產業智能化：理論機制與中國實踐探索

余江 馬蕾 張越

摘 要：產業智能化是我國把握新一輪科技革命挑戰與機遇的必然要求，更是推進新型工業化發展和實現經濟高質量發展的關鍵戰略舉措。產業智能化不僅為中國場景下的管理學研究帶來了新機遇，也為探索數智時代的產業體系轉型理論提供了新的內涵。因此，立足全球視野和中國實踐，深入研究產業智能化的規律與趨勢，探索產業智能化在構建我國現代化產業體系中的作用機制。產業智能化是產業主體利用數字智能化技術對產業體系進行賦智重塑，引發產業邏輯變革的過程。其不僅是提升生產及運營效率的過程，更是以創新為導向的生態化過程。按照“AI突破驅動—轉型與變革—共創價值”的分析邏輯，同時聚焦企業運營戰略層次和產業生態層次的規則變化。主要結論有：第一，產業智能化強化了數字化在產業發展中的賦能作用，是產業數字化產生質變的新階段，將引發產業創新發展邏輯變革。第二，產業智能化基于知識集成、自主決策、精準匹配等能力聚集，提升了企業持續創新的潛力。第三，產業智能化促進了產業邊界全面融合，加快了產業間滲透，推動了產業智能生態快速發展及新業態形成。產業智能化帶來的不僅是局部的成本降低和效率提升，而且是整個產業層面的新價值共創，并不斷促進新業態產生。

關鍵詞：產業智能化；人工智能；創新生態系統；產業生態

中圖分類號：F424? ? 文獻標志碼：A? ? ?文章編號：1671-0037（2024）1-1-7

DOI：10.19345/j.cxkj.1671-0037.2024.1.1

0 引言

新一代生成式人工智能持續取得突破，標志著世界進入新一輪創新活躍期和產業變革期［1］。AI的新突破與應用正在加速重塑科學研究及生產范式，也在不斷催生新產業、新業態和新商業模式，從而成為數字智能化時代大國科技競爭的戰略制高點。2023年5月5日，二十屆中央財經委員會第一次會議強調，“要把握人工智能等新科技革命浪潮……推進產業智能化、綠色化、融合化，建設具有完整性、先進性、安全性的現代化產業體系”。2023年12月11日至12日，中央經濟工作會議在北京舉行。會議強調，要大力推進新型工業化，發展數字經濟，加快推動人工智能發展?？梢钥闯?，推動產業智能化是我國把握新一輪科技革命挑戰與機遇的必然要求，也是推進新型工業化發展和實現經濟高質量發展的關鍵戰略舉措，因而受到國家決策層的高度關注。

近年來，在實踐領域我國已經涌現了一批具有全球影響力的人工智能研究成果，同時一些先行企業也開始探索智能化轉型之路。然而，產業的智能化轉型具有高度的復雜性和挑戰性。企業作為科技創新和產業發展的主體，一方面對AI的新突破與應用引發革命性變革進而提升企業核心能力的潛力充滿期待，另一方面也對人工智能被惡意使用、存在故障和失控等技術風險以及相關數據質量管理、安全治理、知識管理、人力資本管理與組織變革等現實挑戰存有疑慮。不僅如此，在學界，以“數據”“感知”和“鏈接”為支撐的產業智能化轉型不僅為中國場景下的管理學研究帶來了新挑戰，也為數智新時代的產業體系轉型發展理論探索提供了新的內涵。產業智能化是有待深入研究的重大理論與實踐命題，需要立足全球視野和中國實踐，深入研究產業智能化的規律與趨勢，探索產業智能化在構建我國現代化產業體系中的作用機制。綜上，產業智能化研究對于新時代深刻把握產業發展新規律有著積極意義。

1 產業智能化理論機制

產業智能化將進一步打破傳統的產業分工，促使產業進入深度數字化與智能化新階段，促進產業新結構的生態重組，形成融合的充滿活力的新智能產業系統［2］。產業智能化是產業主體利用數字智能化技術對產業體系進行賦智重塑，引發產業邏輯變革的過程。其不僅是提升生產及運營效率的一種過程，也是以創新為導向的生態化過程。面對各類異質度很高的復雜產業場景，其智能化過程將集成多學科信息、數據、技術和工具等［3］。產業智能化在業務模型能力開放和全新人機接口的基礎上，與產業垂直場景深度結合，推動改變產業內組織結構和商業邏輯，從多方向識別和尋求多元化產業知識，多維度突破原有組織邊界，持續挖掘新發展潛力。在這一過程中，產業創新的規則正在發生重大的變革。

