近年来，中国高度重视制造业与人工智能的融合发展，陆续出台了制造业转型升级的战略规划、各部委和各地方政府也配套颁布相关政策举措，推动人工智能技术在制造业中的融合应用不断深化，发展重点和发展方向逐渐清晰，相关政策体系框架也在逐步构建和完善（见图1）。

在国家战略层面，中国围绕建设制造强国的总体目标，加快部署人工智能赋能经济发展的一系列举措。2015年，国务院印发《中国制造2025》，确立了制造业转型升级的战略目标，提出了人工智能等新一代信息技术与制造业深度融合的重要举措，其核心是推动中国从制造业大国向制造业强国转变，全面提升中国制造的全球影响力。2016年，为加快推进制造业与人工智能等新一代信息技术融合发展，国务院印发了《关于深化制造业与互联网融合发展的指导意见》，有力推动智能制造、服务型制造和网络协同制造等新模式和新业态深入发展和广泛应用。2017年，国务院发布并实施《新一代人工智能发展规划》，明确提出要培育高端高效的智能经济，加快推进产业智能化升级改造，推动人工智能与制造等重点行业、领域加速融合和人工智能规模化应用，全面提升产业发展智能化水平。2019年《政府工作报告》中提出“智能+”；并在当年3月，中央全面深化改革委员会第七次会议审议通过了《关于促进人工智能和实体经济深度融合的指导意见》，以市场需求为导向，以产业应用为目标，加速推动人工智能赋能传统产业转型升级。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》和党的二十大报告也都将制造强国放在重要地位。2024年1月，国务院研究部署推动人工智能赋能新型工业化相关工作，强调追求高质量发展和确保高水平安全相统一，以人工智能与制造业深度融合为主线，以制造领域的场景应用为牵引，加速推进制造领域重点场景的智能化转型与升级。同时，加快重点行业智能升级，大力发展智能产品，高水平赋能工业制造体系，加快形成新质生产力。

在部委部署层面，多部门联合发力，协同推进人工智能和实体经济融合发展，加大力度推进人工智能在制造业中的应用。2018年，国家发展改革委发布了《增强制造业核心竞争力三年行动计划（2018—2020年）》，在制造业智能化、智能机器人和智能汽车等制造业重点领域，推动一批关键技术实现产业化，促进制造业水平明显提升。2020年，工业和信息化部出台《工业互联网创新发展行动计划（2021—2023年）》，加速推动工业互联网基础设施建设量质并进，智能化制造等新模式、新业态广泛普及。工业和信息化部、科技部、国家发展改革委等多部门在2021年联合印发《“十四五”智能制造发展规划》，强调了智能制造作为制造强国战略的核心组成部分，其水平提升将有力推动中国制造业的整体质量和全球竞争力产生质的飞跃。随后，结合制造业发展实际需求，工业和信息化部、国家发展改革委、科技部等十部门在2022年发布《关于促进制造业有序转移的指导意见》，确保企业在产业转移中的核心地位，强化政策在关键领域与核心环节的导向作用，积极引导并促进制造业向重点发展方向和关键产业领域的转移与承接，从而实现产业结构的优化升级与区域经济的协调发展。科技部等六部委在2022年联合印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》，系统指导各地方和各主体加快人工智能在制造、教育和医疗等领域的技术推广和规模化应用，为新质生产力发展注入强大动能。工业和信息化部等七部门于2023年联合印发《智能检测装备产业发展行动计划（2023—2025年）》《机械行业稳增长工作方案（2023—2024年）》，提出加快推广智能制造新模式，推动智能制造系统解决方案攻关，推进中小企业数字化转型，探索智能制造先行区建设等项工作。2023年末，工业和信息化部等八部门联合印发《关于加快传统制造业转型升级的指导意见》，指出要促进形成区域合理分工、联动发展的制造业发展格局，加快人工智能场景应用，推动经济高质量发展。国家发展改革委正式公布了《产业结构调整指导目录（2024年本）》，此次更新特别增加了“智能制造”“农业机械装备”“数控机床”等多个行业类别，以及一系列产业转型升级的相关项目，反映了国家对提升制造业智能化水平、加强农业机械化和自动化以及促进高端装备制造的高度重视。

