据周云杰介绍，他今年带来了3个建议，关键词全部聚焦AI，涉及工业大模型、家庭大模型、血液及血液制品这几个领域，着眼于AI大模型训练、应用等实践难点，提出了思考和建议。

工业场景难应用，需支持龙头企业先行先试

与AI的高热度形成反差的是，相较于服务业、金融业来说，人工智能在工业中的落地应用面临高难度挑战，应用场景和普及率都还有很大的提升和扩展空间。根据Gartner最新发布的数据，到2024年6月，仅有8%的中国企业在生产环境中部署生成式人工智能（AI），这一比例远低于全球超过20%的企业采用率。

长期在工业互联网产业一线履职的周云杰，对此深有体会。结合海尔卡奥斯工业互联网平台助力16万家企业数字化转型的实践经验，周云杰认为，当前最棘手的难点是，工业大模型对不同工业场景无法做到高效适配，因为不同工业场景的数据和知识需求不同，对工业大模型的泛化适配能力要求也更高。

举个例子，同样是AI视觉检测这个工业场景，在家电和食品工厂的场景数据、知识需求都不一样，就需要工业大模型针对不同场景进行适配。但是目前，这种工业大模型的泛化适配调优成本高、周期长、成功率低，难以直接应用于新场景。

周云杰建议，重点支持家电、汽车、医疗等行业的龙头企业，依托其场景、数据、制造和人才优势，围绕“一图四清单”开展工业大模型应用的先行先试。鼓励龙头企业在研发设计、生产制造、经营管理等关键环节深度应用工业大模型，提炼并推广可复制的典型案例，打造行业标杆。

据悉，为了加快人工智能在工业场景中的应用，海尔从平台建设和场景优化两个方面已经开始了先行先试。

在平台建设上，海尔卡奥斯工业互联网平台自主研发了天智工业大模型，沉淀形成了4700个行业机理模型和200多个专家算法，已在海尔佛山洗衣机互联工厂、合肥冰箱互联工厂中取得了显著成效。今年初，卡奥斯率先将DeepSeek-R1接入到天智工业大模型中，加快工业垂域大模型平台建设。

在场景优化上，天智工业大模型已赋能汽车、化工、模具等9大行业45个高价值场景，优化效果显著。比如，应用到注塑工艺优化场景中，实现注塑机的生产能耗降低10%，节拍提升7%，调参周期缩短90%；应用到智能柔性装配系统，实现工艺设计效率提升 30%，换产调试效率提升50%。

“今年是我连续第9年针对工业互联网提出相关建议，在AI科技的助力下，新型工业化正迎来全新的发展局面，中国智造正在创造更大的想象空间。”周云杰称。

家庭数据难训练，需群企共创垂域数据基础

算力、算法、数据，是大模型发展的“三驾马车”。不同于大模型在工业领域的场景适配难题，智慧家庭大模型进一步发展的短板是数据，特别是智慧家庭领域的真实、专业数据。

“就像汽车的油和电一样，数据驱使AI能够思考和决策。高质量的数据集能帮助模型捕捉更多的特征，从而提高预测和分类的准确性。”周云杰打了一个形象的比喻。

对于通用大模型，如DeepSeek的训练数据量非常庞大，总数据量达到2万亿个标记（tokens），这些数据来源于多个渠道，包括代码数据集、特定领域的文献和网页数据等。但对垂域大模型来说，除了这些通用数据外，特定领域的质、量兼优的数据，更是发展的关键。‌

“未来智慧家庭的垂域大模型不仅需要传统家电、户型环境等被动数据，更关键的是要融合人机交互、力觉、视触觉等各类主动数据，并且数据来源包含人工标注、仿真生成、训练场生成等多种主动采集方式。”周云杰表示。

在一线履职中他发现，目前智慧家庭垂域大模型的数据困境表现在两端：一是在数据采集端，主动数据少、采集成本高，极大制约了行业垂域大模型的开发进度；二是在数据服务端，跨界融合难、平台支撑弱，靠企业的力量难以实现高效的全场景整合与训练，亟需国家统筹与支持。

