北京市人工智能賦能新型工業化行動方案（2025年）
來源：高新院 achie.org 日期：2025-11-17 點擊：次
北京市人工智能賦能新型工業化行動方案（2025年）
京經信發〔2025〕27號
為推動人工智能與工業深度融合，拓展人工智能賦能新型工業化的應用場景，助力制造業智能化升級，加速培育新質生產力，提升全要素生產率，特制定本行動方案。
一、建設高質好用的行業數據集。支持制造業企業及科研院所等機構加快開展行業數據采集、匯聚、清洗、標注等工作，形成一批高質量制造業數據集，對數據首登記、首入表、首交易、首開放等給予獎勵支持。
二、提高公共數據治理服務能力。支持在數據基礎制度先行區等產業聚集區內搭建數據治理服務平臺，建設高質量開源數據集、數據采集設施、數據治理軟硬件工具集和服務方案，對達到一定服務能力的平臺建設給予支持。組織征集一批公共數據治理服務商為制造業企業提供質優價低服務。支持標準化機構組織鏈主企業和相關科研機構制定細分行業數據采集、標注及質量評估的團體及地方標準。
三、支持企業數據參與模型訓練。支持企業用好人工智能數據沙盒制度，有效保障數據隱私安全，形成數據合理合規收益機制，加快促進行業和企業模型產品迭代，支持企業探索人工智能數據沙盒首試政策，對首次使用沙盒訓練的企業給予免費服務。
四、打造行業頭部大模型。支持產業鏈龍頭企業、平臺機構，聯合大模型企業、信息軟件企業，圍繞行業全流程優化和關鍵環節突破，開發部署具有引領作用的行業大模型，實現真實場景驗證并面向產業鏈中小企業推廣，對達到國內一流、國際領先水平的大模型算力成本給予最高不超過3000萬元支持。
五、構建高性能通用智能體。支持企業將工業機理、數據、知識與大模型相融合，打造適應性強、數據處理與智能決策能力好、可感知環境和自主協同的通用智能體，突破傳統工業軟件重度依賴經驗、適應環境受限、智能化不足的困境。對具有行業推廣性、顯著提升制造業效率和優化生產管理的通用智能體，對其運營服務按調用算力成本給予最高不超過3000萬元支持。
六、培育以自主協議為基礎的制造業智能生態。支持制造業企業、行業組織聯合大模型企業、信息軟件企業、標準化機構，制定大模型與外部工具、數據源及API資源高效集成的標準化通信協議，形成“小模型局部應用+大模型全局優化”的混合智能應用范式，對適配行業廣、覆蓋企業數量多、調用頻次高的協議將在京津冀制造業項目中組織推廣。
七、實施企業技術中心AI賦能行動。支持企業基于企業技術中心，圍繞生產制造全流程搭建實驗場景，推動模型嵌入部署和軟硬件適配開發，形成具有自主知識產權的智能化產品及行業解決方案，對成效顯著的市級企業技術中心優先推薦為國家級企業技術中心，將人工智能能力作為新設企業技術中心的重要參考。
八、增強仿真驗證能力。支持企業面向工業的研發設計、生產制造、質量管控等環節，研發具有自主知識產權的工業仿真軟件，提升仿真軟件智能化水平，搭建具有行業通用性的仿真平臺，開展大模型應用中試驗證，對承擔國家或北京市重點任務的仿真驗證平臺給予最高不超過5000萬元支持。
九、加強智能安全保障。支持企業建設模型安全靶場，制定模型安全及性能評估標準、開展行業模型及智能體評測，模擬多場景大模型安全攻擊，提供主動防御軟硬件工具和模型安全解決方案，形成大模型多維風險評估體系，對具有行業影響力的安全保障平臺給予最高不超過3000萬元支持。