在地方工作层面，北京、上海等地方充分发挥本地优势，借助当地特色产业，加快推动传统制造业转型升级。为积极响应国家及相关部门关于促进智能装备制造业发展的战略部署，广东省在2015年就发布了《广东省智能制造发展规划（2015—2025）》，提出到2025年将广东省建设成为全国范围内智能制造的示范与引领中心，打造拥有国际影响力的智能制造产业集群。北京市在2017年发布《北京市加快科技创新发展智能装备产业的指导意见》，旨在加快本地智能装备产业的成长步伐，增强其在全球市场的核心竞争力，同时通过创新驱动，构建以高新技术为核心的现代化经济体系，引领首都经济向更高层次、更高质量的方向发展。上海市在2019年发布《上海市智能制造行动计划（2019—2021年）》，着力优化完善智能制造发展环境，积极探索智能制造新模式，创新智能制造应用新机制，加快制造业智能化转型，塑造“上海制造”新优势。天津市在2020年出台《天津市关于进一步支持发展智能制造政策措施的通知》，旨在强化对智能制造产业的扶持力度，加速培育经济发展新动力。2023年，世界智能制造大会在南京开幕，国际智能制造联盟正式揭牌成立，共同商讨人工智能与制造业融合发展。全国各地都在积极部署人工智能赋能制造业发展的政策举措，为本地经济社会发展注入新动能，加速推动新质生产力发展。

在政策环境的不断优化和完善下，制造领域的智能技术和智能方案供给能力不断增强，智能化的应用场景不断拓展，各地方的特色产业优势逐渐凸显。

智能制造领域陆续涌现出一批解决制造业关键核心问题的装备和技术供给方，推动智能制造方案加快落地和应用；龙头制造企业的人工智能研发力量日益增强，以企业的内生创新力为牵引，推动人工智能和制造业加速融合（见图2）。

智能装备供给能力显著提升，带动企业向先进制造深水区迈进。以高档数控机床、工业机器人为代表的关键装备供给取得积极进展，在重点行业领域广泛应用，带动制造工艺不断优化，支撑企业向人机协同、先进过程控制等过渡。例如，华中9型智能数控系统首次实现自主感知、自主学习、自主决策和自主执行，助力航空航天、能源动力等行业实现“双码联控”“动态超精度加工”等先进工艺。新松自主研发的工业机器人可满足小批量混线生产的柔性要求和人机协同作业，已在新能源光伏码垛、金属焊接等多个领域应用。

人工智能企业成为智能技术方案供给主力，推动企业智能应用不断拓展。人工智能龙头企业依托自身数据基础和技术优势，积极开发智能化技术方案，助力众多制造企业突破智能应用难关，加快推动智能化转型升级。例如，京东、百度的制造云平台服务格力、美的等100余家企业，提供智能新品孵化、智能质检和智能供应链等全链条解决方案。创新奇智、依瞳科技的机器视觉工业质检解决方案惠及工程雷达检测、液晶半导体高精度检测等多个应用场景。

大型制造企业内部研发力量不断强化，“以我为主”加速推进制造智能化全面升级。头部制造企业不断加大智能技术研发，以内生技术创新力加速推动企业的制造智能化转型升级。例如，海尔成立技术委员会，聚焦感知与交互、工业智能等核心技术攻关，以创新成果转化带动实现产品数字化仿真研发、生产过程智能调度、高精度零缺陷的端到端智能制造等。小米加快建设智能工厂，在一期工厂自主研发试验智能技术、智能设备和智能产线等的基础上，二期工厂投入大规模量产，形成“研发+量产”产业协同效应。

中国是全球唯一一个具备从最基础的原材料生产到高端制造业所有工业类别的国家，制造领域的应用场景丰富多元。人工智能的技术创新成果已经在制造业的产品与工艺的设计研发、生产线的智能制造、设备与系统的运维管理、市场营销和客户服务等多个环节中应用，涵盖产品设计、计划排产、质量检测、设备运维管理、营销服务和供应链管理等多个应用场景（见图3），其中产品设计和工艺设计、智能计划排产、智能质量检测和智能设备运维是人工智能和制造业融合的四大核心场景。

