（四）建设软件行业高质量数据集。突破多模态数据自动化清洗与智能语义标注等技术，打造标准化软件研发数据集。运用合成数据与对抗性测试技术，模拟高并发、网络异常等复杂边界场景，构建真实场景测试数据集。基于细粒度实体关系抽取与异构多源知识对齐技术，构建语义化领域知识资产。建立开源代码合规清洗流水线，有效过滤许可证冲突与漏洞风险，全面夯实“人工智能+软件”融合创新的数据底座。



附件2 制造业企业人工智能应用指南

人工智能与制造业全要素、全流程、全链条深度融合，是破解产业升级瓶颈、塑造国际竞争优势的重要途径。为加快推动人工智能与制造业深度融合，推动数字技术与制造优势更好结合，提升制造业企业应用人工智能的科学化、规范化水平，全面赋能新型工业化，制定本指南。

使用人工智能进行研发设计、生产制造、经营管理及开展延伸服务的企业适用本指南。

一、开展智能化评估和规划

（一）开展智能化水平诊断评估。综合运用数据管理能力成熟度、智能制造能力成熟度、数字化转型成熟度、两化融合管理体系等参考标准和制造业数字化转型通用评估指标体系，摸清企业数字化、网络化、智能化水平，找准转型升级瓶颈。结合经济性分析与风险评估，科学确定人工智能应用需求。
（二）制定人工智能应用规划。参考人工智能赋能新型工业化典型应用案例等，确定人工智能应用核心场景和技术导入优先级，合理设置应用目标。优先开展经营管理、研发设计等场景智能化升级，梯次布局中试验证、生产制造等环节改造升级。发挥工业互联网数字底座支撑作用，强化与企业数字化转型工作统筹衔接，确保人工智能应用精准支撑主营业务发展。

二、提升智能化基础能力

（三）升级硬件基础能力。对工业“哑设备”“哑岗位”实施数字化改造升级，构建统一技术底座和场景化应用套件相结合的硬件支撑体系。通过加装传感设备和智能仪器仪表、部署边缘计算设备、推动工业专网升级、应用数字化转型通用工具产品，全面提升各类场景信息感知、传输、决策、控制能力。通过计算、存储、网络优化升级，加快推动已有数据中心转型智算中心。

（四）提升软件智能化水平。加快工业实时操作系统等核心软件，制造执行系统、在线实时优化软件等控制优化软件，以及分布式控制系统、数据采集与监控系统等控制执行单元智能化改造升级，提升智能化支撑能力。优化基础软件内核，植入智能调度算法，提升资源分配效率，增强系统响应速度。部署集成数字孪生、大模型等数智技术的工业设计、生产控制、经营管理、服务保障等工业软件，强化工业软件原生智能基础。

三、构建高质量数据集

（五）建设数据资源平台。搭建企业专识数据库，形成覆盖研发设计、生产制造、供应链管理、经营决策管理等全业务场景的数据资源池。构建包含机理库（存储工业机理模型、技术文档、设计图纸等底层原理性知识）、仿真库（存储多学科仿真模型）、经验库（存储故障案例、最佳实践、操作技巧等实践性知识）在内的工业知识库，有效支撑企业人工智能数据集需求。建设企业数据管理一体化平台，支持多源异构数据的汇聚、处理、标注和质量评估，提高企业数据加工和利用能力，提高数据集质量。

（六）应用数据集处理工具链。加强数据处理工具使用，逐步覆盖数据汇聚、采集、清洗、增强、标注、合成、存储、传输、分析与应用等重点环节，为企业人工智能应用持续提供高质、高效、安全的数据集支持。重点加强智能标注、专家协同标注、融合机理与仿真数据合成、数据集质量评估、安全监测等方向工具的使用。

（七）建立数据管理体系。鼓励企业探索首席数据官制度，建立涵盖规划、实施、评价、改进的数据管理体系，加强数据标准化建设，推动各系统数据融合。建立企业数据集分类分层分级管理机制，综合考虑数据类型、数据系统、应用场景和安全等因素，保障企业数据集安全应用、有效流通。明确数据采集、预处理、数据标注、增强合成、数据集产品化等环节的关键步骤和质量要点，制定数据集质量评估标准，指导数据集质量提升和高效应用。

（八）构建多样化数据集。聚焦工业领域研发设计、生产制造、经营管理等环节，打造覆盖企业工艺设计优化、过程控制、故障诊断、智慧运营等场景的多模态工业高质量数据集。鼓励制造业企业联合第三方开展合成数据集、工业领域深度思维链数据集、跨学科跨领域知识图谱等数据集建设，打造高质量行业数据集，探索数据集产品化、支持复杂场景工业人工智能应用。

四、合理规划布局算力资源

（九）科学规划算力规模。按照国家总体部署，结合企业发展实际，制定阶段化、梯度上升的算力部署规模，鼓励优先选择可实现瞬时响应、可扩缩容的算力服务。

（十）合理配置算力资源。鼓励优先采用云计算服务快速构建智能化基础服务能力，降低技术投入成本。具备良好数字化基础且对数据安全要求较高的企业，可依托自有算力基础设施建设智算资源，部署人工智能应用，实现资源集约化利用。

总共8页  [1] [2] [3] [4] [5] 6 [7] [8] 
上一页  下一页