王江平表示，随着模型不断突破 ，开源生态日渐普及
，AI的训练和使用成本显著降低 。在大模型领域，DeepSeek引发“鲶鱼效应” ，带动大模型进入千行百业；在具身智能领域，空间理解模型极大降低具身智能训练成本。

拥抱AI是千行百业的大势所趋
。在王江平看来
，应从建设高质量行业数据集和场景数据集 、建设行业模型和场景模型
、全面推行企业数据治理、积极探索AI商业模式 、加强国家模型检测评估体系建设
、开展AI素养教育培训等六方面加快准备。

王江平表示，高质量专业数据集建设到哪里 ，“人工智能+ ”就可以发展到哪里 。在建设高质量行业数据集和场景数据集方面
，要做好数据标准的建设、高质量数据集的建设 、可信数据空间的建设
。

AI时代的企业数据治理是数字化转型2.0，较之以往的数字化转型 ，更要注重数据的全面性
、可靠性、及时性
，注重数据的资源化 、资产化、资本化。为此，要进一步完善数据管理标准 ，并在产业界开展数据治理体系标准推进工作 。

“‘人工智能+制造’
，要奔着企业的难点去
。
”王江平认为，“AI+制造”的应用场景包括：解决工业“黑箱问题 ”
、智能供应链、快速研发设计 、质量检测等。“人工智能进入制造业是大有可为 ，但是要找准切入点 。”王江平说
。