產業智能化遵循“AI突破驅動—轉型與變革—共創價值”的邏輯，同時關注企業運營戰略層次和產業生態層次的新邏輯與規則（見圖1）。生成式人工智能作為基于算法、模型、規則等生成文本、圖片、聲音、視頻、代碼等內容的新一代人工智能技術，早已突破傳統數據展示工具功能，形成了一個具有深度集成感知、分析、預測、決策、執行和學習等多種能力的智能化系統。以超大模型自然語言處理為代表的AI新算法正在推動重構基于數字化平臺的產品服務形態，以全新的人機互動形式，改變產品和服務提供新價值的過程［4］。這種變革早就超越了企業內單純的個別單元應用新技術的層面，而是涉及產業全價值鏈、生產方式以及產品與服務交付模式的系統升級。

企業依托智能系統實現自身的智能化戰略轉型，以AI技術突破為驅動改變了產業創新生態的工作流程，進而改變跨產業組織的治理規則。通過從海量數據信息中自主學習行業知識，構建閉環式學習體系，進而生成全新的、原創的專業知識或產品，并能持續提高能力來打破專業知識壁壘。而基于AI大模型生成的自然語言交互能力，為企業內部、產業上下游之間實時泛在的連接提供了數據交互的全新方式［5］。

智能化的產業創新生態逐步被賦予了“感知—分析—決策”能力?；谥悄芨兄c數據積累改變了信息的交互規則，基于大模型的預測能力改變了數據分析的過程，依托智能決策能力改變了傳統的業務流程。近年來，人工智能多模態能力的建設，推進機器基本實現了感知—決策—執行的流程［6］。面向產業垂直場景，不斷更新整合產業知識庫，在實現產業技術模塊知識和系統知識同步積累的同時，幫助企業主體克服自身的發展慣性，進而發現潛在的新業務突破的可能性［7］。

在各個行業垂直場景方面，新型AI技術全面增強了需求分析與需求理解能力。在產業數據要素方面，AI技術對于數據資產管理、數據質量管理、數據服務體系和數據架構建設等能力的提升作用顯著。在專業知識庫方面，AI技術依托專業模型的知識庫，提高了跨環節、跨領域知識積累與綜合運用的能力。同時，AI技術通過整合財務、人力資本、運營、IT等企業多個業務條線與系統數據，實現企業業務數據的整體性、系統性價值釋放，提高其業務洞察力與戰略預見力。

1.1 AI突破驅動

產業智能化是延展智能化寬度與深度的過程，能夠推動應用場景深度融合，提升生產效率，并引發產業競爭格局的重構［8］。AI模型通用能力的釋放與賦能以及新的交互能力的產生，正在推動實現工業軟件功能的橫向與縱向深度拓展，同時圖像數據的全新生成能力正在大幅提升工業設計效率。在制造層面，人形機器人等的飛速發展也在推動未來的制造流程結構性變化。例如，特斯拉公司開發的全新Optimus人形機器人，其成本已經降到20 000美元，標志著高智能的人形機器人逐步進入規模應用階段。

1.2 轉型與變革

產業轉型與變革在產業鏈層面推動了產業智能化，能夠幫助企業全方位構建具有針對性的AI能力，快速發掘大規模應用場景［9］。隨著AI技術在產業中的不斷應用與發展，企業不僅會產生新的AI需求，而且還需要與上下游企業共創可執行、可落地的企業級AI解決方案，將AI轉化成生產力。與此同時，企業內部新的人機交互模式滲透到產品研發、工藝設計、生產作業、產品運營等環節，賦能每個智能終端、智能單元和智能系統。傳統的工業流水線和生產性單元轉變為學習型工廠、數字化工廠以及網絡化工廠。

1.3 共創價值

面向價值網絡重構的產業智能化，是一個以挖掘潛在價值和創造新價值為核心的過程。其可以讓相關企業實現價值倍增，主要包括以下幾種。更加敏捷的運營，通過更進階的智能感知與認知技術提升產業生產效率；更加高效的定制化，允許企業在控制成本的前提下保持生產的靈活性；更加智能的決策支持，利用大模型的高水平預測能力輔助實現快速精準的生產決策。這種在產業場景下塑造的新創造能力不僅能節省大量的人力和時間成本，還可以提高產業安全性和可靠性，幫助企業應對高度不確定的市場環境，促進企業將技術轉化為業務價值［10］。

