当前，以大模型为代表的人工智能，正从单点应用阶段迈入与传统产业深度融合的阶段。如何通过深入探索人工智能在传统产业中的可持续应用模式，推动产业效率与协同能力的系统性提升，成为题中应有之义。

　　传统产业是国民经济的主体，是实体经济的根基，更是稳增长、稳就业、稳物价的重要支撑。长期以来，制造业等传统产业依靠要素投入、规模扩张实现快速增长，但效率不高、创新不足、转型偏慢等矛盾也不容忽视。大模型具备深度学习、知识推理、跨域协同、自主优化等核心能力，能够精准对接传统产业转型痛点，打通堵点，推动传统产业从要素驱动转向创新驱动。我国产业发展的实践，已充分展现了人工智能赋能的巨大效果。在钢铁、纺织、能源电力等行业，在低碳安全、降本增效、产业协同、精准预警和故障处置等多种场景，大模型可以真正融入本地工艺过程、掌握行业独有知识，推动传统产业摆脱低端锁定，不断向价值链中高端攀升。

　　在这一过程中，也存在不少痛点和堵点。例如，数据壁垒依然突出，企业内部数据孤岛林立，行业数据分散在不同主体之间，公共数据供给难以满足需要。又如，转型成本与转型风险顾虑。部分企业尤其是中小企业，“不愿转、不敢转、不会转”的现象依然普遍。此外，既懂传统产业工艺又懂人工智能技术的复合型人才供给严重不足；部分模型与产业场景结合不紧，可靠性、可解释性难以满足工业生产精度要求。破解这些难题，需系统施策、协同发力，构建政府引导、企业主体、市场驱动、多方联动的发展生态，用大模型构建“最强大脑”，引导传统产业蜕变升级。

　　统筹整合数据资源。打破数据流通壁垒是当务之急，应加快制定行业数据标准，推动企业、行业、公共数据分层分类开放共享，建设一批高质量行业数据集。鼓励龙头企业牵头，联合上下游企业共建数据联盟，在保护商业秘密的前提下实现数据互通。对于中小企业，可依托公共服务平台提供标准化数据接口和算力支撑，降低数据获取门槛。

　　构建垂类模型供给体系。支持龙头企业联合科研院所、人工智能企业共建行业大模型，聚焦钢铁、化工、纺织、能源等细分领域，沉淀专业知识体系，打造一批“懂工艺、懂机理、懂场景”的垂类模型。兼顾中小企业数字化基础差异，大力推进轻量化、低成本、模块化模型应用。

　　提升转型服务效能。搭建面向传统产业的智能化转型公共服务平台，整合技术咨询、测试验证、人才培训、运维保障等资源，为企业提供“一站式”服务。加大财政、税收、金融支持力度，对行业垂类模型研发、工业数据集建设、中小企业智能化改造给予精准扶持。

　　保障人才梯队建设。加快产教融合、校企合作，支持高校、职业院校优化专业设置，把学院建在产业里，定向培养兼具产业知识与人工智能技术的复合型人才。企业也要加强员工技能培训，提升操作人员智能化运维能力。鼓励人工智能人才深入产业一线，与行业工程师和操作人员团队合作、结对攻关，在融合发展中培育新型产业人才。

　　推进标杆示范引领。发挥龙头企业带动作用，打造一批大模型深度应用的智能化转型标杆，形成可复制、可推广的经验模式。鼓励大企业将已验证的解决方案模块化、标准化，通过产业链协同带动上下游中小企业“全链路转型”，从点上突破迈向链上协同。打通技术、数据、人才、场景的闭环，在产业竞争中占据主动。