产品设计和工艺设计是以大模型为代表的生成式人工智能制造业场景。在产品设计和工艺设计中，大模型技术可以通过数据分析优化新产品的性能表现，构建高度逼真的虚拟环节对产品设计进行模拟和仿真，辅助设计师进行创新设计和筛选最优方案，从而较好地完成产品设计和工艺设计等多项任务。汽车设计作为制造业的一个重要领域，是大模型应用的“主战场”。例如，中国第一汽车集团有限公司与阿里云合作推出汽车行业首个大模型应用“GPT-BI”，大大缩短了企业商业智能（BI）分析的报表设计、数据建模等交付周期，并且尝试用大模型降低汽车产品设计开发的门槛，提升研发效率。智能计划排产和智能质量检测是人工智能在制造业中运用最多的两个场景。

在智能计划排产中，面对定制化需求的增加和生产系统的复杂化，借助深度学习等算法可以预测需求变化、进行生产调度等计划排产任务，大大提升个性化产品生产和交付的效率。例如，上汽大通汽车有限公司借助智能排产模型对用户订单做出快速响应，自动形成各车间最优生产序列，车间生产运营成本降低37%。在智能质量检测中，运用计算机视觉等人工智能技术可以完成产品质量检测领域的规模化应用，目前已经由后端的产品缺陷检测延伸拓展到产品或工艺前端的质量预测和工艺优化。例如，华为南方工厂部署智能质检系统，覆盖191条产线，检出率超过99.9%。明珞装备上线智能预测系统，为焊接过程质量把控和工艺优化提供最优参数控制策略。

智能设备运维是预测性人工智能技术发挥作用的主要场景。在智能设备运维中，可以运用机器学习、边缘计算等算法优化装备运维策略，对相关设备进行健康管理，从事后的故障检测维修转向设备的预测性维护。例如，济南二机床引进智能监测服务器，为工厂生产设备搭建运行维护模型，对零部件保养和更换做出提前规划，设备突发性故障降低了90%。

部分地区聚焦制造业升级需求，大力推动装备制造升级、柔性生产线建设等领域发展，促进人工智能与制造业深度融合，形成了具有地方特色的转型模式。

以钢铁、机械和化工等重工业为主的传统工业基地，在制造转型过程中重点对关键制造装备发力，以装备升级赋能基础工业制造转型。例如，济南作为国家重要的装备制造业基地，重点针对高端装备云智能制造的提质增效等关键问题开展技术攻关，借助智能传感、深度学习等技术赋能装备自适应加工，在数控机床、锻压机械和高端服务器等关键装备研发制造领域打破国外垄断。哈尔滨重工企业通过高端智能装备实现参数化工艺编制和工序工时自动计算，突破多个关键部件制造工艺难题，带动制造产线智能化升级，实现传统老工业基地的现代化转型。

结合地方产业基础和需求开展技术应用示范，以场景驱动技术与产业深度融合，培育了一批特色智造应用场景。例如，武汉国家航天产业基地作为中国第一个国家级商业航天产业基地，建成并运行全国首条小卫星智能生产线，该生产线具有高度柔性智能化、先进的数字孪生和前沿的云制造模式等显著特点，通过集成精密的传感器与智能控制系统，实现了生产过程精准感知，确保了关键工序质量实时控制、制造全过程数据采集与控制。成都打造多个“AI+先进制造”融合应用特色专业园区，集聚智能成套装备、高档数控机床、工业软件等智能制造企业，聚焦“AI+轨道交通”“AI+北斗”等先进产业细分领域，加速推动智能技术与场景深度融合。

通过优化供需对接机制、搭建联合创新机制等方式，以机制革新加速产业链和创新链资源集聚，助力制造企业解决转型升级的痛点堵点问题。例如，长沙在产业智能化技改项目上采用“揭榜挂帅”机制，形成供需对接有效激励机制，解决制造企业在智能技术融合应用方面存在的“不敢转、不会转、资源少、管理难”等问题。杭州建立产学研用协同创新机制，依托科研单位和行业领军企业组建创新联合体，推动技术创新中心、制造业创新中心和产业创新中心等协同发力，实现智造领域技术创新、产品开发、人才培养、成果孵化以及社会服务等一体化发展。

随着大模型等人工智能技术的持续性突破，广泛应用于经济社会各领域，人工智能与制造业的融合程度持续加深，呈现出生产模式柔性化、制造过程低碳化、产品服务集成化和产业链条协同化等特点。

