“人工智能+”助力傳統產業改造升級過程中，在應用的廣度和深度上仍存在三重堵點。

首先，技術供給與產業需求之間存在“堵點”，主要表現在兩個方面：一是底層核心技術存在短板。我國人工智能應用多集中在場景落地，基礎研究和高端硬件與發達國家之間仍有差距。二是人工智能技術與產業場景的適配度較低。近年來，通用大模型發展迅速，但行業大模型的研發相對滯后，傳統產業細分領域的工藝知識和數據特征比較難融入模型訓練。同時，小模型部署成本高，中小企業受到資金和技術的限制，難以針對特定工序開發輕量模型。此外，人工智能在工業場景中應用的穩定性和可靠性尚需進一步驗證，特別是在航空航天、能源（能源行業分析報告）電力等對生產連續性和穩定性要求較高的行業，若發生系統故障或錯誤決策可能引發事故并帶來經濟損失。

其次，資源配置與轉型需求之間存在“堵點”，主要表現在三個方面：一是算力供給結構不平衡。我國算力總體規模位居全球前列，但面臨著供需對接不暢、應用深度不足、區域發展不均等短板。二是數據資源碎片化。傳統產業數據分散在設備和系統中，標準和格式不統一，數據安全與共享矛盾較為突出，跨企業數據流通的制度保障機制略顯不足，企業“不愿共享、不敢共享”的困局尚未有效打破。三是“人工智能+”的人才供需不平衡。從高校人才培養體系來看，人工智能與傳統專業交叉融合還不夠深入，具備跨領域素養與實踐能力的人才依然缺乏。傳統產業中部分員工對人工智能技術的熟悉度不夠，增加了適應智能化設備與管理系統操作和維護的難度，需對其進行大規模、系統性的培訓。

最后，政策支持與企業訴求之間存在“堵點”，主要表現在三個方面：一是政策協同性有待提升。當前“人工智能+”相關政策分散在各個部門，在一定程度上帶來“人工智能+”賦能傳統產業時對接部門多、流程多、周期長。二是對傳統產業的中小企業推進“人工智能+”支持力度略顯不足。龍頭企業推進“人工智能+”相對容易，而中小企業推進“人工智能+”所需的資金、技術、人才等較為有限，在技術選型、系統集成、應用開發等方面面臨諸多困難，導致“人工智能+”助力中小型傳統企業改造升級相對緩慢。三是標準與治理體系建設相對滯后。傳統產業人工智能應用的技術標準、倫理規范仍處于探索階段，尚不健全，算法透明度與解釋力還略顯不足。