十、提升裝備智能化水平。支持企業圍繞裝備研發、生產、運行及維護等多個環節，充分發揮語言模型、多模態模型、科學智能、具身智能等多種大模型能力，提升裝備的研發設計水平，增強裝備的感知、決策、執行能力，對符合條件的裝備智能化升級項目通過筑基工程、揭榜掛帥等多種方式予以支持，對具有示范推廣作用的新裝備給予最高不超過3000萬元支持。
十一、打造具身智能工廠示范標桿。支持制造業企業應用具身智能大模型、5G等技術，部署具身智能機器人、智能裝備等設備，全面提升智能工廠的具身智能裝備密度、提高工廠數據驅動和智能決策能力，形成人機協同新范式，建設具身智能工廠，對符合條件的示范項目給予最高不超過3000萬元支持。
十二、布局智能產品關鍵產能。針對AI PC、AI手機、AI眼鏡、智能機器人等智能產品，支持有條件的企業牽頭建設中試平臺、智能產品柔性生產線，對符合條件的中試平臺及柔性產線建設項目給予最高不超過5000萬元支持。
十三、培養復合型產業人才。支持企事業單位針對制造業全流程人才需求，設計“AI+制造”階梯式課程體系，建設“AI+制造”實訓基地，基于生產場景和真實課題，使用人工智能創新工具，開展人工智能與制造業融合應用培訓，培育大模型落地實施團隊，對效果顯著的課程編制和實訓基地建設等工作給予擇優支持。
十四、優化人工智能賦能咨詢服務。遴選具備人工智能賦能新型工業化成功經驗的信息軟件、制造業等企業，納入制造業人工智能服務商企業庫，依托北京市通用人工智能產業創新伙伴計劃等平臺，與京津冀制造業企業開展對接活動，提供咨詢服務，共同推進大模型在制造業場景落地。
十五、加強模型應用金融服務。支持金融機構創新“AI智造貸”等金融工具，對企業應用大模型調優、數據治理等技術開展智能工廠建設、部署智能產品等工作給予貸款服務，助力企業加快制造業智能化升級。用好市級人工智能、機器人、先進制造與智能裝備等相關基金，培育優質制造業企業、大模型及智能體創新企業。
十六、組織標桿案例宣傳推廣。征集人工智能賦能新型工業化案例，利用頭部新聞媒體及全球數字經濟大會等活動平臺宣傳及推廣，鼓勵企業搭建人工智能賦能生產制造案例展廳并開展行業內技術推廣和典型案例交流，組織標桿案例向京津冀制造業企業進行宣貫，建立標桿案例宣傳網絡平臺，促進各方共享優秀案例資源，實現行業內的經驗交流與共同發展。
《北京市人工智能賦能新型工業化行動方案》詳細解讀
一、總體理解：這份行動方案在做什么？
這份《行動方案》可以概括成一句話：
用大模型和智能體，把北京制造業的“數據—模型—場景—產能—人才—金融—宣傳”這一整條鏈條打通，形成一批可復制的行業標桿。
可以分為四個層次來理解：
-
打基礎（第1–3條）：先把行業數據、公共數據治理和數據沙盒制度建好，讓數據流動起來、用得起來、用得安全。
-
建能力（第4–9條）：重點打造行業大模型、通用智能體、仿真平臺及安全靶場，形成“算力+算法+平臺+安全”綜合能力。
-
抓場景與產能（第10–12、14、16條）：在裝備智能化、具身智能工廠、智能終端產線、咨詢服務和案例推廣上落地，讓技術真正進入車間與生產線。
-
強支撐（第13、15條）：用“人才+金融”把企業應用過程中的能力缺口和資金缺口補上。
對企業來說，這不是一條單項優惠政策，而是一整套“從數據基礎—技術研發—試點示范—產線建設—人才培訓—金融支持—品牌宣傳”的綜合支持體系。
二、分條逐項詳細解讀
（一）建設高質好用的行業數據集
原文要點
-
支持制造業企業、科研院所做數據采集、匯聚、清洗、標注。
-
形成一批高質量制造業數據集。
-
對“數據首登記、首入表、首交易、首開放”等給予獎勵支持。
