我國“人工智能+”行動的必要性及推進路徑

吳盈盈  宋平  任璐

（中國信息通信研究院人工智能研究所，北京 100191）

摘要：分析闡述了我國人工智能發展布局，從基礎支撐、應用賦能、生態構建等方面體系化剖析我國人工智能發展現狀，總結歸納出應以應用為牽引發展我國人工智能產業，并提出了需明確適配行業、厘清落地現狀與問題、精準把握推進力度來有序有效推進“人工智能+”行動。

關鍵詞：人工智能+；產業升級；新型工業化

0  引言

人工智能已深度滲透社會經濟各領域、全過程，成為各國發展布局的關鍵。面對全球人工智能技術日新月異的新形勢，亟須從產業架構深度挖掘我國人工智能產業的獨特優勢，精準定位發展抓手，為工作部署提供靶向指引，推動產業實現高質量躍升。本文首先對人工智能作為我國重點發展方向進行了分析和闡述，包括人工智能對人類社會的影響、我國人工智能布局以及產業發展現狀與挑戰；之后提出了“人工智能+”行動是我國人工智能產業發展突破的關鍵，并進一步闡述了推進“人工智能+”行動的意義；最后厘清了“人工智能+”的內涵理解，給出了推進“人工智能+”行動的方法路徑。

1  人工智能已成為我國重點發展方向

1.1  人工智能的影響

人工智能作為新一輪科技革命和產業變革的核心驅動力，正以前所未有的速度滲透到人類社會的各個領域。其強大的數據處理、學習和決策能力，深刻改變了人們的生產生活方式，引發了廣泛而深遠的影響。

從經濟發展的角度來看，人工智能已成為培育新質生產力的核心動能。這種驅動作用體現在兩個層面：其一，人工智能加速了生產工具與生產流程的智能化轉型。以工業領域為例，人工智能應用率先在研發設計與驗證、運營管理與營銷兩個環節落地，并持續向生產制造環節滲透[1]，帶動全要素生產率提升。其二，人工智能催生傳統行業的新業態。以自動駕駛領域為例，其通過多傳感器融合、深度學習算法及車路協同技術的突破，推動汽車產業從單一交通工具制造向“智能移動空間”生態轉型，帶來車規級芯片研發、自動駕駛解決方案定制等商業機會，形成新的經濟增長點。

從社會發展的角度來看，人工智能正重塑民生服務格局。它不僅改變了民眾獲取信息的渠道，降低了知識獲取門檻，更優化了公共資源配置，提升了公共服務的普惠性，讓更多欠發達地區和群體共享技術紅利。以“醫院問診”場景為例，“人工智能名醫”通過大模型與臨床思維學習訓練，讓名醫資源打破時間、空間和數量限制，實現隨時隨地遠程問診，極大緩解醫療資源分布不均勻的問題。

人工智能在推動社會進步的同時，也對就業結構產生沖擊，給倫理治理帶來挑戰。首先，人工智能將重塑就業結構和模式。歷次科技革命都會引發就業結構深層次重塑，人工智能發展引發的就業變革也將呈現出“破壞—重構—升級”的螺旋式演化規律。在技術革新的沖擊下，重復性高、創造性低的中低技能崗位首當其沖。數據顯示[2]，約9 200 萬個標準化崗位（如財會、翻譯等），將因人工智能的應用面臨替代風險。但人工智能也會促進傳統崗位煥發新生，并使全新職業賽道加速涌現。從人工智能產業核心的算法研發、數據標注，到與實體經濟融合催生的自動駕駛工程、智能客服等跨界崗位，預計將釋放1.7 億個就業新機會，推動就業結構向更具技術含量與創新價值的方向迭代升級[2]。其次，人工智能也衍生出一系列復雜的倫理社會風險。它能夠以假亂真地生成幻覺信息與虛假內容，在互聯網的加速傳播下，擾亂信息真實性的根基，使公眾難以分辨虛實。而其自主決策的“黑箱”特性，讓算法運作過程晦澀難懂，一旦出現決策失誤或引發事故，責任認定變得模糊不清，給現有的法律框架與治理體系帶來巨大沖擊。隨著人臉識別等技術的普及，個人生物特征等敏感信息面臨泄露風險，公民的隱私權與人身安全時刻受到威脅。此外，人工智能訓練數據中若存在偏見與歧視，經過算法的不斷學習與強化，會進一步放大社會不公，加深不同群體間的隔閡，威脅社會公平正義的底線。