2 以“賦智”來“賦能”的產業智能化實踐

以智能制造為主攻方向，人工智能與制造業的深度融合推動著我國新型工業化發展［11］。AI技術與服務體系及制造業應用場景分別從供給側和需求側兩端推進產業智能化發展。在AI技術與服務體系的供給側，依托算力、算法、數據、連接等推進產業基礎大模型能力提升，并在此基礎上訓練垂直領域專用模型。在制造業應用場景的需求側，通過研發設計、生產制造、檢測運維、售后服務等的應用需求促進模型迭代升級。在智慧化的工業場景中，智能化轉型貫穿AI生命周期各個層面和環節，即從數據獲取到模型開發、部署和監控，幫助產業主體構建和部署端到端的、可信負責的AI，進而實現價值躍升。依托供需兩端發力，支撐智能產品和裝備、智能工廠、智慧供應鏈等智能制造的主攻方向，以持續智能化帶動工業化、工業化促進智能化的方式推動新型工業化發展（見圖2）。

2.1 行業模型框架：算法、算力和數據

算法、算力和數據等基礎設施是發展人工智能新應用的基石。算法決定了AI識別和決策的方式，其需要足夠的算力來驅動；同時，算法的提升又需要大規模高質量的數據；三者相輔相成，缺一不可［12］。

算法層面，產業智能化發展需要在大模型基礎上構建領域專業小模型，面向特定產業場景高效集成來自產業范疇內外不同類型的知識要素。以持續“賦智”來對產業持續賦能，最大化發揮AI的效能，激發產業主體創建和訓練有業務針對性的AI模型。通過不斷調整和管理，持續優化和利用好支撐業務的數據科學模型，對海量相關數據進行智能化甄別、篩選、解釋和洞見。

算力層面，行業模型對于AI模型類訓練的需求成倍增長?！霸?AI”已為產業智能化轉型提供了穩定的支撐環境，有助于產業創新生態系統的持續擴展，優化了算力基礎設施布局、結構、功能和系統集成。越來越多的企業組織在公有云、私有云和企業本地基礎設施之間部署、訓練、調整模型和數據。算力代表著集信息計算力、網絡運載力、數據存儲力于一體的生產力，推動了產業生態賦能。例如，在前沿的芯片制造工藝領域，2023年英偉達公司公布了面向芯片制造行業的突破性技術——NVIDIA cuLitho計算光刻庫，其可以將計算光刻加速40倍以上，使得2nm及更先進的芯片技術商用化大大加速。全球芯片制造巨頭臺積電、全球光刻機企業ASML公司和全球最大EDA巨頭新思科技（Synoposys）均參與了研發合作。這項人工智能技術的突破推動了集成電路前沿制造工藝研發新模式的形成。

數據層面，與以往以時間序列等結構化數據處理為主不同，生成式AI對高質量文本、圖片、文檔等數據的要求也不斷提升［13］。AI正在成為當前企業的一種核心生產力。在具體的產業情景下，生成式AI通過不斷學習結構化與非結構化數據，迅速理解產業用戶解決問題的場景模式，進而創造性地生成全新的解決方案，以保障企業業務的健康發展。

2.2 產業領域AI應用的主要進展

以多模態AI大模型為代表的新一代人工智能技術應用已經從辦公、營銷、商業設計等層面逐漸拓展到先進制造、金融科技與智慧城市等產業經濟發展的核心層。產業應用對專業領域的數據積累與知識學習提出了新的要求，需要以場景為牽引全面提升產業智能化水平［14］。以核心產業的制造業場景應用為例，目前AI主要被應用于以下領域。

在研發設計領域，依托力學和合成等制造領域專業化知識與原理在大模型中的沉淀，提升建模的準確性與效率，指導相關工業設計的實踐。例如，在傳統工業設計中，現有工業設計軟件的應用提供了海量標準化的工程制度、布局規劃；然而依托現有數據進行工業大模型訓練，并與設計者的思路需求進行交互，拓展了工業設計的思路邊界，提升了設計的可行性與效率。通過不同知識主體之間異質性知識相互整合、相互補充的反饋環，能夠幫助企業研發人員更好地擺脫既定認知慣性的約束［15］。例如，海爾設計公司與亞馬遜云科技合作，使生成式AI涵蓋新品設計、改款升級、渠道定制化等設計業務場景，形成4個完整的云上解決方案，全面替代自有機房，進而促使產品設計中心的工作流程實現了全面自動化。上線后各類項目周期縮短了30%，獲得了顯著的商業成功。

