问题：从“看得见”到“做得优”，制造业智能化进入深水区 近年来，大模型、工业互联网、数字孪生、边缘计算等技术不断推进，制造业数字化转型正从“设备互联、数据可视”加速走向“模型驱动、智能决策”；但不少企业的落地实践中，智能应用仍集中在局部环节，常见“试点多、复制少”“系统强、链条弱”等问题：现场数据碎片化、工艺知识难沉淀，模型上线后稳定性不足，跨系统协同不顺，导致智能化收益难以持续释放。，全球产业链供应链加速调整，绿色低碳约束趋严，市场需求波动加大，对研发效率、生产柔性、质量一致性和运营韧性提出更高要求，制造业亟需形成可推广、可复制的融合路径。 原因：国际竞合加剧与要素边界变化，推动范式重塑 从国际态势看，主要经济体普遍将智能制造作为提升产业竞争力的重要方向：欧洲强调制造业网络化协同，美国聚焦先进制造关键技术与产业生态，日本、韩国推进跨行业协同与企业智能化升级。，我国出台专项行动安排，明确到2027年在关键核心技术安全可靠供给、通用大模型深度应用、工业智能体与高质量数据集培育、典型场景规模推广等取得阶段性成果，意味着融合发展进入更系统的推进阶段。 从国内发展阶段看，依靠要素投入扩张的增长方式正面临成本上升与资源环境约束，制造业提升全要素生产率的需求更为迫切。智能技术的价值不仅在于替代重复劳动，更在于通过对设计、工艺、排产、质检、运维等全流程数据进行分析、预测与优化，带动生产组织方式与决策机制改变，实现效率、质量与韧性的协同提升。 影响：从企业竞争力到产业安全，系统性变革正在展开 业内认为，“智能赋能制造”已从技术叠加转向系统重构，以数据要素、算法模型与算力底座为支撑：一是研发设计加速由经验驱动转向模型驱动，缩短试错周期，提高迭代速度；二是生产环节向柔性化、少人化、稳定化迈进，通过智能排产、过程优化和预测性维护减少停机与波动；三是供应链与运营管理更强调实时协同与风险预警，提高交付稳定性与抗冲击能力；四是对关键技术自主可控、数据安全与合规治理提出更高要求，智能化与产业安全、合规治理的关联大幅增强。 对策：以“数字底座—能力内核—治理环境”共同推进，走差异化路径 针对落地堵点，业内建议从三上系统发力。 一是夯实数字底座。围绕高质量数据集建设，推动企业贯通设计、制造、质量、设备、能源等数据链路，形成可用、可控、可共享的数据资产；同步完善算力与网络基础设施，推进云边协同与现场侧实时计算能力建设，为工业场景的低时延、高可靠运行提供支撑。 二是打造能力内核。以行业大模型为牵引，结合工艺机理、设备特性与现场约束开展“行业化、场景化”训练与评测，提升模型可解释性与工程鲁棒性；以工业智能体为关键载体，将知识库、流程规则与模型能力封装为可调用、可编排的“数字工长”“智能质检员”“运维助手”等，推动从“人找系统”转向“系统找人、系统协同系统”。 三是完善治理环境。将数据安全与合规贯穿采集、存储、训练、部署、调用全流程，明确数据边界、权限管理与责任体系；推进标准体系与互操作能力建设，缓解多协议、多系统、多厂商带来的集成难题；加大复合型人才供给，既懂工艺又懂算法、既懂生产又懂治理的人才将成为关键支撑。 行业路径上，建议突出差异化：原材料行业聚焦能耗优化、流程控制与安全生产，以模型强化复杂过程的稳定控制；装备制造聚焦研发设计、工艺规划与装配检测，以“设计—制造—验证”闭环提升交付与质量；电子信息等离散制造侧重良率提升、快速换线与供应链协同，形成面向小批量、多品种的智能生产能力。 前景：从“示范点”迈向“规模化”，以场景牵引带动产业跃升 业内判断，未来一段时期，“智能赋能制造”将沿着“数据资产化—模型工业化—智能体协同化—治理体系化”的路径加速演进。随着关键技术供给能力增强、高质量数据集扩容、典型场景持续沉淀，智能化应用有望从单厂试点走向跨工厂、跨园区、跨链条的复制推广，并在绿色低碳、质量提升、安全生产、供应链韧性等上形成更可衡量的成效。与此同时，工程可靠性、合规治理与生态协同将成为决定“跑得快”能否“跑得稳”的关键。
制造业是立国之本、强国之基。推动“人工智能+制造”深度融合，既是顺应技术变革的主动选择，也是突破增长瓶颈、培育新质生产力的重要路径。围绕既定目标夯实底座、强化协同——并守住安全与合规底线——才能将技术变量转化为产业增量，为新型工业化提供更有力的支撑。