1.2  我國人工智能布局

《新一代人工智能發展規劃》明確“三步走”目標：從技術與應用跟世界先進水平“并跑”，到以理論突破帶動部分技術和應用“領先”，再到理論、技術、應用均達世界先進水平[3]。圍繞技術自立自強、賦能實體經濟、安全可靠可控這3個重點，我國在算力、數據、算法、應用、安全5個維度已制定發布多項政策。

“人工智能+”行動連續兩年被寫入我國政府工作報告之中[4-5]，多部門迅速跟進出臺一系列人工智能賦能行業的政策文件，全方位、深層次地深化產業布局，致力于推動人工智能與各領域的深度融合。工業和信息化部于2024年開始以人工智能和制造業深度融合為主線，以智能制造為主攻方向，以場景應用為牽引全面推進人工智能賦能新型工業化活動[6]。國務院國有資產監督管理委員會于2024年啟動中央企業“人工智能+”專項行動，并將以“應用導航”“數據賦能”“智算筑基”為重點在2025年繼續深化該項行動[7]。此外，中國氣象局、國家衛生健康委員會、教育部等眾多部門也緊密圍繞各自領域的需求與特點出臺“人工智能+”相關政策文件，充分發揮人工智能的技術優勢，提升各領域的生產服務質量與效率。

在國際舞臺上，我國提出的《全球人工智能治理倡議》[8]和《人工智能能力建設普惠計劃》[9]，均以推動人工智能全球務實合作為宗旨，促進多邊交流與協同發展，著力彌合國際智能鴻溝，實現科技紅利共享。整體來看，我國高度重視人工智能國際合作，始終以合作、開放、發展與安全的理念[10]，致力于以人工智能技術創新驅動產業升級和技術共享，踐行真正的人工智能多邊主義。

1.3  我國人工智能產業發展現狀與挑戰

1.3.1  基礎層

算力、數據與算法作為人工智能的核心要素，構成了驅動現代人工智能發展的底層支柱。其中，算力是支撐人工智能運行的硬件基礎，為模型訓練與推理提供計算能力保障；數據是人工智能的“知識基座”，其規模與質量直接決定了模型學習的廣度與深度；算法是人工智能的“智能內核”，具備理解、生成、推理能力。三者間形成緊密的協同生態：算力與數據規模的擴張能夠推動算法迭代優化，而算法復雜度的提升又會反向刺激算力升級與數據需求增長。這種循環促進的機制，正是人工智能技術持續突破的核心動力。

在全球算力競爭的大背景下，我國算力產業發展態勢迅猛。從整體規模來看，截至2024年底，我國算力總規模已達280 EFLOPS（每秒百億億次浮點運算，FP32），其中智能算力占比32%，達90 EFLOPS，穩居全球第一梯隊[11]。從增長動能來看，隨著“東數西算”工程的深入推進，各類新增算力加速向國家樞紐節點匯聚[12]，我國2024年算力規模較2023年增長16.5%[13]，擴張速度顯著。

與此同時，我國算力產業發展還面臨結構性挑戰。目前，我國仍存在算力供給緊張與部分算力閑置未有效利用的雙重矛盾，標準化、普惠化的全國算力服務統一大市場尚未形成。部分地區算力中心呈現“多而散”的狀態，各主體獨立運營、缺乏協同和共享機制，難以實現跨主體、跨行業、跨區域的資源高效共享。且我國高性能芯片與國際先進水平存在差距，盡管涌現了華為昇騰芯片等國產人工智能芯片，但在性價比、能效比等指標上還有待提升。

在數據資源上，我國呈現出數據總量持續擴張、數據質量同步提升的雙重增長態勢。從數據總量來看，2024年我國數據生產總量為41.06 澤字節（ZettaByte，ZB），同比增長25%，預計在2025年將突破50 ZB[12]。其中，金融、互聯網、通信、制造等數字化基礎較為扎實的行業數據增長勢頭強勁；大模型、智能家居、智能網聯汽車的規模化應用已成為數據增長的核心驅動力，貢獻了整體數據量的40%以上；而機器人產業化進程的加速更帶動其數據生產量增速超30%，成為極具潛力的未來增長極。從數據質量來看，依托政策引導與市場需求的雙重拉動，我國已在成都、合肥等地的數據標注基地推進行業高質量數據集建設[12]，形成了335 個醫療、工業、教育等行業的高質量數據集[15]，2024年高質量數據集數量同比增長27.4%[14]，為大模型訓練及人工智能應用落地提供了堅實的數據支撐。