通俗解讀
-
目標：把分散在企業和科研機構里的各類工業數據，整理成可以直接用來做算法訓練和分析的“行業級數據集”。
-
重點環節：不僅是簡單采集，還包括：
-
采集：從設備、生產線、系統中把數據“拿出來”；
-
匯聚：打通不同系統、不同格式的數據；
-
清洗：去重、糾錯、補全；
-
標注：加上專業標簽，便于模型理解。
-
-
激勵方式：圍繞“數據要素化”的幾個重要節點給獎勵：
-
首登記：第一次完成合規登記；
-
首入表：第一次被納入數據資源目錄或資產臺賬；
-
首交易：第一次通過合規平臺完成數據交易；
-
首開放：第一次以合規方式向社會或行業開放。
-
企業能獲得什么？
-
有機會把原本“沉睡”的生產數據變成“有價值的資產”，并獲得財政獎勵。
-
為后續大模型訓練、自主工業軟件開發打下基礎。
適合哪些企業？
-
有一定信息化/數字化基礎的制造業企業；
-
擁有大量歷史工藝數據、設備運行數據、質量檢測數據等的企業；
-
相關科研院所、行業協會數據平臺等。
（二）提高公共數據治理服務能力
原文要點
-
在數據基礎制度先行區等產業集聚區，搭建數據治理服務平臺。
-
建設高質量開源數據集、采集設施、治理工具集和服務方案。
-
對達到一定服務能力的平臺給予支持。
-
征集一批公共數據治理服務商，為制造業提供“質優價低”服務。
-
支持標準化機構聯合鏈主企業制定細分行業數據標準。
通俗解讀
這里不是讓每家企業都自己摸索，而是：
-
在重點區域建一批“公共數據治理平臺”，相當于“數據基礎設施+公共服務中心”。
-
平臺要提供的內容包括：
-
行業開源數據集；
-
采集的硬件/軟件設施；
-
數據清洗、脫敏、標注等工具和整體解決方案。
-
-
平臺如果服務能力達標，可以拿到政策支持。
-
政府還會“點名”一批服務商，進“公共數據治理服務商名單”，鼓勵其給企業提供標準化服務。
-
同時推動團體標準、地方標準，把“數據怎么采、怎么標、如何評估質量”統一規范，便于行業互聯互通。
對企業的意義
-
中小企業不用從零搭平臺，可以“拎包入住”，買標準化服務。
-
鏈主企業和標準化機構，可以在這里發揮牽引作用，參與標準制定，掌握行業話語權。
（三）支持企業數據參與模型訓練
原文要點
-
支持企業用好“人工智能數據沙盒制度”。
-
在沙盒中保障隱私安全，形成合理合規的收益機制。
-
促進行業和企業模型產品迭代。
-
對首次使用沙盒訓練的大模型企業給予免費服務。
通俗解讀
數據沙盒可以理解為：
-
一個受監管的“安全實驗環境”，企業可以把敏感數據放進去給模型訓練，外部看不到原始數據，只看到安全處理后的結果。
-
避免“數據泄露、濫用”的風險，同時又能“用起來”。
政策重點是：
-
鼓勵企業利用數據沙盒，解決“數據想用又不敢用”的矛盾。
-
通過沙盒，探索“數據參與訓練如何分配收益”的機制。
-
對第一次嘗試用沙盒訓練的企業，給予免費服務，降低試錯成本。
企業可以怎么用？
-
有敏感生產數據但擔心泄露的制造企業，可以用沙盒參與行業聯合訓練。
-
通過沙盒參與的同時，可以獲得模型迭代帶來的業務收益，比如更精準的預測、優化調度等。
（四）打造行業頭部大模型
原文要點
-
支持產業鏈龍頭企業、平臺機構聯合大模型企業等，圍繞行業全流程優化和關鍵環節突破，開發行業大模型。
-
要求在真實場景中驗證，并推廣到產業鏈中小企業。
-
對達到國內一流、國際領先的大模型，按算力成本最高給予3000萬元支持。
通俗解讀