在工業仿真領域，大模型提升了仿真模擬對現實場景與環境復雜性的理解程度。例如，依托已有車輛測試與實驗中的數據，學習車輛結構、材料屬性與碰撞結果相互之間的非線性關系。與傳統車輛碰撞仿真需要多輪人工參數的大量調整不同，人工智能大模型大大縮短了尋找參數組合的周期，并涌現出多樣化的全新碰撞場景。

在工業檢測領域，視覺大模型提升了加工瑕疵、次品等問題的檢測準確性與效率，解決了傳統樣本數據獲取困難、標注困難的問題。平臺化設計、網絡化協同、規?；ㄖ频刃聵I態新模式的涌現，擴展和延伸了價值的內涵［16］。例如，當前主要汽車制造企業均借助最新的智能化技術手段，實現設備知識快速獲取、故障智能診斷、專家在線指導［17］。人工智能新技術的廣泛應用正推動創新驅動和跨界的落地。例如，百度公司的Apollo自動駕駛研發平臺從有限合作到開源平臺的演進，為技術開源合作和產業上下游伙伴網絡的形成提供了發展契機［18］。

在流程管理方面，AI智能系統的效用逐步增強。智能化轉型重構產業組織的競爭模式，增強了產業競爭活力，推動各類產業主體前瞻性地持續優化戰略業務。例如，對產品銷售進行預警，同時觸發智能工作流給相關部門，并提供若干推薦解決方案和已使用過的方案。其后，智能工作流一直在智能系統中跟進問題，并進行智能應對，直到問題閉環解決。企業組織結構向扁平化精益化轉型，根據產業特定場景和業務情況二次建模。企業需要在生成式AI的基礎上建立微調（Fine Tune）層，對產品與服務需求先進行預處理，再交給大模型進行理解和分析，以促使其在具體產業場景下實現價值躍升。

在智能客服領域，依托大語言模型賦能，能夠全面理解和把握用戶需求，并結合自身的知識庫與邏輯推理能力給出解決方案。例如，某家電巨頭利用搜索引擎和大語言模型結合產生的解決方案，將原始企業資料轉化為可利用的數字資產，借助生成式AI實現精準檢索和問答，徹底重構了全球化售后客戶服務體系。

在產業鏈協同方面，產業鏈上下游企業只有擁有更強的數據密集型跨界創新能力，才能保持其在產業鏈中的競爭優勢。而供應商更多選擇產品構架創新，進而加劇了產業鏈內部創新分工的競爭程度［19］。產業智能化需要產業領軍企業聯合廣泛的產業伙伴生態力量，幫助合作伙伴深度應用數字智能新技術，實現AI應用現代化和安全，形成跨產業主體組織間的智能工作流。依托開放的AI平臺，匯聚產業鏈上下游的合作伙伴和行業客戶，通過價值共創促使產業伙伴專注于將AI用于核心業務來提升自身競爭力，加速推進開放、可信、具有行業和業務針對性的企業級AI的落地應用［20］。

3 結論與啟示

3.1 研究結論

產業智能化是產業數字化產生質變的新階段，也是推動國內新型工業化發展的關鍵路徑；同時產業智能化基于知識集成、自主決策等集成能力，提升了產業主體的持續創新能力。不僅如此，產業智能化還促進了產業邊界全面融合，加快了產業間滲透，推動了產業生態快速發展及新業態形成。智能化正在成為企業差異化競爭和產業技術共同進步的驅動力，將為產業中各相關方創造獨特的智能化價值。

第一，產業智能化全面強化數字化在產業發展中的賦能作用，將引發產業發展邏輯變革。AI技術及其應用全面強化了信息技術、計算技術、通信技術和連接技術的深度集成，是產業組織發生重大變革并重構組織結構、行為及運行系統的重要驅動力。因此，在產業智能化轉型中，需要系統布局產業智能化戰略，指導企業在智能化轉型過程中的戰略演變，產品、服務和運營創新以及在業務流程中應用智能技術。

第二，產業智能化基于知識集成、自主決策、精準匹配等能力聚集，提升了企業持續創新的潛力。依托對行業知識的沉淀與集成，形成了對于產品研發/設計、生產制造、供應鏈/資源管理、市場/營銷、用戶/客戶運營、組織協同等多方面的支撐能力。同時，依托AI大模型預測精準性的提升，智能輔助決策成為產業決策系統的基礎。

