问题——在新一轮科技革命和产业变革加速演进背景下，人工智能已从“概念展示”快速走向“生产工具”，成为推进新型工业化的重要力量。
广东产业体系完整、应用场景丰富，但在加快人工智能赋能制造业的过程中，仍面临三方面突出矛盾：一是算力、数据等关键要素的配置效率有待提升，企业获取与使用门槛仍较高；二是从科研创新到产业落地的链条衔接不够紧密，部分成果“能做”但“难用”；三是应用生态呈现点状突破多、规模化复制少的状况，供需两端信息不对称、服务体系分散，难以形成持续迭代的合力。
原因——多位受访人士认为，人工智能落地制造业的难点并不在于“有没有技术”，而在于“能否持续可用、可负担、可复制”。
其一，制造业流程复杂、数据形态多样，质量检测、设备运维、工艺优化等环节对数据治理、知识沉淀和模型可靠性要求高，通用模型往往难以直接适配。
其二，当前不少解决方案围绕大型企业的标准化场景开发，面对中小企业“订单小、品类多、工艺变、系统杂”的碎片化需求时，改造成本和交付周期显著上升。
其三，中小企业自建团队又受制于人才紧缺、投入高、试错风险大等因素，导致“想用但不敢用、想改但不会改”的状况较为普遍。
影响——从短期看，上述瓶颈将制约人工智能红利在更大范围释放，尤其影响中小企业对新技术的采用速度，进而影响产业链韧性与效率提升。
从中长期看，若要素供给、数据体系、应用服务不能形成系统能力，将不利于推动创新链、产业链、资金链、人才链的深度耦合。
广东制造业规模约占全国八分之一，覆盖全部31个制造业大类，并形成电子信息、绿色石化、智能家电等多个万亿元级产业集群。
人工智能能否在更广泛的企业群体中实现“低门槛可用”，关系到制造业转型升级的质量与速度，也关系到在新赛道上形成可持续竞争优势。
对策——围绕破解“散、弱、贵、难”问题，业内建议以算力、数据、中试、应用四个维度系统布局新型基础设施，构建从技术供给到场景落地的闭环。
一是强化算力与平台支撑，提升企业按需获取能力。
通过更高效的算力供给与调度机制，为企业提供可计量、可扩展、可控成本的算力服务，减少重复建设与资源闲置，把“用得起、用得稳”作为落地的基础条件。
二是以高质量工业数据与知识语料为牵引，夯实可持续迭代的底座。
将工业数据集、工业知识语料库等纳入重点项目支持范围，推动数据治理、标准化与合规流通，提升模型训练与应用效果，避免企业各自为战、重复投入。
三是推动“垂直大模型+场景小模型”协同应用，强调可靠性与可验证。
支持工业企业与人工智能企业联合培育适应制造业复杂任务环境、具备跨模态处理能力的垂直领域大模型，同时研制面向质量检测、工艺优化、设备运维等环节的专用小模型，以更低成本、更快周期实现可落地、可评估、可复制的改造成果。
四是做强应用生态与服务体系，打通供需对接“最后一公里”。
通过分行业分领域征集发布人工智能场景“需求清单”和产品服务“供给清单”，为供需双方提供精准指引；组织专业力量为制造业企业提供咨询诊断与“建档立卡”服务，回答企业最关心的“怎么应用”“找谁改造”，推动解决方案从单点试验走向规模推广。
五是完善制度保障与政策协同。
随着《广东省人工智能产业促进条例》立法工作加快推进，相关政策、机制不断健全，有望在数据合规、成果转化、应用推广、产业培育等方面形成更稳定的制度预期，为企业投入和长期创新提供支撑。
前景——受访人士指出，人工智能技术呈现“越用越便宜”的特性，边际成本下降将使产业集群中的中小企业成为重要受益者。
谁能率先形成面向中小企业的低成本、标准化、可复制的应用供给体系，谁就更可能在新阶段的产业竞争中占据主动。
广东人工智能核心产业规模预计在2025年前后迈上新台阶，叠加制造业场景优势与产业链完整性，在工业大模型、工业智能体等方向有望加速迭代升级。
随着算力、数据、平台、服务与制度体系逐步完善，人工智能对制造业和信息服务业的赋能将从“点上突破”走向“面上开花”，推动形成以技术创新带动产业创新、以产业需求反哺技术进步的良性循环。
人工智能与制造业的融合是大势所趋，也是广东实现高质量发展的必然选择。
当前，广东已具备产业基础完备、应用场景广阔、市场空间巨大的优势条件。
关键在于通过系统性的基础设施建设、政策支持和生态优化，让AI这一通用技术真正惠及广大中小企业，激发全社会的创新活力。
只有破除技术应用的壁垒，降低企业的使用成本，才能让AI成为推动制造业转型升级的真正引擎，助力广东在新一轮科技竞争中抢占先机、赢得主动。