传统制造业是我国现代化产业体系的关键基底，传统制造业转型升级的路径选择已成为推进新型工业化过程中需要解决的关键问题，而人工智能是当前引领产业变革的重要变量。

人工智能赋能传统制造业转型升级是在内外部发展新形势新环境下的必然选择，我国在算力算法、数据规模以及应用场景方面具有优势基础。人工智能目前主要依托大小模型、具身智能、生成AI及数字孪生等技术赋能传统制造业转型升级，但是仍然存在底层技术优势不明显、算力体系发展不平衡、语料数据库建设困难等问题，需加快构建一体化算力服务体系，促进大小模型协同发展，打破数据资源瓶颈，“点—线—面”有序推进技术赋能，建立健全生态化赋能体系。

以石油化工、钢铁、机械和轻工作为主要代表的传统制造业是我国现代产业体系的关键基底， 其在国民经济发展之中有着战略性以及基础性的重要地位。党的二十届三中全会提出，加快推进新型工业化。以传统制造业为代表的传统产业转型升级是新型工业化的重要着力点，其必要性、艰巨性以及紧迫性都十分突出。人工智能作为引领新一轮产业变革的新一代信息技术，能够对传统产业在转型升级方面发挥赋能作用，深刻影响传统制造业的发展。该研究聚焦于人工智能如何更好赋能传统制造业转型升级，在为传统制造业改造升级提供参考的同时，也能为发展壮大以人工智能为代表的新兴产业提供借鉴。

当前，传统制造业发展面临的复杂性、不确定性以及严峻性在不断加剧，以人工智能为发力点赋能传统制造业转型升级是在内外部发展新形势下的必然选择。

（一）传统制造业升级迫在眉睫，人工智能孕育新变化

从内部形势看，传统制造业面临的资源约束以及要素成本等问题日趋严峻，“大而不强”与“全而不精”等问题仍然存在。当前，我国正在加快推进新型工业化，大力发展新质生产力。改造升级传统产业是关键着力点，传统制造业转型升级已经迫在眉睫。人工智能不仅是“头雁”效应显著的颠覆性技术，同时也被看作是能驱动第四次工业革命的重要引擎。充分发挥人工智能对传统制造业赋能作用，实现产业升级，具有必要性和重要性。

（二）传统制造业竞争日趋激烈，人工智能带来新机遇

从外部形势看，国际上保护主义以及单边主义抬头，发达国家推动制造业回流。我国制造业，特别是传统制造业面临着日益激烈的国际竞争，并且还要面对来自外部持续升级的打压、遏制以及围堵，传统制造业亟需通过转型升级来巩固提升其自身的国际竞争力。与此同时，人工智能作为对未来发展具有深刻影响的关键变量，已是大国博弈和科技竞争的新焦点和新赛道，为产业变革带来新机遇。如何运用人工智能赋能传统制造业升级，关系到国家创新力以及竞争力的提升。

（一）算力算法提速发展，为人工智能赋能传统制造业转型升级夯实基础

算力以及算法不仅是人工智能发展的关键基础底座，也同样是大模型这一前沿方向的重要底层技术。在算力建设方面，算力作为新型基础设施建设的题中之义，已得到我国的高度重视及超前布局。《国家信息化发展报告(2023年)》数据显示，2023年我国在用数据中心机架总规模达810万标准机架，算力总规模达到了每秒230百亿亿次浮点运算，其中智能算力规模的发展增速更是超过了70%。在算法模型方面，近年来我国大模型技术开发和应用的步伐正在持续加快，国产大模型呈现爆发式增长，并且涌现出了一批具有较大影响力的通用大模型以及行业大模型产品，这些大模型产品依托技术赋能为传统制造业转型升级提供了坚实的基础。

（二）数据规模优势明显，为人工智能赋能传统制造业转型升级提供支撑

数据是人工智能价值创造的基础之一，人工智能依赖于利用海量的数据进行训练以及学习，进而提高其自身预测的精准度和决策的准确度，数据规模及其质量水平能够直接影响人工智能的应用成效，决定了人工智能的价值。在数据生产方面，依托我国显著的人口规模优势及产业规模优势，无论是在公共数据方面还是在企业数据方面，数据生产均具有规模大的特点。《全国数据资源调查报告(2023年)》显示，我国2023年数据生产总量为32.85ZB，增长率达到了22.44%。在数据存储方面，得益于我国近年来持续推进经济社会数字化转型和数据资源的开发利用，数据价值逐渐显现并得到广泛认可，从而推动企业数据存储的意识明显增强，数据存储相关硬件的技术水平快速提升，数据存储成本显著降低、质量逐步提升。《报告》相关数据显示，我国2023年数据存储的总量达到了1.73ZB。我国数据资源在生产和存储等方面规模大的优势特点，为人工智能自身发展及其帮助传统制造业转型升级夯实了基础。