這一條是鼓勵做“行業專用版大模型”，而不是通用聊天模型。特點是：
-
有明確行業對象，如鋼鐵、汽車、電子、醫藥裝備等；
-
能覆蓋從研發、采購、生產、質檢到售后等全流程；
-
不僅停留在實驗室，要在實際生產場景中跑出來、跑出效果；
-
要面向產業鏈中小企業提供服務，不能只服務一家龍頭。
關鍵點
-
對算力成本給予資金支持，額度可達3000萬元，是對大模型研發中最核心成本的補貼。
-
重點面向產業鏈龍頭企業、平臺類機構 + 專業大模型公司的聯合體。
（五）構建高性能通用智能體
原文要點
-
支持企業將工業機理、數據、知識與大模型融合，打造適應性強、決策能力強、可感知環境和自主協同的通用智能體。
-
目標是突破傳統工業軟件“經驗依賴強、環境適應差、智能化不足”的問題。
-
對可推廣、能明顯提升效率和優化管理的通用智能體，按其運營服務調用算力成本給予最高3000萬元支持。
通俗解讀
“通用智能體”可理解為“面向工業場景的自動決策助手/數字員工”：
-
能讀懂實時數據；
-
能結合行業工藝和知識；
-
能給出優化建議甚至自動執行；
-
能適應不同設備和現場環境變化。
區別：
-
大模型偏“算力基礎+語言和多模態理解”；
-
智能體更偏“在具體系統里執行任務”，包括感知、決策、反饋。
資金支持特點
-
不是補研發，而是按運營服務中“算力調用成本”給補貼，鼓勵企業把智能體真正推向市場，用起來、跑起來。
-
額度同樣最高可到3000萬元。
（六）培育以自主協議為基礎的制造業智能生態
原文要點
-
支持制造業企業、行業組織聯合大模型企業、軟件企業、標準化機構，制定“大模型與外部工具、數據源、API資源集成”的標準化通信協議。
-
形成“小模型局部應用 + 大模型全局優化”的混合智能應用范式。
-
對適配行業廣、覆蓋企業多、調用頻次高的協議，在京津冀制造業項目中推廣。
通俗解讀
簡單講：這是在解決“系統與系統怎么說話”的問題。
-
通過制定統一的通信協議，讓：
-
大模型，
-
車間設備、傳感器、MES/ERP系統，
-
外部數據源、知識庫
可以安全高效地互聯互通。
-
-
形成的目標架構是：
-
小模型：負責具體設備或局部工藝；
-
大模型：負責跨車間、跨工序的全局優化——這就是“混合智能”。
-
對企業的意義
-
龍頭與平臺企業可通過主導協議，搭建自己的行業生態圈。
-
協議在京津冀范圍推廣，對參與制定方形成生態優勢和長期粘性。
（七）實施企業技術中心AI賦能行動
原文要點
-
依托企業技術中心，圍繞生產制造全流程搭建實驗場景，推動模型嵌入和軟硬件適配開發。
-
形成具有自主知識產權的智能化產品及行業解決方案。
-
對成效顯著的市級企業技術中心，優先推薦為國家級企業技術中心。
-
將人工智能能力作為新設企業技術中心的重要參考。
通俗解讀
-
“試驗田”選在企業技術中心：
-
技術中心負責組織生產線的AI改造試驗；
-
把模型真正嵌入到設備、系統中去，而不是停留在演示層面。
-
-
成果形式：
-
自主知識產權的軟件、算法、系統；
-
可輸出給同行的行業解決方案。
-
-
制度激勵：
-
做得好的市級技術中心更容易“升級”為國家級；
-
未來新建企業技術中心，是否具備AI能力會成為重要考量。
-
對企業的提示
-
已有市級技術中心的企業，可將“AI項目”打包為技術中心重點工作，爭取在評優、升級中加分。
-
正在籌建技術中心的企業，應把數據治理、大模型應用、智能體研發納入建設方案。
（八）增強仿真驗證能力
原文要點
-
