作者:刘林冬（中国科学技术大学科技商学院副院长、教授），张 勋（中国科学技术大学科技商学院副研究员）

　　中国信息通信研究院日前发布的《制造业数字化转型发展报告（2025年）》显示，当前，我国制造业数字化转型覆盖广度明显提升，进入规模化普及阶段。其中，人工智能、数字孪生等数智技术将全面嵌入制造全链条，核心软硬件产品向标准化、模块化迭代，转型生态延伸壮大。做强智能制造，不仅有助于破解制造业发展难题，更是加快建设制造强国、培育和发展新质生产力的核心举措。

　　人工智能与制造业的深度融合，本质上是将数据、算力、算法等新型生产要素与传统制造流程紧密结合，构建出具备自主感知、协同决策与实时演化的智能制造体系。当前，企业设备的数字化改造已显著提升自主感知能力。截至今年1月份，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，为捕捉制造数据和监控作业流程提供了坚实的硬件支持。与此同时，算力与数据资源的集聚促进了高效的协同决策。智能计算中心的建设有效缓解了算力瓶颈，大数据平台则使数据转化为宝贵的资产，提升了人机协同的能力。此外，随着人工智能应用比例的持续提升，制造业的生产效率得到了进一步提高。

　　放眼全球，主要发达经济体均将智能制造作为重塑制造业的核心战略，但发展路径各有侧重。美国依托其在人工智能原始创新和芯片领域的绝对优势，侧重于通过科技巨头的技术外溢，推动AI在航空航天、生物医药等高端制造领域的颠覆性应用。相较之下，以德国为代表的欧洲国家，则依托其深厚的工业积淀，更加注重工业数据的标准化交互、隐私保护以及AI伦理规范的制定，致力于通过跨国协作和标准引领，实现制造体系的智能升级。

　　与国外相比，我国拥有全球最完整的工业体系，为人工智能技术提供了丰富的应用场景。例如，在新能源汽车领域，AI赋能汽车制造的冲压、焊装、涂装、总装等多个环节，有效提高了生产效率；在消费电子领域，人工智能的应用带动生产效率与产品品质同步提升，助力高端产品不良率显著下降。更为重要的是，新型举国体制可以通过国家战略引导与大规模产业基金支持，集中力量攻克共性技术难题，迅速构建起“以点带面”的推广格局，形成政策链、产业链、资金链深度融合的生态系统。

　　然而，我国人工智能和制造业的融合仍面临高质量的工业语料库不足、训练数据匮乏的困境。复合型人才的短缺加大了人工智能技术在制造业中的应用难度。部分企业对人机协作的认知不清，导致在实际场景中智能体的潜力未能得到充分发挥。针对挑战，需精准施策。

　　强化企业创新主体地位，创新人才培养体制。引导企业硬件基础设施升级与技术底座构建，支持龙头企业牵头，加速工业设备的数字化换代和高质量语料库建设。构建适配工业场景的专用AI套件，推动数字孪生、生成式AI等前沿技术在工业设计、工艺优化、经营管理等环节的集成应用。鼓励企业与高校、科研院所组建创新联合体，在实战中培养兼具工程思维与数字技能的复合型人才。

　　拓展高价值应用场景，加速产业化落地进程。聚焦集成电路、航空航天、新能源汽车等战略性新兴产业，选择一批典型应用场景进行示范推广，解决“不敢用、不会用”难题。建设人工智能创新应用示范区，推动企业探索柔性制造、黑灯工厂、虚拟工厂等智能制造新模式。鼓励各类主体开发面向特定细分领域的“小模型”，形成“通用大模型做底座、专用小模型解难题”的协同生态，降低中小企业应用门槛。

　　优化资金保障体系，营造良好产业生态。充分发挥国家制造业转型升级基金等政策性资金的引导作用，建立优质项目储备库，撬动更多社会资本投向智能制造领域。推广多种金融普惠性政策，降低中小企业算力使用成本。加快完善数据产权、流通交易、安全治理等基础制度，建立跨部门、跨区域的协同监管机制，在防范产业低水平重复建设的同时，为人工智能技术的深度应用提供稳定、透明、可预期的政策环境。