推动人工智能与先进制造业深度融合

先进制造业是制造业产业链中的高端环节，具有高科技、高质量、高附加值、高效率等特点，是培育新质生产力、塑造国际竞争新优势的主阵地。当前人工智能加速与先进制造业深度融合，正深刻改变生产制造模式和产业形态。推动人工智能与先进制造业深度融合，既是顺应新一轮科技革命和产业变革的必然选择，也是推动制造业智能化、绿色化、融合化发展的必由路径。

一、人工智能与先进制造业深度融合的发展形势

从国际看，推动人工智能与先进制造业深度融合是重塑全球制造业竞争格局的战略制高点。当前，全球制造业发展形势正发生深刻变化，传统依赖劳动力成本、资源投入和规模扩张的竞争模式难以为继，主要国家纷纷将人工智能作为抢占未来产业制高点、重构制造业竞争优势的重要抓手。美国发布《赢得竞赛：美国人工智能行动计划》，将“支持下一代制造业”列为核心行动方向，明确以人工智能、机器人及相关技术引领新一轮工业复兴。欧盟发布《人工智能大陆行动计划》，将先进制造列为14大战略行业首位，并通过政策激励大幅提升欧盟企业的人工智能应用渗透率。日本发布《人工智能基本计划》，充分发挥工业机器人、汽车制造及精密加工等领域的既有优势，集中攻关物理人工智能关键技术，加速补齐服务机器人领域的国际竞争短板。全球制造业竞争正由成本效率比拼转向智能水平、产业生态和规则标准的系统较量，对我国加快推动人工智能与先进制造业在技术创新、场景应用、标准体系、产业生态等方面深度融合提出了更加紧迫的要求。

从国内看，推动人工智能与先进制造业深度融合，是推进新型工业化、培育新质生产力的关键路径。当前，我国拥有全球最完整、规模最大的工业体系，制造业增加值占全球比重接近30%，总体规模连续15年位居世界第一，为人工智能与先进制造业的融合发展提供了广阔场景、海量数据和产业基础。近年来，我国制造业数智化转型基础不断夯实，数字化研发设计工具普及率、关键工序数控化率和经营管理数字化普及率分别达到85.5%、68.6%和80.9%。人工智能技术快速迭代，工业机器人、智能装备、工业软件、行业大模型等创新成果加速涌现，在生产管理、经营管理、营销服务等环节形成了一批高价值应用场景。在原材料、装备、消费品、电子信息等重点行业，人工智能技术在制造业重点行业渗透率已超过32.5%，正在从局部探索、单点赋能向场景牵引、系统集成转变，为先进制造业高质量发展注入新的动能。

但也应看到，人工智能赋能先进制造业尚存在若干结构性瓶颈。从技术供给与产业需求衔接看，“智能产业化”与“产业智能化”区域发展错位。北京、上海等地在人工智能技术研发、产业孵化和生态集聚方面领跑全国，但工业机器人、高端数控机床、航空装备等先进制造业的智能化转型领先地区仍以工业大省、强省为主，技术策源地与产业应用地之间的转化链路还不够顺畅，辐射带动效能尚未充分释放。从场景应用深度看，人工智能在先进制造业关键环节的渗透尚不充分。在生产管理、设备运维、质量检测等环节，人工智能应用已具备一定基础，但在高端精密加工、复杂工艺优化、柔性制造系统、质量智能控制等关键环节，深度应用仍处于探索阶段，尚未形成可大规模复制推广的成熟模式。从供需匹配程度来看，技术供给与先进制造需求之间存在结构性错配。先进制造对人工智能的精度、可靠性、实时性、可解释性、安全性提出了更高要求，通用大模型和标准化解决方案难以充分适配高度专业化、定制化的工业场景。多数制造业企业对人工智能应用持审慎态度，技术适配性与场景需求度的综合评价体系有待完善。推动人工智能与先进制造业深度融合既是破解现存制约的突破口，也是实现从全球价值链中低端向高端跃升的关键路径。

