会规格；以后过会、验收、审厂，问的是三个问题——

• 业务改善到底发生了没有？
• 改善里有多少来自 AI？
• 这笔账算得过来吗？

这三个问题并不新鲜。月初工博会上，工信部直属的中国工业互联网研究院联合京东工业发布《AI赋能企业价值量化评估研究》，把评价标准从“用了多少 AI”转向“挣回多少钱”（落地读法见我们此前文章）。一个月之内，研究机构与最高层会议先后把“算账”立为标尺，风向已经清楚了。

三、三点部署，对工厂意味着什么（经验解读）

① 夯实底座 → 先把数据理干净，别急着比算力

“增加高质量数据供给”的源头，在工厂自己手里：设备台账、工艺文档、历史工单。数据理不干净，再大的模型也是空转。这一条反而提示企业把预算从“买算力”往“理数据”挪一挪。

② 突出赋能应用 → “中试验证”就是先影子试运行

会议原文里的“推进中试验证”，落到 AI 项目上就是：挑一个能算清账的窄场景（质检、报表、客服话术），让 AI 与人工并行跑一段，用同一把尺子对比结果，比得过人再切换。跳过并行验证直接全量上线，是 AI 项目常见的失败原因。上项目前先让各部门把岗位和任务盘清楚（盘点表怎么做，见这两张表）。

③ 统筹发展和安全 → 数据不出厂会从“加分项”变“入场券”

“因业分级分类施策、守牢安全底线”，对企业是具体约束：数据不出厂、操作有留痕、AI 的回答能溯源到制度原文。这些过去是加分项，以后会变成入场券——尤其当你的客户是大企业，或者你要做出口供应链的时候。

四、谁先受益，怎么起步（经验解读）

三类工厂会先接到这一轮风向：

1. 有产线数字化底子的——上了 MES/SCADA，数据拿得出来；
2. 降本诉求明确、算得清账的——哪条产线、哪个岗位要改善，说得出口径；
3. 被供应链和审厂倒逼的——大客户已经开始要 AI 使用与数据合规的证明材料。

起步路径，我们在交付中一直是三步：

1. 知识库先行：把 SOP、设备手册、历史工单沉淀成企业自己的知识库，门槛不高、数据不出厂，员工在钉钉等现有工具里就能用；
2. 产线数据接进来：打通质量、设备、能耗数据，让 AI 从“会说话”变“会看数”；
3. 最后才谈模型私有化：它是终点，不是起点。

每一步都对得上九个字：用得起、管得住、审得了。要不要上、先上哪个，可以先用AI 就绪度自评过一遍。

五、写在最后的两个提醒

1. 别做概念包装。风向已经从“你模型多大”转向“你产线跑出了什么”。包装出来的智能化，验收时会加倍还回去。
2. 别一上来就重投入私有化大模型。政策原话是“落地应用牵引技术创新”——应用在前，技术投入跟着应用的账走。先让一个场景跑出效果、算出账，再决定投多少。

国常会这份考卷，其实就一道题：你的 AI，改善发生了没有？现在开始答，还来得及。

---

🎁 免费领取《FDE 中国落地工具包》：含《AI 落地成熟度自查清单》（六卡点，一票否决制）、《AI 方案出门四判据》、《选 AI 供应商六问话术卡》、《美的锚点数字卡》——签 AI 合同前对着用，把风险挡在纸面上。关注公众号锐果互动，后台回复 FDE 获取下载链接。

工具包为锐果互动原创，与本文提及的第三方内容及其作者无关联。

常见问题

← 返回洞察栏目