支持面向研發設計、生產制造、質量管控等環節的工業仿真軟件研發。
-
提升仿真軟件智能化水平，搭建行業通用仿真平臺。
-
開展大模型應用中試驗證。
-
對承擔國家或北京市重點任務的仿真驗證平臺給予最高5000萬元支持。
通俗解讀
這里強調“先在數字世界試，再到真實世界干”：
-
把產品、生產線甚至工廠“搬到虛擬空間”中，用仿真軟件和平臺進行各種測試和驗證。
-
與大模型結合后，可以：
-
預測工藝調整的效果；
-
優化產線排布；
-
提前發現質量風險。
-
-
對承擔重大任務的仿真驗證平臺，給最高5000萬元的重磅支持。
適合誰？
-
工業軟件企業、工業互聯網平臺；
-
具有重大裝備研發、復雜工藝流程的大中型制造企業。
（九）加強智能安全保障
原文要點
-
支持企業建設模型安全靶場。
-
制定模型安全及性能評估標準，開展模型及智能體評測。
-
模擬多場景攻擊，提供防御工具和安全解決方案，形成風險評估體系。
-
對具有行業影響力的安全保障平臺給予最高3000萬元支持。
通俗解讀
隨著大模型進工廠，安全問題不能忽視。這條是要：
-
建立專門驗證大模型和智能體安全性的“靶場”：
-
假設被攻擊、被篡改或產生錯誤決策，系統會怎樣反應；
-
提前找到漏洞。
-
-
形成一套行業認可的評測體系和標準。
-
提供配套的軟硬件防護工具。
對企業的意義
-
對安全企業和平臺方，這是新的業務方向。
-
對制造企業，這是“用AI必須考慮的底線”，可通過參與靶場評測提高自身系統安全水平。
（十）提升裝備智能化水平
原文要點
-
支持圍繞裝備研發、生產、運行、維護等環節，充分應用語言模型、多模態模型、科學智能、具身智能等。
-
提升裝備研發設計水平，增強裝備的感知、決策、執行能力。
-
對符合條件的裝備智能化升級項目，通過筑基工程、揭榜掛帥等方式支持。
-
對有示范推廣作用的新裝備給予最高3000萬元支持。
通俗解讀
這是典型的“智能裝備升級行動”：
-
不僅讓裝備“上網”，而是讓裝備：
-
能看（多模態感知）；
-
能想（大模型、科學智能）；
-
能動（具身智能、自動控制）。
-
-
覆蓋裝備全生命周期：從設計仿真，到制造裝配，再到運行維護。
-
支持方式包括：
-
已有的“筑基工程”；
-
“揭榜掛帥”——企業提出解決方案，政府“出題”。
-
（十一）打造具身智能工廠示范標桿
原文要點
-
支持制造企業應用具身智能大模型、5G等技術，部署具身智能機器人、智能裝備。
-
提升工廠的“具身智能裝備密度”，提高數據驅動與智能決策能力。
-
形成人機協同新范式，建設具身智能工廠。
-
對符合條件的示范項目，給予最高3000萬元支持。
通俗解讀
“具身智能工廠”可以理解為：
-
工廠內有大量“能感知、能移動、能操作”的智能機器人和裝備；
-
他們不僅執行固定指令，還能根據實時情況自主調整。
本條政策希望：
-
打造一批標桿工廠，以機器人、AGV、智能檢測設備等為主體；
-
這些設備通過5G等網絡連成“感知—決策—執行”閉環；
-
強調“人機協同”，不是完全無人，而是讓人從重復勞動中解放出來，做決策和管理。
（十二）布局智能產品關鍵產能
原文要點
-
針對AI PC、AI手機、AI眼鏡、智能機器人等智能產品。
-
支持有條件企業建設中試平臺和柔性生產線。
-
對符合條件的中試平臺及柔性產線，給予最高5000萬元支持。
通俗解讀
這一條是聚焦“智能終端和智能硬件的產能建設”：
-
支持企業搭建：
-
中試平臺：從實驗室產品走向小批量試制；