二、人工智能与先进制造业深度融合的重点方向

先进制造业是制造业产业链中技术密集度最高、创新活跃度最强、价值链控制力最突出的高端环节，也是人工智能赋能实体经济最具潜力和最具牵引效应的核心领域。推动人工智能与先进制造业深度融合，关键要把握人工智能技术演进规律和先进制造业发展需求，围绕要素协同、能力构建、应用跃迁和安全保障系统发力，加快形成支撑先进制造业高质量发展的新动能新优势。

推动“数据—模型—场景应用”协同共振。人工智能与先进制造业深度融合的本质，在于将人工智能的感知、推理与决策能力嵌入工业物理运行逻辑，推动制造系统从依赖人工经验与预设规则的刚性执行，转向基于数据与模型驱动的自主优化与精准决策。当前，数据、模型、场景之间的协同联动仍不充分，制约了融合效应的充分释放。数据层面，大量工业数据仍处于“沉睡”状态，设备互联互通不足、通信协议不兼容等问题导致数据“采不全”“集不齐”，数据失真、失准及一致性差等因素造成工业数据质量参差不齐。模型层面，通用大模型在语言、图像等领域表现突出，但对材料反应、精密控制、多场耦合、复杂工艺等工业机理理解不足，“懂数据、不懂工艺”“会推理、难控制”的问题仍然存在。场景层面，技术找不到场景、场景找不到技术的矛盾尚未有效化解，真正有价值的人工智能赋能应用场景有待挖掘。因此，亟须构建“以场景牵引数据治理、以数据支撑模型迭代、以模型反哺场景优化”的良性循环，促进数据、模型、场景协同演进，实现人工智能与先进制造业在工业机理、生产流程和价值创造层面的深度耦合。

推动“工业大模型—行业专用模型—工业智能体”协作共进。区别于传统制造业，先进制造业工艺耦合性强、加工精度高、过程非线性突出且质量容错率低，对工业模型的实时性、精准度、可解释性提出更高要求。我国“十五五”规划纲要中明确提出，“推动通用大模型和行业专用模型同步发展，依托高价值场景推动模型应用落地和迭代升级。建立健全模型能力评估体系。”从功能定位来看，三者构成从通用底座、专用能力到终端执行的梯次格局。工业大模型面向工业知识、工业数据和多模态任务训练或适配形成，具备较强的泛化能力、知识理解能力和多模态融合能力，是支撑制造业智能化转型的共性底座。行业专用模型是在工业大模型基础上，面向集成电路、航空航天、高端装备、新能源电池等先进制造细分领域，嵌入特定工艺机理、行业知识和场景数据，将通用智能转化为解决实际问题的专业能力。工业智能体则是模型能力与业务系统、生产装备、管理流程之间的连接载体，能够围绕特定任务开展自主感知、分析判断、决策执行和反馈学习，推动模型能力从推理分析向决策执行发展。从应用需求来看，先进制造业细分行业多、技术门类广、场景差异大，对不同类型模型的需求各有侧重。通用大模型擅长处理开放域语言、图像和知识推理任务，但难以充分理解材料反应、精密控制、多场耦合等复杂工业机理，底层通用能力难以破解制造业复杂多变、高度专业、高壁垒的应用难题。因此，必须推动工业大模型、行业专用模型和工业智能体同步发展，加快形成“底座支撑、行业适配、场景落地”的智能能力体系，更好服务先进制造业研发设计、生产制造、质量控制、设备运维和供应链协同等重点环节。

