第15次五カ年計画（2010～2020年）では、「現代産業システムの構築と実体経済の基盤強化」をこの期間の主要戦略課題と位置付け、新技術・新製品・新シナリオの大規模応用実証、「人工知能＋」構想の全面的実施、新興産業・未来産業の育成・拡大を提唱しました。中央経済工作会議では、イノベーション主導型発展の堅持、新たな成長原動力の育成・拡大の加速、企業のイノベーションにおける主導的役割の強化、「人工知能＋」の深化・拡大の必要性が強調されました。
今年は第15次五カ年計画のスタートとなる年です。我が国の豊富な応用シナリオを最大限に活用し、産業政策とシナリオに基づく改革を加速させ、シナリオ主導、人工知能（AI）の活用、データ連携、エコシステムの支援による「技術革新－シナリオ応用－産業革新」という相互補完的なイノベーションシステムを構築する必要があります。これにより、AIの「技術的潜在力」が、新たな産業発展と向上のための「発展の推進力」へと転換されます。
人工知能の技術的潜在力を産業発展の原動力へと転換することが急務となっています。
第15次五カ年計画期間は、わが国が製造業大国から製造業強国へと転換を遂げる重要な段階でした。大規模AIモデルと大規模な産業シナリオの緊密な統合は、AI開発の加速、産業のインテリジェント化、グリーン化、統合発展の促進、そして新産業化の推進と現代産業システムの構築を加速させる重要な原動力となりました。特に、DeepSeekやTongyi Qianwenといった国産大規模モデルが世界的リーダーシップを獲得し、オープンソースモデルを通じてあらゆるシナリオへの適用が加速していることは、中国がAI技術における独自のブレークスルーから、シナリオが高度な産業エンパワーメントを推進する重要な局面へと移行しつつあることを示しています。
国務院弁公庁が発表した「シナリオの育成と開放を加速し、新たなシナリオの大規模応用を促進するための実施意見」は、我が国が超大規模市場と豊富な応用シナリオの優位性を最大限に活用し、複数の総合的主要シナリオ、産業融合シナリオ、高付加価値ニッチシナリオの構築を支援することを明確に規定しています。これには、生産・労働・生活シナリオの供給拡大、シナリオ資源の開放促進、シナリオ資源の公平かつ効率的な配分の促進、新たなシナリオの大規模応用の促進が含まれます。これは、シナリオが新たな生産力の戦略資源として重要な戦略的意義、「人工知能＋」行動の全面的実施、人工知能による新産業化の高度なエンパワーメントの加速、そして現代産業システムの構築における戦略的重要性を強調しています。
AIと産業化が直面する真の課題
第一に、産業シナリオは断片化しており、大規模適用には突破口が必要です。わが国の産業シナリオは製造チェーン全体を網羅していますが、AI適用シナリオは「少数の主要シナリオが原動力となり、多数のロングテールシナリオが支配的」という特徴があります。AIの活用は、品質検査や設備の予知保全といった「ポイント」アプリケーションに限られており、生産ラインレベル、プロセス全体、そして複数の分野にまたがる統合的なシナリオ設計が欠如しています。統計によると、製造業におけるAI適用規模は、物体搬送・物流、インテリジェント生産計画・スケジューリング、品質管理、現場オペレーションといったシナリオにおいて、2025年までにそれぞれ12.3億元、29.7億元、23.2億元、22.7億元に達すると予測されています。しかしながら、全体的な規模は依然として比較的断片化しています。こうしたシナリオの断片化は、技術価値の最大限の実現を妨げ、「投資額は大きいが、回収は遅い」というボトルネックに繋がるケースが少なくありません。スマートファクトリーやインテリジェントサプライチェーンといった主要シナリオは依然として模索段階にあり、再現性や拡張性に優れたベンチマーク実証が不足しているため、大規模な推進が制限されています。
第二に、主要産業シナリオにおける機会の開放性は改善が必要です。AI企業の多くは民間企業ですが、主要シナリオは主に政府機関、大規模な国有インフラ企業、そして製造チェーンのリーディングカンパニーによって管理されています。これらの主要シナリオの開放性が限られているため、AIが主要産業シナリオを強化することは困難で、課題となっています。
