當前，以大模型為代表的人工智能，正從單點應用階段邁入與傳統產業深度融合的階段。如何通過深入探索人工智能在傳統產業中的可持續應用模式，推動產業效率與協同能力的系統性提升，成為題中應有之義。

傳統產業是國民經濟的主體，是實體經濟的根基，更是穩增長、穩就業、穩物價的重要支撐。長期以來，制造業等傳統產業依靠要素投入、規模擴張實現快速增長，但效率不高、創新不足、轉型偏慢等矛盾也不容忽視。大模型具備深度學習、知識推理、跨域協同、自主優化等核心能力，能夠精准對接傳統產業轉型痛點，打通堵點，推動傳統產業從要素驅動轉向創新驅動。我國產業發展的實踐，已充分展現了人工智能賦能的巨大效果。在鋼鐵、紡織、能源電力等行業，在低碳安全、降本增效、產業協同、精准預警和故障處置等多種場景，大模型可以真正融入本地工藝過程、掌握行業獨有知識，推動傳統產業擺脫低端鎖定，不斷向價值鏈中高端攀升。

在這一過程中，也存在不少痛點和堵點。例如，數據壁壘依然突出，企業內部數據孤島林立，行業數據分散在不同主體之間，公共數據供給難以滿足需要。又如，轉型成本與轉型風險顧慮。部分企業尤其是中小企業，“不願轉、不敢轉、不會轉”的現象依然普遍。此外，既懂傳統產業工藝又懂人工智能技術的復合型人才供給嚴重不足﹔部分模型與產業場景結合不緊，可靠性、可解釋性難以滿足工業生產精度要求。破解這些難題，需系統施策、協同發力，構建政府引導、企業主體、市場驅動、多方聯動的發展生態，用大模型構建“最強大腦”，引導傳統產業蛻變升級。

統籌整合數據資源。打破數據流通壁壘是當務之急，應加快制定行業數據標准，推動企業、行業、公共數據分層分類開放共享，建設一批高質量行業數據集。鼓勵龍頭企業牽頭，聯合上下游企業共建數據聯盟，在保護商業秘密的前提下實現數據互通。對於中小企業，可依托公共服務平台提供標准化數據接口和算力支撐，降低數據獲取門檻。

構建垂類模型供給體系。支持龍頭企業聯合科研院所、人工智能企業共建行業大模型，聚焦鋼鐵、化工、紡織、能源等細分領域，沉澱專業知識體系，打造一批“懂工藝、懂機理、懂場景”的垂類模型。兼顧中小企業數字化基礎差異，大力推進輕量化、低成本、模塊化模型應用。

提升轉型服務效能。搭建面向傳統產業的智能化轉型公共服務平台，整合技術咨詢、測試驗証、人才培訓、運維保障等資源，為企業提供“一站式”服務。加大財政、稅收、金融支持力度，對行業垂類模型研發、工業數據集建設、中小企業智能化改造給予精准扶持。

保障人才梯隊建設。加快產教融合、校企合作，支持高校、職業院校優化專業設置，把學院建在產業裡，定向培養兼具產業知識與人工智能技術的復合型人才。企業也要加強員工技能培訓，提升操作人員智能化運維能力。鼓勵人工智能人才深入產業一線，與行業工程師和操作人員團隊合作、結對攻關，在融合發展中培育新型產業人才。

推進標杆示范引領。發揮龍頭企業帶動作用，打造一批大模型深度應用的智能化轉型標杆，形成可復制、可推廣的經驗模式。鼓勵大企業將已驗証的解決方案模塊化、標准化，通過產業鏈協同帶動上下游中小企業“全鏈路轉型”，從點上突破邁向鏈上協同。打通技術、數據、人才、場景的閉環，在產業競爭中佔據主動。