财π新闻 据经济参考报2026年9月23日报道，人工智能作为引领新一轮科技革命和产业变革的通用性技术，与制造业深度融合正在深刻重塑生产制造模式与产业竞争格局，是提升产业链供应链韧性与安全水平的现实需要，也是塑造发展新优势的战略抉择。近年来我国人工智能与制造业融合发展在技术积累和实践探索等方面取得显著进展，核心技术与关键支撑能力持续增强，各地制造业数字化智能化改造步伐明显加快，同时融合进程中也仍面临多维度的现实挑战，相关针对性推进路径已逐步清晰明确。

我国人工智能核心技术与关键支撑能力持续增强，人工智能专利数量占全球总量百分之六十，面向制造业场景的工业大模型、边缘智能、数字孪生等技术逐步成熟落地，算力基础设施加快布局，高质量数据集超过十二万个，这些核心要素的持续完善，为人工智能技术在制造场景的落地应用筑牢了底层支撑。从技术迭代的实际进程来看，大模型、机器视觉、自然语言处理、强化学习等关键技术加速迭代，相关技术成果不再局限于实验室环境，而是逐步向真实的工业生产场景延伸适配，能够针对不同制造环节的具体需求提供对应的技术解决方案。

算力基础设施的布局进度持续提速，国家超算中心、智算中心的建设不断推进，为海量工业数据的存储、处理和分析提供了充足的算力保障，而总量超过十二万个的高质量数据集，覆盖了不同制造行业、不同生产环节的各类特征数据，能够为工业人工智能模型的训练、优化和迭代提供充足的素材支撑，有效降低了工业场景下人工智能模型的训练门槛，提升了模型在实际生产环境中的适配性和运行稳定性。

在技术落地的实际表现层面，工业大模型已经在钢铁、汽车、石化等重点行业的多个高价值场景中完成了从试点验证向规模化落地的关键跨越，边缘智能技术能够在生产现场实现毫秒级的数据处理和响应，满足工业生产对低时延、高可靠性的严苛要求，数字孪生技术则可以构建与物理生产系统完全映射的虚拟镜像，帮助企业实现对生产全流程的实时监控、模拟仿真和优化调整，这些技术的逐步成熟落地，让人工智能与制造业的融合不再停留在概念层面，而是形成了可复制、可推广的实际应用路径。

各地制造业数字化智能化改造步伐明显加快，截至2025年底全国规模以上工业企业开展数字化改造比例达百分之八十九点六，数字化设备普及率达到百分之五十七点七，这两组核心数据直观展现了我国制造业数智化改造的整体推进规模，绝大多数规模以上工业企业已经完成了基础层面的数字化改造工作，大量传统生产设备完成了数字化升级，能够实现生产数据的自动采集、传输和共享，为后续人工智能技术的深度应用搭建了硬件基础。

江苏、广东、浙江等制造业大省依托自身雄厚的制造业产业基础，在数智化改造的实践过程中探索形成了平台化设计、个性化定制、网络化协同、服务化延伸等典型模式，这些经过实际验证的典型模式，为不同地区、不同类型的制造企业推进数智化改造提供了清晰的参考路径。以平台化设计为例，企业可以依托数字平台整合全球范围内的设计资源，打破传统设计环节的地域和时间限制，大幅提升产品设计的效率和质量，缩短新产品的研发周期。

个性化定制模式则能够帮助企业快速响应不断变化的市场需求，根据不同客户的差异化需求快速调整生产流程，在保障生产效率的同时满足客户的定制化需求，有效提升产品的市场竞争力。网络化协同模式依托工业互联网平台打通产业链上下游不同企业之间的数据壁垒，实现协同采购、协同制造、协同配送，让整个产业链的资源配置效率得到大幅提升，而服务化延伸模式则推动制造企业从单纯的产品生产商向全生命周期的服务商转型，围绕售出的产品提供远程运维、预测性维护等延伸服务，拓展企业的盈利空间，重塑企业的产业价值。

除了江苏、广东、浙江等制造业大省之外，全国范围内多个地市也在持续推进中小企业的数字化转型工作，部分地区建立起“诊断评估－改造实施－样本推广”的长效机制，多个细分行业的中小企业数字化转型实践样本获得全国范围的推广，帮助大量中小企业解决了数智化改造过程中面临的不会改、不敢改、改不起的现实难题，让不同规模的制造企业都能找到适配自身发展实际的数智化转型路径，进一步扩大了制造业数智化改造的覆盖范围。