比較而言，我國數據標注產業規模有待提升。2023年，全球數據標注工具和服務市場規模達85 億美元[16]，而我國數據標注產業規模于2024年突破80 億元[15]，且相關企業仍處于發展初期，距離Scale AI、Clickworker等具有國際影響力的企業仍有差距。同時，我國數據資源的有效利用存在較大提升空間。2023年，我國數據留存率僅為2.9%，低于發達國家平均水平，因此我國從數據資源大國向數據資源強國的跨越仍需持續發力[17]。

在算法框架方面，我國基礎模型能力已實現從“跟隨”轉為“并跑”的跨越。2024年，我國基礎模型能力提升明顯。語言大模型在數學、理解等專項能力上表現優異，但多語言、推理等場景仍有差距。在多模態大模型能力上，“文生圖”能力躋身全球第一梯隊，“文生視頻”能力保持全球領先。

我國在基礎架構及訓推框架上還處于發展階段。如DeepSeek依托工程化創新實現了行業影響力的快速提升，但底層理論創新仍然不足。我國代表性框架（如百度飛槳、華為昇思等）在分布式訓練、千億參數模型支持等領域取得階段性進展，但在算子庫完整性、編譯優化效率等技術指標上較弱，且國際社區活躍度與學術影響力不足，尚未形成“技術研發—生態建設”的正向循環。

1.3.2  應用層

人工智能應用可按服務對象分為B（Business）端應用和C（Consumer）端應用。B端應用面向企業、政府、機構等組織，以解決商業痛點、提升運營效率為核心；C端應用則直接服務于個人消費者，以改善生活體驗、滿足個性化需求為目標。從應用發展前景來看，我國龐大且完備的產業體系與超大規模的人口基數為人工智能應用提供了廣闊的市場空間，但付費意愿仍需培養。

從B端應用來看，以制造業為例，我國在該領域具備扎實的產業基礎與廣闊的發展空間。2023年，我國制造業占據全球制造業近30%的份額，達到4.8 萬億美元產值，占國內生產總值的27%[18]。自2010年起，我國成為全球擁有聯合國產業分類中全部工業門類的國家，涵蓋41 個工業大類、207 個中類、666 個小類，且近半數工業品產量位居全球首位[19]。依托從上游原材料到下游終端產品的完整產業鏈、強大完善的制造與配套能力、在全球制造業格局中不可替代的主導地位，我國潛在制造業人工智能應用場景及市場空間巨大。同時，從投資流向來看，我國43%的人工智能風險投資流向制造業，標志著制造業人工智能應用正成為資本聚焦的重點領域，我國制造業人工智能應用將迎來進一步突破[20]。在產業落地層面，我國制造業人均工業機器人數量已超越多數發達國家[21]，且供應能力持續攀升。在2025年第一季度，我國工業機器人產量達到14.9 萬套，同比增長26%[22]，為智能制造提供了堅實的硬件支撐。

從C端應用來看，國內外市場規模相近。截至2025年6月，ChatGPT憑借近8 億周活用戶、超1 億日活用戶的數據，深度滲透全球民眾的工作生活場景[23]。同時，我國人工智能應用榜單的前五名（夸克、DeepSeek、豆包、快對AI、騰訊元寶）已實現超1.2 億日活用戶總和[24]，盡管單款產品尚未形成絕對優勢，但14多億人口的基數為C端人工智能應用市場增長預埋無限潛力。

然而，龐大的用戶規模與商業化變現能力尚未形成正向關聯。受國內互聯網長期免費經濟模式影響，我國消費者已形成謹慎的數字產品付費習慣，疊加人均收入差異導致的價格敏感性，我國C端人工智能應用付費轉化率面臨瓶頸。數據顯示[25]，66.8%的受訪者愿意為人工智能服務訂閱付費，但普遍心理價位錨定在1~20 元/月的低價區間，與國外用戶對ChatGPT Plus（20 美元/月）等高價服務的較高接受度形成反差。