（三）应用场景广泛丰富，为人工智能赋能传统制造业转型升级形成牵引

从应用场景的存量看，我国传统制造业具有体系全、规模大等特点，结合我国超大规模内需市场的牵引，形成了广泛而丰富的应用场景，如智能制造、智能交通以及智能医疗等。从应用场景的增量看，随着当前新一轮科技革命以及产业变革的发展，越来越多的应用场景被不断挖掘和发现，应用场景正处于持续快速拓展阶段。基于应用场景广泛丰富的显著优势，人工智能企业和传统制造业企业纷纷围绕人工智能技术的开发及应用，加大资金投入等支持力度，促成了规模化、多样化的市场需求。并且以应用和需求为导向，各类企业逐步加快人工智能技术创新，深度融合产业与科技创新，我国丰富的应用场景已成为人工智能赋能传统制造业转型的重要牵引力和关键推动力。

（一）人工智能大小模型“齐头并进”，应用范式日趋成熟

人工智能目前正依托大模型与小模型赋能数字化智能化转型，其在传统制造业领域的应用深度及广度迅速提高。人工智能可以通过通用大模型或行业大模型这两种大模型对传统制造业进行赋能。其中，通用大模型拥有良好的跨领域适用性和功能性，以及高效处理多样化任务和多模态数据的通用性，在传统制造业的应用过程中可以通过开展预训练及随时调整的方式适应特定任务，具有较强的迁移学习能力和泛化应用能力，面向传统制造业新任务的开发门槛以及使用成本相对较低。行业大模型则主要针对特定行业和细分领域提供人工智能服务，紧密围绕传统制造业需求并深度结合行业知识数据，对于特定行业和任务的处理能够表现出更好的精准性及有效性。除大模型外，更加高效聚焦特定场景的“小而美”的小模型，凭借其部署成本低、资源约束小等优势，已得到各类企业特别是中小微企业的重视并逐步深化应用。人工智能小模型在赋能传统制造业的过程中可搭建在工业互联网等平台上，并能够部署在边缘设备，实现对特定任务的快速响应。大模型与小模型在赋能传统制造业的前沿方式上，呈现出融合应用的趋势，大模型作为主模型通过对规模化数据进行筛选处理提取价值性信息，而小模型作为辅助模型部署在边缘智能设备针对特定任务进行优化处理。

（二）具身智能技术加速商业化落地，人形机器人日益普及

具身智能在与环境进行实时交互感知的过程中能够实现信息获取、任务理解和决策行动，具备较强的自主学习、自适应性，其代表性产品主要包括人形机器人、仿生机器人、自动驾驶汽车等。人形机器人作为具身智能技术的重要载体和实际应用，其自身有着极高拟人化水平和较强的精细化工作能力，目前已可以实现独立行走、语言沟通，以及搬运和分拣物品等功能，并能够在与环境交互过程中自主纠正自身的错误；同时它已具备执行生产制造环节基本任务的能力，并且处理相对复杂生产任务的能力也在逐步提高。仿生机器人则基于仿生学原理，强调与工业细分领域特定任务的适配性，具有在特殊环境下高效作业的专业化优势。目前人形机器人和仿生机器人等虽然在传统制造业领域的应用仍处于早期探索并未完全商业化的阶段，但其将对传统制造业的生产方式甚至组织方式等产生深刻影响。通过与现有传统工业机器人协同，具身智能可能成为未来传统制造业转型升级的关键着力点和切入点。

（三）生成式AI赋能产品全生命周期，探索制造业新增长点

从人工智能在传统制造业领域的应用范围和成效看，生成式人工智能技术是带动传统制造业转型升级及行业变革的最具影响力的创新。目前生成式人工智能已赋能传统制造业产品全生命周期，广泛渗透至全链条各环节。在研发设计环节，传统制造业基于生成式人工智能能够有效促成产品研发和设计的流程简化以及成本降低，通过“文生图”“图生图”等生成式人工智能赋能方式，可极大地提高概念设计、创意生成以及集成渲染的速度和效率，缩短产品的上市时间。在加工制造环节，生成式人工智能可通过基于实时数据自主调整生产参数的方式实现智能决策并优化生产管控，在利用人工智能技术合成海量产品缺陷图片的基础上应用于产品自动化智能化质量检测，以及将行业知识或非结构化数据转化为可实时对话的知识库应用等。在营销售后环节，传统制造业通过应用生成式人工智能不仅可以自动精准回复和高效快捷处理客户问题，更能够在与客户实时对话的过程中智能化预测客户需求，优化客户体验。