推动“单点智能—系统智能—生态智能”迭代深化。当前，人工智能技术正从感知、认知向决策、执行全面演进，先进制造业对技术赋能的需求也已从单点效率提升转向系统能力重构，两者融合正从局部探索走向全面深化。从演进路径来看，“单点智能—系统智能—生态智能”驱动工业智能能级跃迁。单点智能重在围绕研发设计、质量检测、设备运维、能源管理、仓储物流等具体环节开展智能化改造。系统智能重在打通研发、生产、供应、销售、服务等全流程数据链路，推动智能装备、工业软件、控制系统和管理平台协同运行，实现从局部优化向全流程优化、从经验驱动向数据模型驱动转变。生态智能重在发展企业的智能原生能力，形成跨企业、跨区域、跨行业的智能化协作网络。从现实需求来看，复杂工业系统需求驱动智能应用向全域协同跃升。先进制造业领域普遍具有产品结构复杂、工艺链条长、质量要求高、供应体系庞大等特点，单点环节的智能化难以支撑整体效率提升和竞争优势塑造。为顺应人工智能赋能先进制造业的演化趋势，应推动人工智能应用从点上突破向系统集成拓展、从业务辅助向智能原生深化、从企业内部优化向产业生态协同延伸，加快实现系统智能、生态智能的迭代深化。

推动“智能发展与安全可信”统筹兼顾。人工智能与先进制造业深度融合，既拓展了制造业提质增效、模式创新和价值跃升的空间，也对产业安全、数据安全、模型安全和运行安全提出了更高要求。人工智能与先进制造业融合带来的安全问题具有复合性、传导性和隐蔽性。复合性体现在风险同时涉及数据安全、模型安全、网络安全、功能安全和生产安全等多个维度。传导性体现在人工智能系统与工业控制系统、生产执行系统、智能装备深度耦合后，数字空间中的数据异常、模型误判和网络攻击可能向物理生产过程传导，进而影响质量稳定、生产连续和安全运行。隐蔽性体现在模型运行过程复杂、输出结果不易完全解释，部分风险可能以参数漂移、判断偏差、质量波动等形式逐步积累，直到影响生产稳定性和产品可靠性时才集中显现。为此，必须把安全要求嵌入数据治理、模型训练、系统部署、场景应用和运行监管全过程，健全风险识别、评估、预警和处置机制，推动人工智能在可控、可测、可信条件下赋能先进制造业。

三、以融合思维推动我国先进制造业高质量发展

以融合思维推动我国人工智能和先进制造业高质量发展，既要推动人工智能全方位、深层次赋能先进制造业应用，也要依托先进制造业丰富场景反向牵引人工智能技术迭代升级，形成“双向赋能”的发展格局。

一是以“人工智能+制造”牵引先进制造业整体跃升。推动人工智能深度融入先进制造业发展全链条，加快改造提升传统产业、培育壮大新兴产业、前瞻布局未来产业，促进智能技术优势转化为先进制造业升级优势，不断增强制造强国建设新动能。

二是以新一代智能制造重塑先进制造生产模式。加快发展新一代智能制造，推动人工智能与研发设计、生产制造、质量管控、供应链协同、运维服务等环节深度融合，促进制造模式由数字化向智能化、柔性化、绿色化演进，提升先进制造业效率、质量和价值创造能力。

三是以模型、智能体和智能装备夯实能力底座。支持行业大模型和工业智能体开发应用，鼓励研发新一代智能装备和智能产品，加强工业软件、智能硬件、控制系统和应用场景协同适配，推动人工智能能力向装备产品、生产系统和产业应用延伸，形成支撑先进制造业智能化跃升的核心能力体系。

四是以分类推进重点行业数智化转型提升融合实效。面向先进制造业不同行业基础、场景特征和转型需求，分类推进重点行业数智化转型。聚焦原材料、装备制造、电子信息、消费品等重点领域，挖掘高价值应用场景，发展赋能应用服务商，推动人工智能应用从试点示范向规模推广拓展。

五是以企业主体作用激发融合创新活力。充分发挥企业在推动人工智能与先进制造业深度融合中的主力军作用，支持企业加大研发投入，加强产学研协同攻关，打造智能产品、智能服务等新业态新模式，更好引领产业转型升级、满足群众生活需要。

（作者为国家工业信息安全发展研究中心信息化所研究总监、高级工程师）

（责编：张若涵）