第三に、産業データには高い障壁が存在し、流通・共有メカニズムの改善が必要です。データはAIの中核要素です。豊富なデータリソースは、大規模モデルや身体知能の学習と最適化に十分な「燃料」を提供し、産業シナリオにおける汎化能力を高めることができます。一方、現在のAI事前学習済みモデルのパラメータ数と学習データの規模は年間300倍のペースで増加しており、モデルサイズと学習データの増大が今後の方向性を示しています。しかし、実際の産業データは、設備、システム、産業チェーンの様々なリンクに散在しており、企業秘密やプライバシー保護に関わるため、企業間およびプラットフォーム間でのデータ共有に大きな障害が生じています。高品質な産業レベルの公開データセットの構築を早急に加速させる必要があります。
第四に、中小零細企業は活力に乏しく、売上高は増加しているものの収益性は低いという現実に直面しています。産業の近代化には、大企業、中堅企業、中小企業による統合的なイノベーションが必要ですが、現状ではAIを活用した産業化は依然として大手企業によって主導されています。伝統的な製造業の中小企業は資金繰りの制約により、AI技術の適用コストを負担することが困難であり、高い技術的障壁やシナリオ統合の難しさなどの問題にも直面しています。同時に、産業チェーンの上流と下流の連携が不十分であること、そして機器メーカー、ソフトウェアサービスプロバイダー、エンドユーザー間の緊密な連携が欠如していることが、クローズドループシナリオの構築を制約し、最終的には「収益は増加しても利益は増加しない」というジレンマに陥っています。
第五に、コンピューティングインフラへの投資は加速しているものの、コンピューティングパワーの効率的な供給が不足しています。産業アプリケーションはリアルタイムコンピューティングとエッジコンピューティングパワーを緊急に必要としていますが、ネットワーク遅延やローカルアプリケーションシナリオの不足といった要因により、我が国のコンピューティングリソースは不均衡に分散しており、東部地域に大きく集中し、中部および西部地域の主要工業都市では供給ギャップが大きくなっています。さらに、我が国のコンピューティングインフラへの現在の投資は、主にCPUを中心とした従来の汎用サーバーに集中しており、緊急に必要とされるインテリジェントコンピューティングパワー（GPU/TPU/ASICなど）の供給が不足しています。現在、コンピューティングインフラにおける「過剰能力と有効供給不足」という構造的な問題により、複雑なシナリオにおける大規模AIモデルの迅速な適用反復と価値創出が制約されています。
シナリオ主導型アプローチによる新産業化におけるハイレベルAIエンパワーメントの加速
まず、シナリオ主導型イノベーション戦略を実施し、「フルチェーン＋特性」シナリオシステムを構築します。シナリオ主導型アプローチを通じて、新産業化におけるハイレベルAIエンパワーメント行動計画を実行し、研究開発設計、インテリジェント生産、サプライチェーン管理といった主要なコアリンクを中心に、10、100、あるいは1,000の国家レベルのベンチマークシナリオを選定し、「チェーン全体を完全に統合し、複数の分野を連携させた」シナリオ実証マトリックスを構築します。地域の産業資源を統合し、「チェーンごとに1つの政策」に基づく垂直的な特性シナリオを構築します。高価値産業シナリオの動的リストを作成し、毎年一定の割合の実証プロジェクトを更新し、時代遅れで非効率なシナリオを排除し、シナリオと技術の相互発展を促進します。 AIを活用した製造業の総合的な評価システムを構築し、技術成熟度、シナリオの開放性、応用力強化の有効性といった側面を軸とした多層的かつ動的な評価フレームワークを確立し、高度なAI活用に向けた科学的なガイダンスと将来的な方向性を示す。
第二に、スーパーシナリオの開発と公開により、的確な技術シナリオの適用を促進する。政策指導を強化し、先進技術企業、ロングチェーン製造企業、国有企業による大規模産業シナリオの開発・公開を奨励する。地方自治体による都市シナリオの開発・公開を支援し、兆元規模のスーパーシナリオを構築し、AI＋先進製造端末応用基盤の構築を推進するとともに、民間AI企業の参入ハードルを引き下げる。産業AIまたはエンボディドAI機会リストを作成し、産業企業が技術課題を公表し、中小企業がAI＋実証応用シナリオモデルの開発に参加することで、産業レベルのソリューション群を形成し、技術移転のメリットに基づいて政府から補助金を支給する。エッジコンピューティング、少数ショット学習、適応型アルゴリズム、産業用インテリジェントエージェントといった産業グレードのAI研究開発を特別に支援し、コンピューティング能力への依存度を低減し、シナリオ適応性を向上させます。この計画では、いくつかの主要な取り組みが概説されています。