（四）人工智能深度融合数字孪生，加快构建互联虚拟世界

数字孪生技术侧重于构建传统制造业领域物理实体的数字化映射，并在虚拟环境中开展模拟和预测等活动。随着人工智能技术的发展和融入，数字孪生的数据处理及分析能力得到大幅提高，其对传统制造业数字化映射交互管理的精准性、便捷性、有效性以及灵活性也进一步提升。人工智能依托数字孪生技术在数据监测、模拟预测以及智能决策等方面能够赋能传统制造业转型升级。数字孪生技术的发展应用也能够为人工智能技术的开发优化提供大规模的数据要素，传统制造业多样且丰富的训练学习数据有利于强化人工智能发展的数据基础，提升人工智能模型的准确性，从而进一步通过数字孪生技术赋能传统制造业。从前沿趋势看，在基于人工智能以及数字孪生技术构建的虚拟世界，传统制造业数字孪生工厂正在探索推进相互连接的互联生态系统或平台，以促成传统制造业产业链供应链协同发展。

（一）人工智能底层核心技术优势不明显

人工智能赋能传统制造业转型升级，需要建立在较为强大的人工智能底层核心技术基础之上。从全球范围看，我国的人工智能底层核心技术目前虽然属于第一梯队并且处于高速发展期，但是仍存在一定的短板弱项，可能原因是：一方面，从人工智能发展路径看，我国人工智能更偏向于立足传统制造业等行业应用场景丰富的优势推进人工智能应用研究，实现以市场需求为目标导向的人工智能商业化落地，人工智能基础领域研究仍有较大发展空间。诸如DeepSeek这样在全球范围内具有影响力和竞争力的成果的纷纷涌现，表明我国在人工智能领域基础研究方面取得了长足进步和显著成效。另一方面，从人工智能领域的大国博弈趋势看，我国在芯片先进制造等环节的技术发展也面临着外部压力。

（二）算力体系发展的不平衡问题仍然严峻

人工智能发展是以算力作为底座提供支撑作用的，我国算力虽然处于高速发展阶段，但在算力体系上依然存在一定程度的不平衡问题。一方面，从算力资源结构来看，我国算力资源以通用算力作为主要组成部分，智能算力和超算算力等算力规模相对较小并存在碎片化情况。算力的实际供给和市场需求之间逐渐出现结构化失衡问题，目前通用算力供给充裕但是利用率相对较低，人工智能大模型等技术所需的智能算力则存在需求紧迫但供给不足的问题。另一方面，从算力区域供需情况来看，我国东部地区存在算力缺口、中西部地区存在算力过剩，并且由于算力调度目前还存在成本费用大、传输效率低以及技术门槛高等问题，导致算力区域间供需失衡。

（三）传统制造业语料数据库建设难度较大

目前，我国传统制造业在人工智能语料数据的供给水平和供给质量两方面均有着较大的提升空间。一方面，传统制造业涵盖广泛的细分领域，并且涉及复杂的生产环节和设备，其数据生产有着显著的分散、多源和异构等特点，由于对生产设备改造或更新以实现数据采集的难度较大、成本较高，导致传统制造业虽能生成大量数据，但实际存储率较低，从而进一步制约了人工智能语料的有效供给规模。另一方面，传统制造业数据包含大量的半结构化和非结构化数据，其数据来源多样并且质量参差不齐，对语料数据进行处理、整合以及标注的难度较大、复杂性高，数据相关的治理和监管问题依然存在，导致传统制造业存在较为明显的高质量语料数据短缺问题。

（一）统筹规划，加快构建一体化算力服务体系

一是优化算力资源调度和配置。以需求为牵引、应用为导向，探索异属异构异地算力资源并网调度，优化存量算力资源配置，引导新增算力资源建设，推动新增算力向国家枢纽节点集聚，进一步加强国家枢纽节点算力资源供给，并且适当超前布局智能计算中心、超级计算中心等算力基础设施，促进算力资源供需平衡。二是促进算力资源标准化普惠化。完善算力并网和互联互通标准体系，通过标准引领实现算力产业规范化体系化发展。持续创新算力服务模式，加快实现以随取随用、灵活配置、按需付费为特征的短租模式与传统长租模式协同发展，进一步探索弹性带宽、数据快递等新模式，减少算力资源使用成本，大力提高算力资源使用的易用性、便利性和普惠性。三是打造全国统一算力服务大市场。统筹整合算力资源实现互联互通，构建统一算力资源标识和身份认证体系，提高算力网络传输能力，加强弹性网络、全光网络等建设，促进算力跨区域、跨架构和跨主体的协同计算，推进异构算力与网络的深度融合，探索建设算力互联网。