人工智能与制造业融合发展仍面临关键技术和核心零部件供给不足的挑战，在工业生产的核心控制环节，部分关键技术和核心零部件的自主供给能力仍有待提升，相关短板直接影响到整个制造体系的自主可控水平，也在一定程度上制约了人工智能技术在工业核心场景的深度渗透。工业生产的底层逻辑始终将稳定性放在首位，对毫秒级低时延、高可靠性和绝对确定性有着极高要求，部分核心技术环节的供给不足，会直接影响人工智能系统在工业核心控制场景下的运行稳定性，难以完全满足工业生产的严苛要求。

科技成果转化存在障碍也是当前融合进程中面临的突出问题，大量实验室环境下取得的人工智能技术成果，在向真实工业生产场景转移的过程中，往往会遇到工程化适配难度大、验证成本高、容错空间小等现实问题，很多具备较高技术水平的科研成果无法快速落地到生产一线，难以转化为实际的生产力。科研机构的研发方向和制造企业的实际需求之间还存在一定的衔接缝隙，部分研发成果没有充分结合工业场景的实际机理，导致成果落地之后无法适配企业真实的生产流程，难以发挥出预期的技术价值。

大企业产业链带动效应尚待释放，当前部分产业链上的龙头企业自身已经完成了较高水平的数智化改造，但尚未充分发挥出对产业链上下游中小企业的带动作用，产业链不同环节企业之间的数据互联互通水平还有待提升，龙头企业的技术、资源和经验优势没有充分传导到产业链的各个环节，导致产业链整体的数智化转型进度不均衡，部分配套中小企业的数智化水平滞后于龙头企业，影响了整个产业链的协同运行效率。

数据与人才等要素支撑面临障碍也是制约融合进一步走深走实的重要因素，工业数据的要素价值尚未得到充分释放，数据的流通、共享和交易机制仍有待完善，大量分散在不同企业、不同环节的工业数据无法实现高效的整合利用，难以形成支撑人工智能模型持续优化的高质量数据资源池。同时，既掌握人工智能技术原理，又熟悉工业生产机理的复合型人才总量存在明显缺口，产业工人的数字技能水平也有待提升，人才供给的不足直接影响了人工智能技术在制造场景的落地应用效果，相关短板需要在芯片制造、工业操作系统、专用人工智能模型训练数据及复合型人才等方面加以突破。

为加快推动融合走深走实，首先要强化关键核心技术攻关，围绕工业人工智能芯片、工业大模型等编制卡脖子技术清单并组织产学研协同攻关，整合龙头企业、高校、科研院所等多方主体的技术资源，针对清单内的关键核心技术集中优势力量开展攻关，加快补齐关键技术短板，提升核心技术和核心零部件的自主供给能力，构建自主可控的工业人工智能技术体系，为人工智能与制造业的深度融合筑牢技术安全底座。

建设人工智能中试验证平台并建立容错机制以促进成果转化，通过搭建专门面向工业场景的中试验证平台，为各类人工智能技术成果提供贴近真实生产环境的验证场景，降低科研机构和企业开展成果转化的成本，同时配套建立合理的容错机制，在保障生产安全的前提下，为新技术的测试、迭代和优化留出充足的试错空间，打破科研成果从实验室走向生产线的中间堵点，大幅提升科技成果的转化效率，让更多先进的人工智能技术成果能够快速在工业生产场景中落地应用。

推动大中小企业协同融通创新，依托产业集群打造共享服务平台，充分发挥龙头企业的技术、资源和场景优势，带动产业链上下游的中小企业共同开展数智化转型，通过共享服务平台为中小企业提供低成本、便捷化的人工智能技术服务和数智化改造解决方案，降低中小企业推进数智化转型的门槛，推动产业链不同环节的企业实现数据互通、资源共享、协同创新，形成大中小企业优势互补、协同共进的产业融合生态，释放产业链整体的数智化发展效能。

加快工业数据要素市场化建设，充分激活工业数据的要素价值，建立健全工业数据流通、共享、交易的相关规则体系，在保障数据安全的前提下，推动工业数据资源的高效整合和有序流通，为工业人工智能模型的训练和优化提供充足的高质量数据支撑。同时鼓励高校增设交叉专业，围绕人工智能和制造业融合的发展需求，调整相关学科的培养方案，培养更多既掌握人工智能技术又熟悉工业生产机理的复合型专业人才，同步开展面向广大产业工人的数字技能培训，提升产业工人对人工智能技术的操作和应用能力，为人工智能与制造业的深度融合提供充足的人才要素支撑。

(编辑：杨学萍)