人工智能如何驱动电工行业提质增效？专访原机械部副部长沈烈初

沈烈初，1934年2月出生于江苏常州，1953年加入中国共产党，1955年毕业于清华大学机械系，1960年获民主德国德累斯顿高等工业大学博士学位，教授级高级工程师。历任第一机械工业部机床研究所研究室副主任，沈阳第三机床厂副总工程师、副厂长，第一机械工业部机床局副处长、科技司副局长，机械工业部副部长，国务院机电产品出口办公室主任，国家机电产品进口办公室主任，第九届全国政协委员。

在全球工业4.0浪潮与中国“十四五”智能制造规划交汇之际，人工智能如何成为电工装备行业高质量发展的核心引擎？原机械工业部副部长沈烈初在接受《电气技术》采访时指出：“AI技术必须与产业深度结合，通过‘机（机械）电（电子）仪（传感器）一体化’的技术路线，将数据转化为生产力。”

沈烈初强调，“机电仪一体化”是新技术革命的基础，目前的AI浪潮是“机电仪一体化”发展的高级阶段。早在1985年，他就提出了中国机械工业“机电仪一体化”的发展战略，其三大特征是装备与工艺密切结合、硬件与软件密切结合、技术与管理密切结合。这一系统化思维打通了机械化、自动化与智能化的演进脉络，为AI与实体经济的深度融合提供了可操作的方法路径。

沈烈初指出，“机电仪一体化”是工业智能化的必经之路。借鉴“仿人学”的思想，他在早期提出了对于未来三种人的思考，即：完全真实的人；人形机器人；经过DNA优化的人。“所谓的DNA优化，就是通过优化人的DNA系统从而提高人的机体能力，包括提高免疫力、减少疾病、甚至优化人的智商和情商。现在还没有出现，但是已经出现了智能的人形机器人，这证明我当时预测有一定的道理。”

另外，自动化发展到一定阶段是无人化。但是所谓的无人化，也是需要人类来训练和指挥机器的，彻底的无人化是不会出现的，也不应该出现，人工智能也不会完全替代人类，这是人类文明是否生存的哲学命题。

结合以上思考，沈烈初给出了“机电仪一体化”如何运行的形象解释：“机械系统如同人体的肌肉骨骼支撑形体；强电系统承担能量传输的血液循环功能，而电子系统（弱电）则扮演着神经网络的信息传导角色；智能传感器恰似人的感官系统，持续采集环境信息；智能计算机像人的'大脑'一样对信息进行筛选、推理并得出结论；之后由类似于'小脑'一样的控制系统发布指令，最终指挥人的感官和身体进行动作，驱动执行机构完成动作闭环。正是‘机电仪一体化’到工业智能化的发展进程实现了从感知到认知的飞跃和提升。”

“机电仪一体化”是在自动化、信息论、计算技术、控制论等新兴学科基础上的融合，是具有前瞻性的行业发展思想。它不但在工业3.0时代有力推进了我国工业信息化的进程，而且开启了工业4.0的智能化时代，显示出蓬勃的生命力，指导我国电工装备行业的转型升级之路。

但是，如何推动AI在电工装备行业的落地，破局点不是技术本身，而是人才队伍的培养。“我一直在思考，如何在我们电工技术领域，利用人工智能技术来提升新质生产力，推动行业的高质量发展？”沈烈初提出，当前电工行业的AI应用面临“懂技术的不懂算法，懂算法的不懂应用”的矛盾。“因此，不但要有复合型研发人才，要有一大批善于学习和使用AI的应用人才，还要有研发专业小模型的团队，这些人才梯队相结合就能破解落地问题。”

“我们需要一大批具有丰富实践经验的学者型专家来推进AI应用问题。学校里的教授不但要懂理论，还要能解决工厂和企业应用AI的具体问题。除需要建立通用数据库、通用模型之外，还需要建立各个专业、各个行业的专用数据库，把通用模型跟专业模型、通用数据库跟专业数据库结合起来，落地并推动AI赋能电工行业新质生产力的发展，促进生产力和生产关系的改变。”

对于人才培养这一关键命题，沈烈初特别提到要建立全员AI素养提升工程，让各行各业的工作人员具备AI工具应用能力，形成"实践-培训-再实践"的动态培养机制。“AI落地不是先培养后应用的单向过程，而要在项目实践中锤炼人才，在人才培养中深化应用，形成螺旋上升的良性循环。

沈烈初注意到，今年年初DeepSeek的出现像一颗大炸弹，引起全世界学习AI的浪潮。DeepSeek突破的核心在于通过算法优化带动算力需求下降，实现训练成本和能耗同步降低了一个数量级，但其性能却直接对标ChatGPT，这种颠覆性的成本降低使得AI技术不再是科技巨头的专利，广大中小企业也能负担并部署先进的大模型，真正让AI技术走进企业级应用场景。“更可贵的是，这种优化使得国产芯片完全能够支撑大模型运行，构建起不受制于人的算力底座。”

“而且，中文作为表意文字，具有简洁高效的特点，具有高度的表意性和灵活性，可以让AI模型更好地理解和生成文本内容。DeepSeek通过对中文的深度优化，不仅在中文语境下表现优于其他模型，还在逻辑推理等任务中表现出色，其低耗高效的特性发挥了我们中国语言和文字的独特优势，这也展示了中文在人工智能领域的独特魅力和广阔前景。”沈烈初表示，“因此，现在完全有可能在电工装备行业全面普及DeepSeek等人工智能前沿技术，用国产服务器和国产芯片来部署AI，不用再受国外芯片厂商的制约，从而推动AI从骨干装备企业向产业链全域渗透，全面赋能中国装备工业的高质量发展！”

针对技术路径，沈烈初提出“通用大模型筑基，行业小模型攻坚，企业微模型破局”的策略。究其原因，首先，在工业领域、制造业和装备行业的实际应用中，工程师都是通过图纸对产品、装置或系统进行迭代、优化和改进的，但是大模型作为通用语言的模型无法对图纸进行专业化识别，这就需要研发出具有行业特色和专业能力的行业小模型；其次，企业的很多产品存在安全性和保密性的需求，其工艺、参数等都是企业赖以生存的诀窍。这些诀窍不能公开或内置于通用大模型或行业小模型中，只能是企业自主研发微模型来保障安全性。基于此，通过三类模型的相互结合才能精准解决工程中存在的实际问题，更好地满足特定需求，提高工作效率和数据安全。

“尽管目前AI与行业融合仍处于探索阶段，面临诸多挑战，但我们相信，通过产学研用协同创新，完善AI基础设施建设，培养跨学科专业人才，持续挖掘AI应用潜力，必将让我们的电工装备行业在全球制造业变革浪潮中稳健前行。”沈烈初最后表示，“希望中青年科技工作者再接再厉，为智能化时代贡献自己的力量。同时，也希望中国电工技术学会等社会组织积极探索智能化的发展路径，共同推动电工装备工业迈向新的高度。”

本文于2025年2月26日至4月28日撰写并补充修改，由中国电工技术学会闫卓副秘书长和《电气技术》杂志社王玉胜主任、张鑫编辑共同整理，在此表示衷心感谢！