-
柔性產線：能快速切換不同型號、不同規格的產品。
-
-
覆蓋的產品均是AI時代的關鍵載體：PC、手機、眼鏡、機器人等。
對企業而言：
-
如果你是智能硬件制造企業，且有面向AI終端的產品規劃，可以重點關注這部分支持；
-
5000萬元的支持強度，足以撬動一批重大產線落地。
（十三）培養復合型產業人才
原文要點
-
支持企事業單位根據制造業全流程人才需求，設計“AI+制造”階梯式課程體系。
-
建設“AI+制造”實訓基地。
-
基于生產場景和真實課題，使用AI創新工具開展培訓。
-
培育大模型落地實施團隊。
-
對效果顯著的課程編制和實訓基地給予擇優支持。
通俗解讀
人才建設的核心是：不再只培養單一“IT人才”或“制造人才”，而是懂工藝又懂AI的復合型隊伍。
-
課程體系要覆蓋：
-
車間操作、設備維護人員；
-
工藝工程師、質量工程師；
-
IT/OT工程師等。
-
-
實訓基地要“真場景”，圍繞企業實際生產問題來設計課題。
-
目標是形成一批真正能“把大模型落到產線”的實施團隊。
（十四）優化人工智能賦能咨詢服務
原文要點
-
遴選有成功經驗的信息軟件、制造業企業，納入“制造業人工智能服務商企業庫”。
-
依托北京市通用人工智能產業創新伙伴計劃等平臺，與京津冀制造企業對接，提供咨詢服務。
-
共推大模型在制造業場景落地。
通俗解讀
這是在打造“官方背書的AI賦能服務商庫”：
-
有過成功案例的服務商可被納入庫內，形成“可信名單”；
-
政府搭建對接平臺，把這些服務商與大量制造企業撮合在一起；
-
企業在尋找合作單位時，可以優先從“企業庫”中選擇，降低試錯成本。
對你所在的服務機構而言：
-
如果既懂AI又有制造業項目經驗，這是一個進入官方服務商庫的重要機會。
-
未來做項目時，“是否在庫中”可能成為政企合作的重要參考。
（十五）加強模型應用金融服務
原文要點
-
支持金融機構創新“AI智造貸”等金融工具。
-
針對企業應用大模型調優、數據治理、智能工廠建設和智能產品部署提供貸款服務。
-
用好市級人工智能、機器人、先進制造與智能裝備等相關基金，培育優質制造業與大模型企業。
通俗解讀
這一條解決的是“錢從哪來”：
-
鼓勵銀行等金融機構針對AI+制造場景設計專門的信貸產品（如“AI智造貸”）。
-
貸款用途包括：
-
大模型的引入和調優；
-
數據治理系統建設；
-
智能工廠改造；
-
智能產品產線部署。
-
-
同時引導各類市級產業基金投向AI+制造相關企業。
對企業提示
-
這意味著，AI改造和智能工廠建設可以更容易獲得“專門貸款+產業基金”組合支持；
-
申報時需準備清晰的項目方案，說明AI改造帶來的效益與風險控制措施。
（十六）組織標桿案例宣傳推廣
原文要點
-
征集人工智能賦能新型工業化案例。
-
利用頭部媒體和全球數字經濟大會等平臺宣傳推廣。
-
鼓勵企業建設案例展廳，組織行業內技術推廣和交流。
-
向京津冀制造企業宣貫，建立標桿案例宣傳網絡平臺。
通俗解讀
最后一條強調的是“樹標桿、帶全局”：
-
把在AI賦能制造業中做得好的企業和項目選出來，塑造“樣板間”；
-
通過媒體、重大活動和線上平臺，讓案例“可見、可學、可復制”；
-
鼓勵企業自己建設展示空間，把自己的智能工廠、智能產線系統性呈現出來。
對企業的附加價值
-
入選標桿案例不僅有品牌效應，還有利于后續申報各類政策、基金和示范項目；
-
對服務機構來說，參與標桿案例的打造和包裝，也是重要業務機會。
