2026 年 1 月，工业和信息化部、中央网信办等八部门联合印发《「人工智能+制造」专项行动实施意见》，加快推进人工智能技术在制造业的融合应用。这是「人工智能+」行动在工业领域的具体落地文件。
到 2027 年的量化目标
《实施意见》提出，到 2027 年，我国人工智能关键核心技术实现安全可靠供给，并设置了一组可量化的目标：推动 3 至 5 个通用大模型在制造业深度应用，打造 100 个工业领域高质量数据集，推广 500 个典型应用场景，培育若干具有全球影响力的生态主导型企业。
这组目标透露的政策逻辑是清晰的：不再停留在「技术攻关」，而是转向「行业落地」。大模型能否进入制造业，关键不在于参数规模，而在于是否有匹配行业场景的数据与可复制的应用范式。
数据是这次行动的真正瓶颈
100 个工业领域高质量数据集的提法，指向的是制造业 AI 落地的核心约束——数据。工业数据往往分散在设备、产线与信息系统之中，且涉及商业秘密与生产安全，其采集、汇聚与流通的合规性比消费场景更复杂。
这与国家数据局推进的行业高质量数据集建设方向一致，参见行业高质量数据集建设行动实施方案与国家数据局数据集指引。对制造企业而言，参与数据集建设的门槛不在技术，而在数据权属与授权链条是否清晰。
制造业企业的合规落点
第一，工业数据的分类分级。 生产数据、工艺参数、设备状态数据是否构成重要数据，需要按行业要求判断。涉及个人信息（如员工行为数据、人脸识别考勤）的，还需单独评估。参见网络数据安全风险评估办法。
第二，模型与算法的备案义务。 若对外提供具备舆论属性或深度合成能力的服务，需履行相应备案；若仅内部使用，则主要受数据与安全规则约束。参见算法备案全流程。
第三，与上下游的合同安排。 联合研发、数据共享、模型部署往往涉及多方，知识产权归属与数据使用边界需在合同中明确。参见AI 商业合同指引与AI 知识产权保护。
第四，出海制造企业的双轨评估。 面向欧盟市场的工业 AI 产品可能落入高风险系统范畴，参见欧盟 AI 法案合规指引。
政策红利的另一面
专项行动带来补贴、试点与场景开放，也意味着更高的合规可见度。参与政府组织的试点项目，通常伴随数据安全与算法合规的审查要求。企业宜在申报阶段即同步准备合规材料，而非在验收时补课。
制造业 AI 的竞争，正在从「谁的模型更强」转向「谁能把模型安全地嵌入产线」。政策已经给出方向，落地的差距将体现在数据治理与合规设计的细节里。
本文依据工业和信息化部等八部门《「人工智能+制造」专项行动实施意见》等公开信息编写，仅供参考，不构成法律意见。