王高翔:“人工智能+制造”推进新型工业化

人工智能与制造业深度融合的战略意义

　　人工智能是引领新一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。工业和信息化部、国家发展改革委等8部门印发《“人工智能＋制造”专项行动实施意见》，对于加快形成新质生产力、推进新型工业化具有重要战略意义。

从技术演进维度看

　　人工智能正从“工具”向“要素”转变。不同于以往的信息化、自动化技术仅在局部环节替代人力，以大模型、具身智能、工业智能体为代表的新一代人工智能，已具备感知、认知、决策、执行的完整能力闭环，能够贯穿研发设计、生产制造、供应链管理、售后服务的全链条。在这一技术拐点上系统推进“人工智能＋制造”，有助于将技术突破势能转化为产业升级动能，加快重组生产要素、重构生产流程、重塑商业模式。

从产业竞争维度看

　　我国制造业亟须以智能化开辟新的竞争赛道。一方面，劳动力、土地、能源等要素成本持续上涨，传统低成本竞争优势逐步减弱；另一方面，逆全球化思潮抬头、技术脱钩加剧，进一步抬高了出口成本，供应链安全风险增加。人工智能技术恰恰能够通过要素替代降低综合成本、通过工艺优化提升产品质量、通过数据连接增强供应链掌控力，为制造业开辟“以智降本、以智提质、以智增效”的高质量发展新路。

从全球博弈维度看

　　全球主要制造业大国将人工智能与制造业融合并上升为国家战略，在新一轮产业竞争中抢占制高点。我国制造业具备产业体系完整、规模领先的优势，为人工智能发展提供了海量数据资源和广阔应用场景。推动实施“人工智能＋制造”专项行动，有助于将独特优势转化为人工智能在制造业落地应用的先发优势，在全球智能制造竞争中赢得战略主动。

人工智能破解制造业转型难题

破解了“看不见”的难题

　　人工智能与制造业深度融合，能有效解决传统制造业长期面临的生产过程不透明、设备状态难感知、质量缺陷靠人眼等困境，助力企业实现生产全过程实时感知与精准调控。国际数据公司IDC发布的2025年中国工业企业调研显示，已应用大模型及智能体的企业比例，从2024年的9.6％提升至2025年的47.5％。我国制造业企业经营管理数字化普及率超80％，工业互联网平台应用普及率增至45.6％，关键工序数控化率达68.6％。

破解了“做不好”的难题

　　过去，诸多高精度、高复杂度的制造环节主要依赖熟练工人的经验，产品良品率受限于人的极限。智能工厂依托人工智能，通过机器视觉、智能质检、工艺参数动态优化等技术，推动质量管控从事后抽检转向全程在线。截至今年1月，我国已累计建成3.5万余家基础级、8200余家先进级、500余家卓越级智能工厂，培育15家领航级智能工厂。人工智能已渗透领航级智能工厂70％以上的业务场景，沉淀超6000个垂直领域模型。目前，我国“灯塔工厂”数量达101家，位居全球第一。

破解了“转不动”的难题

　　长期以来，中小企业受资金、技术能力制约，在数字化、智能化转型中面临“想转不敢转、敢转不会转”的困境。龙头企业牵头建设的垂直工业互联网平台与行业大模型，为中小企业提供了即开即用式智能化解决方案。制造业丰富的应用场景与海量工业数据，也为人工智能从通用大模型向行业垂直模型演进提供了不可替代的训练资源，形成“应用牵引技术、技术反哺产业”的良性循环。近年来，工业和信息化部已遴选三批101个中小企业数字化转型试点城市，支持超4万家中小企业开展数字化改造。

当前存在的突出问题

　　也要看到，与高质量发展的要求相比，“人工智能＋制造”仍存在一些突出问题。比如，融合广度深度较低，在中试验证、生产制造环节渗透较慢，全链条融合面临技术成熟度不足、场景适配性差、标准化程度低等堵点卡点。工业数据要素价值有待激活，76％的制造企业存在数据价值挖掘不足问题，制造业数据中约44％被有效利用，但符合大模型训练要求的高质量数据占比仅4％。底层算法、工业软件等领域短板突出，工业级芯片与高端传感器的供给能力不足。

推动深度融合的路径建议

　　抓住新科技革命浪潮，推动人工智能与制造业在更广范围、更深层次交汇融通，切实将技术突破势能转化为推进新型工业化的澎湃动能，需多维度协同发力。

• 一是强化示范引导、以点带面。聚焦制造业最迫切、最具价值的环节重点突破，形成典型模式，加快培育一批制造业智能原生企业。
• 二是强化工业数据筑基，抓好数据采、集、用，加快建设行业高质量数据集，培育壮大一批数据咨询、数据标注经营主体。
• 三是强化“根技术”投入，夯实算力、算法、数据等基础底座，全链条推动高端芯片、高性能传感器、工业母机、高端仪器仪表等重点领域关键技术攻关。