第三，產業智能化促進產業邊界進一步融合，加快了產業間滲透，推動了產業生態快速發展及新業態形成，以產業中焦點企業的大模型為主導，連接眾多專業模型。數據流、知識流在大模型及專業模型中的快速流轉加快了產業間的互動，并與圍繞模型的算法及算例共同形成了產業智能化創新生態系統。

3.2 研究啟示

當前，數智賦能新領域新賽道呈現的群體突破，對于在復雜國際環境下搶占全球產業體系智能化發展制高點，以人工智能創新突破為抓手推進國家的新型工業化發展具有重大意義。產業智能化帶來的不僅是局部的成本降低和效率提升，而且是整個產業層面的新價值共創。在智能化轉型中構建前瞻性、引領性和可持續發展的智能產業創新生態系統，能夠有效應對未來的不確定以及不斷變化的新挑戰和機遇，并引領產業創新和發展。其主要啟示體現在以下幾點。

其一，在企業運營戰略層次，依托數據與模型相互增強的雙驅動力，積極推動人工智能深度嵌入生產全過程，以深度數智化推動更多新業務新場景持續落地，共生共贏，支撐形成有國際競爭力的開放的產業創新生態。

其二，在產業智能化轉型過程中，要持續更新產業戰略思維。以數智引領新領域新賽道的整體戰略謀劃，推動智能基礎設施升級，發揮算法、算力、數據協同驅動的潛力，推動人工智能和大數據深度嵌入生產過程，以共生共贏的合作開放理念，營造數智創新生態圈，釋放智能化的創新潛能。

其三，聚焦中國特色產業場景，有效推動產業智能化，促進人工智能新技術和產業創新管理形成有效動態互動，引導各類產業組織架構轉型，構建共享型組織架構，充分利用數字經濟優勢實現跨時空的資源分享，提高資源配置效率。同時，持續加強數據要素基礎制度建設和治理體系建設，深入實施“數據要素×”行動計劃，在重點領域加強產業數據要素價值創造的路徑探索和試點示范?？傊?，只有深入探究產業智能化的規律與趨勢，把握人工智能新科技革命浪潮的挑戰與機遇，才能在更高起點更大空間塑造高質量發展的新動能新優勢。

參考文獻：

［1］ 郭凱明.人工智能發展、產業結構轉型升級與勞動收入份額變動［J］.管理世界，2019，35（7）：60-77，202-203.

［2］ 劉燦雷，張靜，高超.中國產業智能化與智能產業發展：政策驅動視角［J］.南開經濟研究，2023（7）：126-145.

［3］ 國家信息中心信息化與產業發展部，京東數字科技研究院.攜手跨越，重塑增長：中國產業數字化發展報告［R/OL］.（2020-06-03）［2023-12-25］.https：//www.sohu.com/a/405614733_492538.

［4］ 喻國明，蘇健威.生成式人工智能浪潮下的傳播革命與媒介生態：從ChatGPT到全面智能化時代的未來［J］.新疆師范大學學報：哲學社會科學版，2023，44（5）：81-90.

［5］ 陳國青，吳剛，顧遠東，等.管理決策情境下大數據驅動的研究和應用挑戰：范式轉變與研究方向［J］.管理科學學報，2018，21（7）：1-10.

［6］ 張貝貝，余江.面向高水平科技自立自強，構建關鍵產業科技知識管理體系［J］.創新科技，2022，22（10）：19-26.

［7］WENG Y，LIN F.Multimodal emotion recognition algorithm for artificial intelligence information system［J/OL］.Wireless Communications and Mobile Computing，2022：1-9.https：//doi.org/10.1155/2022/9236238.

［8］ 張昕蔚，劉剛.人工智能與傳統產業融合創新機制研究：基于對中國智能安防產業創新網絡的分析［J］.科學學研究，2022，40（6）：1105-1116.

［9］HUTCHINSON P.Reinventing innovation management：the impact of self-innovating artificial intelligence［J］.IEEE Transactions on Engineering Management，2020，68（2）：628-639.

［10］ 楊飛，范從來.產業智能化是否有利于中國益貧式發展？［J］.經濟研究，2020，55（5）：150-165.

［11］ 盛朝迅.數智賦能新型工業化發展［J］.企業家，2023（12）：62-63.

［12］ 張琪瑋.中國工程院院士陳鯨：大數據、算力、算法是人工智能應用的基石［N］.中國電子報，2023-11-28（005）.

