尊敬的李书记,石省长,国斌副部长,各位领导,各位来宾,女士们、先生们,早上好。
推进智能制造能够有效地缩短产品的研制周期,提高生产效率、产品质量,降低运营成本和资源能源消耗,加快发展智能制造,对于提高制造业的供应结构的适应性和 灵活性,对于培育经济增长的新动能,具有十分重要的意义。为了贯彻落实国民经济和社会发展第十三个五年规划的纲要,和“中国制造2025”,工业和信息化 部,财政部,联合组织相关单位和专家,通过大量的研究和调研,在充分听取了专家、行业协会,重点企业和各地方的主管部门的意见的基础上,编制完成了智能制 造发展规划,2016年到2020年,今天,正式向全社会公开发布。规划作为指导“十三五”时期,全国智能制造发展的纲领性文件,明确了“十三五”时期, 我国智能制造发展的指导思想,目标和重点任务。规划提出的智能制造发展的指导思想是:牢固树立创新协调、绿色开放、共享的发展理念,全面落实中国制造 2025和推进供给侧结构性改革的部署,将发展智能制造作为长期坚持的战略任务,分类分层指导,分行业,分步骤的持续推进,十三五期间,同步实施数字化制 造的普及,智能化制造的示范引领,以构造新型制造体系为目标,以实施智能制造工程为重要抓手,在五个方面着力,着力提升关键技术装备安全可控能力,着力增 强软件标准等基础支撑能力,着力提升集成应用水平,着力培育新的模式,着力营造良好的环境。为培育经济增长的新动能,打造我国制造业竞争的新优势,建设制 造强国奠定扎实的基础。规划提出2025年前推进智能制造实施两步走的战略。
第一步到2020年,智能制造发展基础和支撑能力得到明显的增 强,传统制造业重点领域基本实现数字化的制造,有条件,有基础的重点产业,智能转型取得明显进展。第二步到2025年,智能制造支撑体系基本建立,重点产 业初步实现迈向智能转型。规划提出了十个重点任务,第一,加快智能制造装备的发展,要攻克关键技术装备,提高质量和可靠性, 推进在重点领域的集成应用,第二,要加强关键共性技术的创新,突破一批关键共性技术,布局和积累一批核心知识产权。第三,建立智能制造标准体系,开展标准 研究,实验验证,加快标准的制定和修订和推广应用。第四是构筑工业互联网的基础,研发新型工业网络设备和系统,信息安全软硬件产品构建实验验证平台,建立 风险评估,检查和信息共享机制。第五个重点任务是加大智能制造试点示范推广力度。开展智能制造新模式试点示范遴选智能制造标杆企业,不断总结经验和模式, 在各个行业,移植和推广。
第六个重点任务是要推进重点领域智能转型,在中国制造2025十大重点领域中,试点建设数字化车间和智能工厂,在 传统制造业推广应用数字化技术,系统集成技术,智能制造装备。第七个任务是要促进中小企业智能化改造,引导中小企业推进自动化的改造,建设云平台服务和总 的集成服务平台,第八个任务是培育智能制造生态体系,加快培育一批系统解决方案提供商,大力发展龙头企业集团,做强做优一批专精特的配套企业。第九个任务 是推进区域智能制造协同发展,推动智能制造装备产业集群建设,加强基于互联网的区域智能制造资源共享和协同。第十个任务是要打造智能制造人才的队伍,健全 人才培养机制,加强智能制造人才的培训,建设智能制造实训基地,构建多层次的人才队伍。各位代表,推进智能制造工作任重道远,需要我们共同努力,按照规划 确定的目标和任务,要充分调动企业的内生动力,以扎实的成效,推动智能制造加快发展,为促进制造业实现由大变强做出更大的贡献,谢谢大家。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。