随着大模型等人工智能技术与制造行业的不断融合，制造企业对需求端的预测感知能力以及生产链条和产能的调控能力进一步加强，能够以需求为导向进行快速、低成本生产计划切换，实现由刚性生产向大批量柔性生产模式的转变。制造业的重心从单纯的产品制造转向以用户体验为先的服务导向，以生产者为主导的经济模式正在向消费者主导的经济模式转变，满足消费者的个性化偏好成为企业赢得市场竞争的关键策略。这标志企业竞争逻辑的根本转变，即从依赖规模效应降低成本的传统策略，转向以精准匹配用户需求、创造独特价值主张为重心的新范式。

从行业角度看，人工智能技术的应用能够实现关键碳排放数据的精准收集、高效处理、深度分析及专业化应用，为行业开展碳排放的监测与管控提供技术支撑。从企业角度看，人工智能可以帮助企业或工厂实现“源头—过程—末端”的全链条、全流程的控碳管理，助力企业提升自主碳排放管理能力，帮助制造企业进行能效优化、精益生产管理，有效降低能源损耗，节省物料包材，实现生产要素投入的效益最大化，推动生产效率和节能减排“双提升”。

人工智能技术的应用极大地拓展了制造业的发展空间，推动企业从生产型制造向服务型制造转变，服务模式也从提供单一产品的供应向提供“产品+服务”集成模式转变。在集成制造模式下，制造业企业不再仅仅关注产品的生产和销售，而是将服务作为重要的价值来源。企业可以通过提供定制化服务、智能运维和远程监控等增值服务，增强与客户的互动和黏性，提高客户满意度和忠诚度。同时，集成制造模式也为企业带来了新的商业模式和盈利渠道，有助于提升企业的竞争力和市场地位。

人工智能正在打破传统制造业的局限，有效解决由于信息交流不畅带来的资源分配不均、生产效率低等问题，提供智能化的生产决策和管理方式，推动产业链上下游的深度融合，实现更加高效、精准和灵活的生产和服务。人工智能在制造业中的应用，不仅可以帮助企业精准预测市场需求，指导生产计划的制订，使生产更加贴近消费者需求；而且还可以对供应链进行智能管理，实现供应商、制造商、分销商等环节的无缝对接，降低库存成本和物流成本。这种协同化的转变不仅提高了生产效率，还带来了更加灵活和个性化的生产与服务。

总体来看，中国人工智能在制造领域的应用已经取得积极进展，积累了一些成功的实践经验，但与欧美等发达国家及地区相比，在人工智能和制造业融合过程中仍面临关键核心技术受制于人、人工智能技术尚无法满足工业需求、数据采集共享难度大、企业转型路径不清晰、复合型人才缺乏等多方面的问题和挑战。

从制造企业来看，高端数控中心、嵌入式芯片等制造装备主要依赖进口，ERP、CAD等工业软件受到欧美国家牵制，高端传感器国产化程度低，市场基本被美国、德国和日本等传感器巨头占据；减速器、敏感芯片等关键核心元器件由国际企业主导垄断。从人工智能技术本身来看，TensorFlow、PyTorch等开发框架仍是中国制造企业的首选，虽然中国已有飞桨、MindSpore等多款开发框架，但在业界的使用率并不高。人工智能芯片（GPU、NPU等）市场几乎被英伟达、英特尔等国外企业垄断，国内产品在技术和产能上与国际先进水平仍存在较大差距。

工业场景环境一般较为恶劣且场景较为复杂，但对准确性和效率要求极高。现有的计算架构难以达到工业实时性的计算要求，特殊工业场景对人工智能技术的适应性和灵活性都有一定要求，现阶段的人工智能模型训练主要以既有的数据为主，对新情况和场景做出的判断和预测正确率无法达到100%，但部分工业领域和工业核心环节对推荐参数的准确性要求是无限接近100%。

第一，数据采集难。多数企业由于资金缺乏，既没有配备高精度传感器等设备，也没有进行制造过程中的日常维护，导致企业数字化、网络化改造不到位，大大增加了数据采集难度。第二，数据通用性差。制造业机器设备生成的工业数据量大且较为复杂，其本身就存在可获得性和通用性较差的问题，加之中国制造企业的设备普遍采购于多家国外厂商，不同制造企业之间，甚至是同一企业的不同生产线之间设备不同，导致其产生的数据通用性较差。第三，数据共享和保护不足。制造业环节数据多涉及商业机密，对信息的安全性要求高，阻碍了行业内数据共享，制约了数据的开发和利用。