为此，他建议国家牵头，培育数据采集产业，通过全民贡献、群企共创的形式，实施数据贡献参与工程，构建行业全覆盖的垂域数据基础。同时，建议国家支持企业牵头建设智慧家庭全场景覆盖的数据仿真平台和训练场，训练高质量垂域大模型，推动具身智能技术在智慧家庭场景中的深度应用，赋能家庭服务型机器人等新质生产力发展。

据公开信息，创业40年的海尔在全球搭建了最大的智慧家庭生态平台。在中国，海尔智家平台活跃用户1000万以上，三翼鸟已经走进345万个家庭，每个月为用户提供超6亿次智慧生活服务；在美国，Smart HQ平台联网用户超400万，实现了用户、家电和生态方的智能交互；在欧洲，hOn APP注册用户超630万，让用户体验高效便捷的智慧生活；在日本，AQUA也在加速布局智慧社区洗；在东南亚，海尔通过Haismart为当地用户提供智慧家庭服务。

业内人士认为，这些遍布全球的智慧生活平台，以及服务全球10亿用户家庭的智慧家电，都决定了海尔在发展智慧家庭垂域模型的路上已经领先了一个身位。

探索医疗新可能，用AI提高血液调配效率

除了家庭生活、工业生产外，人工智能大模型还可以创造哪些新可能？

在周云杰看来，在关乎国家发展和民众福祉的关键民生领域，人工智能技术也展现出了前所未有的潜力，比如AI服务于血液供应体系建设，就为中国血液紧平衡的“老问题”找到了解题新思路。

他在青岛市中心血站调研时了解到，当前我国临床用血处于供需“紧平衡”态势，以青岛市为例，随着人口老龄化和医疗服务量增加等，全市一年血液需求近45吨，而2022年献血量约46吨。

除了采供血紧平衡态势，城域血液资源分布不均、血液信息不能共享、血液调剂难、缺乏统一管理等问题，进一步加剧了临床用血供需矛盾。

“全国血站的智慧化建设水平参差不齐，不同采供血机构之间尚未完全联网，血液信息不能共享，无法实现血液有效管理及合理调拨。”对此，周云杰建议，在加大宣传力度、提升血站服务水平、强化献血者优先用血权益的保障之外，要进一步采用信息化手段，实现城市血站、医院血库与手术室无缝对接，保障病人用血零等待，实现临床用血零浪费。

周云杰的这一建议来自于诸多城市行之有效的实践经验。海尔大健康产业盈康一生旗下海尔生物医疗创新打造智慧血液城市网方案，目前已经在青岛、宜昌、鄂尔多斯等城市落地，数字化血液安全管理方案也已在北京、上海、天津等多个城市应用，并逐步推广至全国32个省1300多家三甲医院，推动城市血液管理智慧升级。

以内蒙古鄂尔多斯为例，过去市中心血站到旗县医院送血，路程至少需要2小时，位置偏远的医院甚至需要4个小时，这不仅需要投入大量人力物力，也影响到血液供给的及时性。

在海尔生物医疗打造的智慧血液网助力下，临床取用血从4小时缩至最快2分钟，既解决了过去常备用不掉、不备耽误治疗的难题，也为抢救生命赢取更多时间，真正实现了用血零等待、零浪费。

一方面，鄂尔多斯市中心血站在6大储血点配备海尔生物医疗智能无人值守血液冰箱，冰箱内的血液类型、环境温度、箱内库存、质量等信息可以实时监控。当需要用血时，医院线上发起用血申请并获得血站授权后，即可从该区域的储血点取血。另一方面，鄂尔多斯市中心血站依托海尔生物医疗数字技术，构建了城市血液管理信息平台，实现全市血液信息有效互通、血液安全全链条监控，从而辅助血液管理及决策，优化血液资源的配置。

要么与AI同进化，要么被AI边缘化。周云杰建议每个企业首先要强化信息化和数字化基础建设，根据自身特点制定人工智能战略，以场景和应用为牵引，总体规划、分步实施，因地制宜地搭乘AI科技的快车，实现AI时代的高质量发展。