⁣
📰 第七届钢铁工业智能制造大会暨“机器人+钢铁”协同应用创新研讨会召开

本次钢铁工业智能制造大会聚焦具身智能、人形机器人与钢铁全流程融合，聚集政府、企业、科研机构等近500人，共同探讨技术创新、应用路径与产业生态，推动钢铁行业向智能化、绿色化、融合化转型。与会企业代表强调AI大模型与机器人融合在关键场景的规模化应用及向硅钢产线和智慧工厂的拓展，展示了“工业软件+AI”的全链条能力与创新平台，如宝信软件的图灵云平台，通过统一连接与数据沉淀，提升机器人从单体运行向平台协同、从响应执行向智能决策的转变，促成规模化、体系化应用。专家学者提出标准引领与协同生态建设的重要性，强调跨环节打通技术研发、验证与标准规范，形成需求驱动、技术驱动、标准支撑的融合发展格局，为十五五时期提供技术指引与行动路径，推动钢铁行业的高端化发展与绿色转型。

整体来看，会议明确了具身智能在钢铁行业的应用场景与发展路线，强调以标准化、平台化和协同攻关来破解高危作业等痛点，促成产业链各方协同推进，为行业智能化转型注入新动能。

🏷️ #智能制造 #具身智能 #机器人+钢铁 #平台协同 #标准引领

🔗 原文链接

⁣
📰 AI推动全球实体经济新演进

在新一轮科技革命与产业变革叠加的背景下，文章指出人工智能正在从单纯提高效率的工具转变为重组生产要素、改变生产函数的系统性力量，深刻影响全球实体经济的运行逻辑。AI正从数据处理扩展为核心生产要素，推动数据要素市场形成、知识生产方式转变以及劳动力结构向高技能与人机协同方向重组；同时从单点应用走向端到端的全链条嵌入，打通设计、生产、流通、消费各环节的数据与协同，促使产业链从串联走向网络化、动态协同的系统结构。全球范围内，各主要经济体正围绕“AI+实体经济”形成差异化路径：美国以技术平台与生态体系引领，欧洲强调制度规制与产业协同，中国通过场景驱动与规模优势快速落地并推动智能工厂与制造业升级，新兴经济体则通过跳跃式应用实现发展突破。产业组织形态由企业主导向平台+生态转型，全球竞争由产品转向系统能力，治理则向嵌入式规则设计升级。最终，谁能建立端到端的系统能力、完善治理并培育核心生态，谁将在新一轮全球竞争中处于领先。

🏷️ #AI+实体经济 #平台生态 #全球竞争 #数据要素 #嵌入式治理

🔗 原文链接

⁣
📰 全国人大代表朱华荣：加快自动驾驶立法，并推出适配保险产品

在2026年全国两会期间，朱华荣提出以“数智化转型+平台化协作”推动汽车行业的高质量发展，强调降本增效、提升研发效率以及加强行业整合与全球领军企业培育。他指出当前行业利润增速落后于规模扩张，转型成本高、创新投入受限、市场规模受限等问题依然突出，因此建议通过制造端数字化升级、底层技术平台建设和资源整合来实现降本增效，并通过并购重组、财税和金融政策的倾斜，优化产能布局，提升全球竞争力。同时，他强调完善消费政策框架、稳定市场预期，建立长期可预期的支持体系，简化补贴流程，激发中长期汽车消费潜力。另一个重点是解决高端研发人才短缺和基础研究投入不足的问题，提出分阶段、差异化的投入引导、风险分担体系以及产学研用金深度融合等创新举措，并推动自动驾驶立法加速，允许面向消费者的规模化商用，同时推进强制性标准、保险产品适配和商标审查制度的改革以提升行业效率与自主品牌保护。文章还关注食品安全监管的数字化与社会参与，以提升全链条监管效能。

🏷️ #数智化 #平台化 #自动驾驶 #产业升级 #商标审查

🔗 原文链接

⁣
📰 一图看懂！面向脑机接口、AI，工信部明确中试标准建设指南

工业和信息化部近日发布了《制造业中试标准体系建设指南（2025版）》，明确了未来制造业中试标准的建设方向和目标。根据《指南》，到2027年和2030年，分别要制修订标准50项和100项，旨在构建一个涵盖基础通用、关键技术和行业应用的中试标准体系，以推动制造业的创新发展。制造业中试是连接技术创新与市场应用的重要环节，对促进科技与产业的深度融合具有重要意义。

《指南》中指出，当前我国制造业正经历从跟跑到领跑的转变，急需加强中试标准体系建设，提升标准供给。中试标准体系包括基础通用标准、关键技术标准和行业应用标准，分别支撑中试的通用性技术、核心内容和具体行业的应用要求。同时，针对新兴和未来产业的特点，制定相关标准以适应快速发展的技术领域。

此外，工信部还发布了关于加快制造业中试平台建设的通知，强调到2027年底要建立现代化的中试平台体系，形成全国性的中试服务网络。通知还提出了中试平台建设的具体指引，明确了建设方向和重点领域，以促进重大科技成果的转化应用，推动制造业的高质量发展。

🏷️ #制造业 #中试标准 #科技创新 #平台建设 #行业应用

🔗 原文链接

⁣
📰 一种基于专利的创新强度动态关系新模型：来自半导体制造业的证据 - 生物通

本研究探讨了半导体制造企业研发支出与AI创新强度之间的动态关系，发现技术能力对二者的关联具有正向调节作用，而AI技术的多元化则呈现反向调节效应。研究基于资源基础观、动态能力理论和交易成本理论，构建了动态交互模型，揭示了创新转化机制。通过对九家核心制造企业的纵向数据分析，研究表明，单纯增加研发投入并不能直接提升AI创新效能，关键在于技术能力的积累和技术多元化的水平。

研究指出，技术能力的提升能够显著增强研发投入的转化效率，而当企业涉足超过三个不相关技术领域时，AI创新产出效率会下降。这一发现强调了技术组合的健康度对创新产出的重要性。以台积电为例，其通过建立协同创新平台，显著缩短了AI芯片的研发周期，展示了平台化运作模式对传统研发投入转化路径的改变。

此外，研究还提出了管理实践的三方面启示，包括构建动态匹配机制、实施战略聚焦与适度多元化的平衡策略，以及强化平台生态建设。这些发现为半导体行业的创新管理提供了新的视角，强调了技术能力、技术组合和平台生态的动态平衡对AI创新效能的重要性。研究构建的3D创新效能模型为后续研究提供了理论框架，值得进一步探索其在不同技术代际和区域市场中的适用性。

🏷️ #半导体 #AI创新 #技术能力 #动态关系 #平台生态

🔗 原文链接