第一，大多数企业仅局限在基于计算机视觉的质量检测、故障监测等少数应用场景，少数企业开展了基于大模型、深度学习的预测性设备维护、需求预测等应用场景，且大多数场景需要人工辅助完成智能化运营。第二，多数企业仅在计划排产、质量检测等单个环节应用智能技术，较少企业实现了贯穿生产制造全流程、产品全生命周期的人工智能集成式应用。第三，当前人工智能在制造业的融合创新方面主要依赖人工智能企业的加持和技术供给，但制造企业有智能化转型需求时很难在短时间内找到适合的合作伙伴，人工智能赋能的制造场景开发与拓展存在较大困难。

多数企业的工业智能化升级以保守策略为主，认为推动自动化和数字化可以大幅节约生产成本、节省人力，但没有认识到智能化转型可以带来的现实收益。一方面，中国工业制造的信息化基础较为薄弱，智能化转型面临较大的试错成本和不可控风险，相当一部分中小企业缺乏整体统筹规划，仅进行了简单的“机器换人”或生产管理过程的信息化。另一方面，以大模型、深度学习为代表的智能算法本身存在的“算法黑箱”等问题，与制造业追求的可靠性、可理解性存在矛盾，加重了制造企业应用人工智能的疑虑，导致企业推动智能化转型的主动性和积极性较低。

制造业普遍面临招人难、留人难等问题，重点行业和领域的高级技师与一线工程师、工业和信息化领域人才等中高端复合型人才十分缺乏，尤其是既具备人工智能知识又对制造业有深入理解的复合型人才更是缺乏。一方面，多数制造企业由于对人工智能技术认识不足，导致其对企业自身智能化升级的人才需求并不明确。另一方面，制造业因环境相对艰苦、劳动强度大，而工资待遇与互联网企业相比差距较大，对人才吸引力不强。

强化关键核心技术的自主创新能力，制定人工智能技术路线图，分阶段、分步骤推进各细分行业实现智能化升级。在现有制造业试点示范和专项中适当加大人工智能比例，组织国家级实验室、国家制造业创新中心等优势力量聚焦“高精尖”“薄弱缺”技术开展研发攻关。支持制造企业与高校院所创建各类创新平台，形成产学研用协同攻关机制，面向重点行业智能制造单元培育一批系统解决方案。

加快推动制造业关键环节和核心产品的智能化升级，大幅提升研发、生产、服务和管理等环节的智能化水平。面向对国民经济影响大、带动力强和数字化基础好的重点行业，开展人工智能赋能新型工业化专项行动，推动高端装备、关键软件、智能终端等智能化产品和装备的推广和应用。

依据智能制造人才需求预测报告和紧缺人才需求目录，完善智能制造相关的学科布局，支持高校与企业联合开发相关课程，创新复合人才培养模式。支持行业协会、产业联盟等面向智能制造领域开展职业技能大赛，选拔高素质的智能制造工程技术人员。支持高校、科研院所与企业设立联合实验室或研究院，面向人工智能和制造业融合的重要研究方向和重点行业应用引进一批高水平人才和创新团队。

聚焦产业特色鲜明、转型需求迫切以及基础条件好的地区开展技术创新和产业化应用示范，推动形成技术创新、产业应用、关键装备和解决方案输出的一体化创新链条。支持人工智能企业集聚地和制造大省开展区域之间的合作，推动技术资源和产业资源的有效对接，实现制造业智能化升级和人工智能产业化的互动。集聚高校、科研院所、金融机构和行业协会等各方资源，建立智能制造公共服务平台，为制造企业提供包括产业支持政策宣贯、智能制造水平评估和智能制造解决方案在内的一站式服务。

作者：侯慧敏¹，席崇俊^2,3，徐峰¹，王艺颖¹

1. 中国科学技术信息研究所，北京　100038；

2. 中国科学院文献情报中心，北京　100190；

3. 中国科学院大学经济与管理学院，北京　100190