［13］ ZAHN M V，FEUERRIEGEL S，KUEHL N.The cost of fairness in AI：evidence from E-commerce［J］.Business & Information Systems Engineering，2022，64（3）：335-348.

［14］ 郭尉.知識異質、組織學習與企業創新績效關系研究［J］.科學學與科學技術管理，2016，37（7）：118-125.

［15］ 李紀琛，劉海建，李潤芝.知識異質性對企業創新績效的影響研究：基于社會關系的調節作用［J］.華東經濟管理，2023，37（5）：42-51.

［16］ 王倩，柳卸林.企業跨界創新中的價值共創研究：基于生態系統視角［J］.科研管理，2023，44（4）：11-18.

［17］ 余江，孟慶時，張越，等.數字創新：創新研究新視角的探索及啟示［J］.科學學研究，2017，35（7）：1103-1111.

［18］ 李東紅，陳昱蓉，周平錄.破解顛覆性技術創新的跨界網絡治理路徑：基于百度Apollo自動駕駛開放平臺的案例研究［J］.管理世界，2021，37（4）：130-159.

［19］ 楊勇.數字技術影響產業鏈內部創新分工的機制研究［J］.科學學研究，2023，41（8）：1495-1506.

［20］ 陳勁，楊文池，于飛.數字化轉型中的生態協同創新戰略：基于華為企業業務集團（EBG）中國區的戰略研討［J］.清華管理評論，2019（6）：22-26.

Industrial Intelligence： Exploration of Theoretical Mechanism and Chinese Practice

Yu Jiang1，2， Ma Lei3， Zhang Yue1，2

（1.Institute of Science and Development， Chinese Academy of Sciences， Beijing 100190， China; 2.School of Public Policy and Management， University of Chinese Academy of Sciences， Beijing 100049， China; 3.School of Public Affairs， Nanjing University of Science and Technology， Nanjing 210094， China）

Abstract： Grasping the challenges and opportunities presented by the new era of scientific and technological revolution is the inevitable requirement of industrial intelligence， which stands out as a pivotal strategic initiative for China in advancing new industrialization and achieving high-quality economic development. The concept of "industrial intelligence" not only poses fresh opportunities to management research within the Chinese context but also injects new connotations into the exploration of the theory of industrial system transformation in the era of digital intelligence. Hence， in-depth examination of the laws and trends of industrial intelligence， rooted in both a global perspective and China's practical experiences is imperative. This exploration seeks to explore the mechanisms by which industrial intelligence can contribute to the construction of China's modern industrial system. This study emphasizes that industrial intellectualization constitutes a systemic process wherein industrial entities leverage digital intelligent technology to instill intelligence and reshape the industrial system， resulting in a shift in industrial logic. It is not merely a process system aimed at enhancing production and operational efficiency but also an innovation-oriented ecological system. The analytical framework of industrial intelligence follows the logic of "AI breakthrough-driven transformation-co-creation of value." It delves into the novel principles and regulations governing enterprise operations at both the strategic and industrial ecological levels. The deep integration of artificial intelligence and manufacturing industry are promoting the development of our new-type industrialization. This research underscores several key findings： firstly， the infusion of "intelligence" into the industry reinforces the enabling role of "digitalization" in industrial development， representing a new stage in the evolution of industrial digitalization and will trigger the new logic of industrial innovation and development. Secondly， the industry's "intelligence" enhances the innovation capabilities of enterprises through knowledge integration， independent decision-making， precise matching and others. Thirdly， the "intellectualization" of the industry propels the full integration of industrial boundaries， accelerates inter-industry penetration and reduces the original industrial barriers， not only promotes the rapid development of industrial intelligent ecology， but also continuously promotes the generation of new business forms.

Key words： industrial intelligence; AI; innovation ecosystem; industrial ecology

（欄目編輯：邵冰欣）

收稿日期：2024-01-02

基金項目：國家自然科學基金重點項目“我國核心信息技術創新規律與創新體系研究”（NSFC71834006）；國家自然科學基金重點項目“數字技術創新機制、突破路徑與政策體系研究”（NSFC72334007）；國家自然科學基金青年項目“從追趕到后追趕：核心信息技術產業新興創新生態系統培育路徑與政策研究”（NSFC72104227）。

作者簡介：余江（1969—），男，博士，研究員，研究方向：數字科技與產業創新戰略;馬蕾（1965—），女，博士，教授，博士生導師，研究方向：技術創新管理與政策、數字創新生態系統；張越（1988—），女，博士，副研究員，研究方向：產業創新管理與競爭戰略。