1.3.3  生態層

人工智能產業生態的構建與發展離不開多要素的協同支撐，而人才與資金作為核心驅動力發揮著不可替代的作用。人才作為技術創新的主體，其思維與科研能力是推動人工智能技術突破理論邊界、迭代升級的關鍵要素。資金為產業發展提供物質基礎，通過在技術研發、成果轉化、規模應用等階段的持續注入，能夠有效激活創新鏈條，加速產品商業化進程。

在人才方面，我國近年來加大人工智能人才集聚及培養力度。在人才分布上，跟隨產業集群效應，“長三角”“京津冀”“粵港澳”等城市群依托經濟、科研、產業鏈優勢，已形成人工智能核心人才圈[26]。在人才培養方面，截至2025年4月，全國共有626 所普通高校成功備案人工智能本科專業[27]，越來越多的高校也在探索學科交叉融合的“人工智能+”及產學研聯動的創新人才培養模式，人才隊伍規模正不斷擴大。

總體來看，我國在人工智能頂尖人才儲備上還遠不足。從人才吸引力來看，僅有12%的人工智能精英首選在中國就業[28]，國內頂尖高校、科研機構與頭部企業尚未對全球人工智能頂尖人才形成“虹吸”效應。從人才影響力來看，我國頂尖人工智能人才的整體學術貢獻度未占領先優勢。清華大學發布的2022年人工智能全球2 000 名最具影響力學者榜單（AI 2 000）中，我國僅有232 人次入選，占比為11.6%[29]。

在投融資方面，我國人工智能投融資愈發活躍。從規模總量上來看，2024年我國人工智能投融資事件達696 起，投融資規模破千億元，創新活力持續釋放[29]。在投資偏好上，我國人工智能投資呈現“輕基礎、重應用”的特點，超半數資金流向人工智能行業應用賽道，重點布局具身智能和自動駕駛等領域[30]。

從全球來看，我國在人工智能領域的投資規模仍顯偏小。2024年，我國人工智能融資金額的全球占比下滑至13.2%[31]，國內投資機構普遍“穩慎、猶豫”，且我國人工智能企業鮮少獲得高額投資。

2  “人工智能+”行動是我國產業發展突破的關鍵

2.1  推進“人工智能+”行動的意義

我國具備數據資源與市場規模的雙重優勢：作為超大規模社會經濟體，龐大的人口基數形成天然的數據富集生態，而多元場景需求則為技術創新提供了廣闊的實踐空間與價值轉化渠道。與此同時，我國資本配置明顯向應用層傾斜，進一步強化了技術商業化的推進動能。

基于上述優勢，我國宜構建以應用牽引為核心的人工智能產業發展范式。通過發揮“人工智能+”的場景賦能效應，依托上層豐富的應用生態與多元化賦能需求，形成對基礎層軟硬件能力的反向驅動機制，從而突破技術發展瓶頸。具體而言，可將龐大市場規模形成的潛在動能轉化為行業應用的現實效能，以“大市場”驅動應用商業閉環，并通過新應用場景催生海量數據，憑借爆發式增長的用戶規模帶動數據持續積累，推動各行業場景數據規模呈指數級增長。在此基礎上，進一步推進應用價值向產業資源的轉化，通過數據要素的深度開發與價值釋放，夯實人工智能發展的資源底座，將數據規模優勢系統性轉化為模型能力優勢。海量數據的持續輸入將加速算法優化迭代，進而形成對芯片技術創新、算力基礎設施升級的剛性需求。伴隨技術迭代與產業升級，將吸引更多高端人才集聚與社會資本投入，最終以“應用牽引—底層突破 —生態完善”的上升路徑，實現我國人工智能產業從規模優勢向技術優勢、生態優勢的全面轉化。