（二）按需引导，促进人工智能大小模型协同发展

一是加快通用大模型关键核心技术的突破。充分发挥新型举国体制的优势，集中优势力量以及资源围绕通用大模型开展靶向研发、协同攻关等，加快在算法和框架方面的基础性技术突破，推进软件以及硬件技术的体系化创新，针对通用大模型关键核心技术进行必要的战略性、前瞻性探索。二是以场景为牵引强化行业大模型开发。鼓励以传统制造业企业为代表的场景需求方，联合以人工智能创新企业和服务商为代表的技术供给方，通过组建创新联合体等方式共同开展垂直行业大模型的技术研发和产品应用，促进人工智能行业大模型与传统制造业重点领域场景间的深度融合。三是以工业互联网为载体深化小模型应用。基于工业互联网平台，围绕制造场景提高以专业化、轻量化为优势的小模型的应用深度以及广度，以大模型为支撑加快提升人工智能小模型在性能上的表现，探索大模型与小模型在传统制造业领域的深度融合以及协同利用。

（三）价值引领，打破人工智能数据资源瓶颈

一是通过工业设备更新促进数据采集存储。以工业领域设备更新为抓手，在传统制造业推广应用智能制造装备，加快智慧工厂及智能产线建设步伐，持续加强数字基础设施建设，提升传统制造业企业在采集和存储数据等方面的能力。二是推进传统制造业高质量数据开放共享。推动传统制造业的龙头企业、大中型企业牵头建立健全共享数据资源库，围绕典型场景提升数据资源供给水平，提高数据资源供给质量，打造高质量人工智能大模型训练数据集。建立传统制造业数据集开放共享机制，在数据供给方面，加大对于传统制造业企业的激励力度。三是大力推动数据要素市场高质量发展。推动传统制造业企业与人工智能创新企业聚焦数据合规高效流通，研究制定数据资源流通的规则和标准，加快数据资源在市场化配置方面的体制机制建设。

（四）分层推进，以“点—线—面”路径有序赋能

一是支持龙头企业利用人工智能转型升级。以传统制造业行业龙头企业为切入点推动“多点突破”。大力支持传统制造业龙头企业利用人工智能推进转型升级，鼓励传统制造业龙头企业与人工智能领域技术服务商、科研机构以及高等院校等，聚焦人工智能赋能传统制造业开展技术协同攻关和应用探索，打造一批基于人工智能实现转型升级的代表性传统制造业龙头企业。二是引导产业链上下游协同应用人工智能。鼓励支持龙头企业共享基于人工智能技术的解决方案和工具包，实现“以点带线”，利用人工智能技术打造智慧产业链供应链，推动产业链供应链实现基于人工智能技术的转型升级。三是增强人工智能赋能产业集群总体效能。促进人工智能以产业链为纽带延伸赋能产业集群，做好“以线促面”，针对共性应用场景搭建面向传统制造业产业集群的区域性人工智能公共服务平台。

（五）分类施策，打造人工智能生态化赋能体系

一是大力培育人工智能优质创新主体。扩大长期资本及耐心资本在人工智能领域的投资规模。根据企业规模不同、自身优势不同和发展阶段不同等，采取有针对性与适用性的人工智能企业梯度培育方式。针对传统制造业需求制定人工智能服务供给清单、目录以及服务包等。二是加快建设跨领域高水平人才高地。支持高等院校完善传统制造业、人工智能领域相关专业及其基础学科建设，探索“人工智能+传统制造业”的交叉融合人才培养模式。鼓励传统制造业企业、人工智能企业与高等院校及科研机构等联合开展人才培养。三是营造人工智能创新应用良好环境。加快人工智能相关开源生态建设，围绕传统制造业转型升级优化人工智能创新环境，加强人工智能创新及其成果应用的知识产权保护，推进人工智能赋能传统制造业的创新成果的知识产权化，探索相关专利池建设，促进新技术充分利用与广泛扩散。

作者|金永花，中国工业互联网研究院政策研究所，博士，研究员。辛伟涛（通信作者），国家工业信息安全发展研究中心，博士，工程师。王珊珊，周口师范学院经济与管理学院，博士，讲师。

原文刊于《科技智囊》2025年第4期（总第347期）"科技创新与产业发展"栏目。