第一に、主要な産業チェーンを中心とする実証応用シナリオの作成、革新的なAIハードウェア・ソフトウェア製品のカタログ公開、「二大二新」イニシアチブや超長期特別国債といった特別政策の下、業界初・初版・初バッチのAI大規模モデルや身体型知能ロボットをシナリオベース検証アプリケーションに組み込むことに重点を置きます。
第三に、データサイロを打破し、産業データ要素の循環のためのエコシステムを構築することを目指します。これには、産業データ共有管理措置の策定と実施、科学的なデータ階層管理システムの構築、設計パラメータやプロセス知識といった非機密データの重点的な公開と共有が含まれます。産業インターネットプラットフォームとデータ駆動型中央企業を基盤として、国家レベルの産業データグループの構築を統括し、産業データハブプラットフォームを構築することで、業種・分野をまたぐデータ統合アプリケーションを支援します。税制優遇措置などの優遇措置を通じて、産業企業の連携を促進し、双方向・協働・互恵的なデータ共有エコシステムの好循環を構築します。製造データ空間、データトラスト、データバンクといった革新的なメカニズムの実証プロジェクトを加速し、AIやブロックチェーン技術に基づくデータ所有権・収益分配モデルを積極的に模索し、データ要素の市場価値を最大限に引き出し、産業データ要素の最適な配分と効率的な活用を促進します。
第四に、中小企業のエンパワーメントを強化し、「チェーンリーダー＋エコシステム」の協働システムを構築します。第一に、国家人工知能産業投資基金や国家ベンチャーキャピタル基金といった政策志向の戦略投資基金に対し、制度上の柔軟性と意思決定の自由度を高め、専門性、洗練性、革新性、先駆性を備えた技術企業のシナリオ開発への参加を重点的に支援し、シナリオ応用における成果の第一セット、第一バッチ、第一バージョンに対してリスク補償を提供する。第二に、シナリオ実証プロジェクトやシナリオ保険補助金などを通じて、サプライチェーンのリーディングカンパニーが中小企業にシナリオを公開するよう促し、AI大型モデルの低コスト、迅速な展開、フルライン応用を支援する。第三に、ビジネス環境を最適化し、大企業や政府部門がAI中小企業への支払いを滞納する問題に法的手段を通じて効果的に対処し、中小企業がシナリオ応用→資本回収→シナリオ反復→企業規模拡大という「フライホイール」を形成できるよう支援する。第四に、「百、千、万産業AIエンジニア計画」を推進し、大学や企業と共同で育成拠点を構築し、「企業メンター＋大学教授」のデュアルメンター制度を推進することで、産業の現場を理解し、AI技術に精通した複合人材を育成し、エコシステムに革新的な推進力を提供します。
第五に、新たなインフラを強化し、オープンソースの共同構築を通じてコンピューティングパワーとネットワークサポート能力を強化します。第一に、全国規模の統合型異種コンピューティングパワー取引プラットフォームを構築し、「コンピューティングパワー証券化」モデルを革新的に採用することで、地域をまたいだ効率的なリソース配分を実現します。同時に、「コンピューティングパワーバンク」モデルを積極的に推進し、企業に遊休コンピューティングパワーを蓄積する付加価値サービスを提供することで、リソースの利用効率を向上させます。第二に、オープンソースコミュニティを基盤とした産業グレードのAIaaSまたはMaaSプラットフォームの開発において、先進企業を支援します。ローコード開発、マイクロサービスアーキテクチャ、異機種混在モデル呼び出しといったコア機能をオープンソースモデルを通じて統合することで、中小企業のインテリジェント化へのハードルを効果的に引き下げます。さらに、包括的な産業用AIセキュリティ保護システムを構築し、脆弱性データベースと脅威インテリジェンスのオープンソース共有メカニズムを構築・改善し、独立制御可能な産業用ファイアウォールと暗号化チップの開発を加速し、産業セキュリティの防御ラインを強化します。
（執筆者：殷希明、北京理工大学公共管理学部長、工業情報化部「第15次五カ年計画」専門家グループメンバー、呉培奇、中山大学管理学院博士課程学生）
（編集者：劉鵬）
出典：中国経済網
出典: 元記事を読む
※現在お読みいただいているこの記事は、国内外のニュースソース等から取得した情報を自動翻訳した上で掲載しています。
内容には翻訳による解釈の違いが生じる場合があり、また取得時の状況により本文以外の情報や改行、表などが正しく反映されない場合がございます。
順次改善に努めてまいりますので、参考情報としてご活用いただき、必要に応じて原文の確認をおすすめいたします。