2.2  “人工智能+”的內涵理解

從概念的本質來看，“人工智能+”并非人工智能技術與行業場景的機械疊加，而是通過技術滲透實現全領域生產要素的重構與價值釋放，與“+人工智能”存在根本不同。

與“+人工智能”相比，“人工智能+”的應用覆蓋面更廣、應用融合度更深。在“+人工智能”階段，側重于在現有產業、業務流程或產品中，被動或局部地引入人工智能技術，解決特定問題，通常局限于單一業務環節或特定場景。例如，傳統零售企業為優化庫存管理，引入人工智能算法進行銷量預測。這往往只是對原有業務的局部優化，未對整個業務體系和商業模式進行根本性變革。在教育領域，部分在線教育平臺僅將人工智能用于課程推薦，而未從教學理念、學習模式等層面進行深度革新，難以產生顛覆性影響。而在“人工智能+”階段，人工智能技術作為核心驅動力，從頂層設計出發，主動對傳統產業與新興領域進行系統性改造與重塑，滲透到經濟社會的各個環節，同時致力于打破行業的發展邊界，構建全新的產業生態，推動產品模式、商業模式、服務模式創新，繼而推動全領域、全鏈條的系統性變革。

與“+人工智能”相比，“人工智能+”的帶動性、發展性更強。從短期來看，“+人工智能”因只聚焦于單一環節，應用落地的技術門檻低、時間周期短，可快速發揮人工智能提質增效的作用；但從長期來看，“+人工智能”的發展模式對人工智能產業本身的帶動作用有限。而“人工智能+”雖在短期內對算力、算法、數據的要求更高，賦能千行百業的速度相對較慢，但這種發展模式從人工智能本身出發，從長期來看更能帶動人工智能產業鏈上下游協同發展，繁榮產業生態。

2.3  推進“人工智能+”行動的方法路徑

“人工智能+”可賦能社會經濟體系的全領域、全鏈條，若缺乏科學規劃與有效引導，極易引發資源分散、重復建設等問題，導致技術應用流于表面，難以形成實際效能。因此，推進“人工智能+”行動需以系統性思維統籌全局，避免盲目跟風、一擁而上。

首先，要明確“+”的行業，確保技術資源與政策支持能夠集中投入關鍵領域。在行業選擇層面，需以國家發展方向為指引，聚焦對社會經濟貢獻顯著、與民眾生活質量緊密關聯的關鍵領域，從經濟發展和民生福祉兩大維度統籌布局。從經濟發展維度來看，第一產業作為國民經濟的根基，承載著保障國家糧食安全的重任，“人工智能+農業”將推動農業生產模式向智能化、集約化深度轉型，促進“鄉村振興”規劃的實施；第二產業作為國民經濟的支柱，是實體經濟的核心載體，“人工智能+制造業”將推動產業結構優化升級，助力我國從“制造大國”向“智造強國”跨越，穩固實體經濟根基；第三產業作為吸納就業的主渠道和經濟增長的新引擎，“人工智能+服務業”將有效提升服務質量與效率，重塑服務模式與體驗，增強經濟發展的韌性與活力。從民生福祉維度來看，醫療行業直接關系民眾生命健康，是民生保障的核心支柱，“人工智能+醫療”將有效緩解“看病難、看病貴”的難題，提升醫療資源配置效率與診斷準確性，讓優質醫療服務惠及更多人群，提升全民健康水平；教育行業作為民生福祉的重要基石，是培養社會勞動力的核心手段，“人工智能+教育”將促進教育公平，讓每個孩子都能享有優質教育資源，為我國未來發展奠定基礎；養老服務行業在人口老齡化加劇的背景下，成為保障民生福祉的迫切需求，“人工智能+養老”將緩解人力不足、服務精準度低、情感關懷缺失等困境，全方位提升老年人的生活幸福感與安全感。

其次，要厘清“人工智能+”在各行業落地的現狀和問題，判斷“什么能做”“什么要做”。可從需求側、供給側、保障側3個維度展開系統性剖析：需求側聚焦市場對“人工智能+”產品及服務的需求總和，反映了行業潛在的發展空間；供給側涵蓋能夠提供“人工智能+”相關技術、產品與服務的主體，直接決定了滿足市場需求的能力；保障側則是確保“人工智能+”健康、穩定、可持續發展的支撐體系，全方位為人工智能賦能行業發展保駕護航。

從需求側來看，各行業存在共性問題。一方面，許多傳統行業企業對人工智能技術的認知和接受程度較低，缺乏應用人工智能技術的意識和動力，擔心技術投入成本高、回報周期長，對人工智能技術的實際價值和應用潛力認識不足；另一方面，即便企業有應用意愿，也面臨著缺乏專業人才、難以評估人工智能技術適用性等難題。以中小企業為例，其數字化基礎薄弱，缺乏數據積累和技術團隊，難以獨立開展人工智能應用項目，導致“不敢用”“不會用”的情況普遍存在。同時，各行業在需求側還存在特性問題。以制造業為例，工業應用場景碎片化高，且不同企業的生產流程、設備參數和工藝標準存在較大差異，導致人工智能模型難以實現跨場景復用，制約規模化應用。因此，要有序推進人工智能賦能工業場景的落地應用，優先聚焦生產流程中的高價值場景，同時支持新場景試點示范，鼓勵大型企業和行業龍頭發揮示范引領作用，帶動中小企業共同推進“人工智能+”，激勵更多企業參與新場景開拓。

從供給側來看，各行業普遍存在垂類模型訓練及推理的算力不足、行業高質量數據集供給有限、模型能力與行業實際需求脫節等問題，造成“不能用”“不好用”的困擾。因此，在算力層面，要加速自主算力技術迭代，推進國產芯片架構創新與異構計算融合發展，并進一步統籌算力布局，強化算力資源的跨區域協同調度與動態分配；在數據層面，要建立公共數據分級分類開放機制，優先開放政務、交通、醫療等領域的高價值數據，同步完善數據質量管理體系與標準化標注流程，健全數據確權、定價、交易等流通機制，破除“數據孤島”；在算法層面，要聚焦現有技術路線進行模型優化，持續提升推理精度與效率，更要鼓勵產學研協同探索，推動算法研發與行業需求深度耦合，形成適配產業發展的技術供給體系。

從保障側來看，各行業都面臨復合型人才匱乏、智能化轉型資金短缺、行業標準體系滯后、安全監管機制缺位等難題，嚴重阻礙“人工智能+”的供需對接。在人才培育上，既要鼓勵高校優化學科設置，強化人工智能與行業學科的交叉融合，推動產學研用聯合培養適應產業需求的復合型人才，又要加速傳統行業人才的智能化轉型，建立面向行業從業者的常態化人工智能培訓機制；在資金支持上，應充分發揮國有資金引導作用，推動社會資本加大投入，暢通相關企業融資上市渠道；在標準建設上，要加快各行各業順應人工智能時代的標準制訂，建立動態更新機制，確保標準體系與技術發展保持同步；在安全監管上，需建立覆蓋人工智能全生命周期的風險分級分類管理框架，并加快人工智能立法進程，明確技術研發者、使用者、監管者的權責邊界，完善風險應急處置機制，為“人工智能+”的健康發展筑牢制度防線。

最后，要把握“人工智能+”的推進力度，確保技術發展與社會穩定、價值導向“同頻共振”。在就業保障方面，聚焦制造業、服務業等重點領域，加強對重點領域就業和失業形勢監測，并建立人工智能失業援助快速響應機制，幫助失業群體實現技能重塑與崗位轉換，防范化解潛在的規模性失業風險，確保勞動力市場平穩過渡；在倫理規范方面，要引導行業堅持“以人為本”“智能向善”，完善倫理審查制度，筑牢人工智能發展的倫理基石。

3  結束語

推進“人工智能+”行動將充分釋放我國數據資源富集、市場規模廣闊的雙重優勢，有力驅動技術創新突破與產業生態構建，為我國在全球人工智能競爭中開辟差異化突圍路徑。鑒于“人工智能+”應用廣度的持續延伸和深度的不斷挖掘，需秉持全局觀念，分行業、有側重地推進“人工智能+”行動，并充分考量其可能引發的社會結構性變革。在宏觀框架外，各行業“人工智能+”行動需緊密結合自身技術基礎與發展訴求，制訂相應推進策略，具體落地路徑仍有待進一步探索。

The necessity and implementation path of China’s “AI+” initiative

WU Yingying, SONG Ping, REN Lu

（Artificial Intelligence Institute, China Academy of Information and Communications Technology, Beijing 100191, China）

Abstract: The paper analyzes and elaborates on the layout of China’s artificial intelligence (AI) industry. It systematically examines the current state of China’s AI development from the perspectives of foundational support, application empowerment, and ecosystem building. The study concludes that China’s AI industry should be driven by application-led development. It further proposes that the “AI+” initiative should be advanced in an orderly and effective manner by clearly identifying suitable industries, thoroughly assessing the current state and challenges of implementation, and precisely calibrating the intensity of its rollout.

Keywords: AI+; industrial upgrade; new industrialization