1月7日，工業和信息化部、中央網信辦、國家發展改革委等八部門聯合印發的《“人工智能+制造”專項行動實施意見》提出，加快推進人工智能技術在制造業融合應用，到2027年，我國人工智能關鍵核心技術實現安全可靠供給，產業規模和賦能水平穩居世界前列。人工智能作為引領未來的前瞻性、戰略性技術，是新一輪科技革命和產業變革的核心引擎，可為發展新質生產力蓄勢賦能。加快推進人工智能技術在制造業的應用，是建設制造強國的重要途徑，將對經濟發展質量變革、效率變革、動力變革形成強力助推，全方位、深層次、高水平賦能新型工業化。

深度融合取得積極進展

推動人工智能與制造業深度融合，核心是依托大數據智能、人機混合增強智能、群體智能、跨媒體智能、自主智能等新一代人工智能技術，對制造企業產品研發、生產制造、服務保障等全生命周期環節進行系統性重構，催生新產品、新業態、新模式，進而提升制造業全要素生產率，助力制造業實現高質量發展。加強人工智能技術在制造業領域的深度應用，支持企業在重點場景應用通用大模型、行業大模型和工業智能體，有助於推動生產制造的“人機料法環”要素體系從靜態配置向動態自組織的智能范式躍遷，生產制造系統向自主感知、協同決策、實時演化的智能體生態系統轉型。這一變革將重構制造業底層運行邏輯，持續優化生產要素配置與提升價值鏈地位，成為構建智能制造體系，夯實制造強國競爭力的關鍵引擎。另外，加快人工智能在制造業領域的規模化應用，探索推廣新型生產制造方式，將有力推進制造業與生產性服務業深度融合，由此促進生產型制造向服務型制造、平台型制造轉變，深刻改變制造業生產模式和經濟形態，促進我國制造業由國際價值鏈低端邁向中高端。

近年來，我國高度重視人工智能與制造業的深度融合，大力推動制造業全流程智能化升級，推進人工智能技術深度嵌入生產制造核心環節，取得了積極進展。數據顯示，中國工業企業應用大模型及智能體的比例，從2024年的9.6%提升到2025年的47.5%﹔工業機器人產量由2015年的3.3萬套增長至2024年的55.6萬套，應用於國民經濟71個行業大類、236個行業中類，工業機器人實現從“單兵作戰”到“群體智能”﹔建成3萬余家基礎級智能工廠、1200余家先進級智能工廠、230余家卓越級智能工廠，覆蓋超過80%的制造業行業大類，工廠產品研發周期平均縮短28.4%。另外，根據國家稅務總局統計數據，2025年前11個月，全國制造業企業採購數字技術金額同比增長11.2%。其中，汽車制造、通用設備制造、計算機通信和其他電子設備制造等裝備制造業採購數字技術金額同比分別增長25.5%、19.7%和13.3%。上述數據表明，我國制造業數字化轉型、智能化升級加速推進，人工智能賦能新型工業化水平不斷提升，制造業高質量發展步伐不斷加快。

我國人工智能與制造業的深度融合之所以取得這樣的成績，是多重有利因素共同作用的必然結果。一方面，我國政府高度重視人工智能與制造業深度融合，2025年全國工業和信息化主管部門負責同志座談會在部署下半年工作重點時明確，推動“人工智能+制造”行動走深走實，加強底座攻關和重點場景應用。另外，工業和信息化部發布的信息化和工業化融合2025年工作要點也提出，鼓勵研發推廣面向典型場景的工業智能體，支持一批企業開展智能體試點建設，提升工業全流程智能化水平。另一方面，我國制造業擁有完整的產業體系，已形成覆蓋終端產品、核心零部件、關鍵原材料及配套設備的全鏈條產業布局。同時，以5G、工業互聯網、算力網絡為核心的信息基礎設施建設成效顯著，為深入推動人工智能與制造業深度融合奠定了堅實基礎。然而，我國人工智能發展正處於機遇與挑戰並存的關口期，現階段人工智能與制造業深度融合仍然存在一些問題。首先，制造企業智能化轉型動力仍有不足，部分企業應用人工智能技術困難較多。其次，高質量的數據獲取和整合面臨挑戰，部分制造業領域存在數據採集難度大、數據資源分散、工業企業數據不規范等問題，數據資產管理能力有待提升。同時，人工智能與制造業融合應用場景數量不足、質量不高，工業深水區的應用場景仍有待進一步挖掘。

加速融合需進一步精准施策

要進一步推進人工智能與制造業深度融合，加速人工智能技術深入滲透到生產制造各環節，促進人工智能賦能制造業高質量發展，應從以下三方面入手。

一要健全要素保障，激發企業智能化轉型內生動力。構建技術、人才、資金全方位保障體系，支持制造企業應用人工智能技術。首先，加強制造企業數智化轉型的技術支撐，強化基礎研究前瞻布局，推進多模態智能、群體智能等的原創理論突破，在人工智能芯片、工業軟件等“卡脖子”環節重點發力，持續攻關。其次，鼓勵制造企業通過長短期聘用、場景應用項目合作等方式，精准引進人工智能前沿技術領域高端緊缺人才。再次，打通資金流動融通渠道，為制造企業設立人工智能產業發展基金，加大財稅支持力度，布局支持“人工智能+制造”相關技術研發和應用，引導制造企業加快與人工智能融合步伐。

二要突破數據瓶頸，加快打造高質量的工業數據集。構建高質量數據生態，要建立完善的數據採集、存儲、分析和應用體系，打破數據孤島，促進數據流通和價值實現。梳理適配制造業模型需求的數據資源清單，發布制造業高質量數據集建設指南，完善適配人工智能發展的數據產權和版權制度，形成統一的數據格式規范和行業標准，用好制造業數字化轉型促進中心等載體，推動將基礎數據轉化為高質量行業數據集。另外，要指導制造企業加強數據工程能力建設，圍繞數據流通和交易全鏈條，培育一批數據服務型、數據管理型、數據應用型典型企業，鼓勵龍頭骨干企業設置專門的數據治理部門，提升行業數據標准化水平，以數據融通促進人工智能與制造業深度融合。

三要拓展應用場景，全方位推進人工智能賦能應用。要著力打造一批示范性強、帶動性廣、顯示度高的深度融合典型應用場景和產品，建設更多創新示范應用標杆。圍繞制造業全流程，系統梳理重點環節應用場景，面向研發設計、中試驗証、生產制造、供應鏈管理、經營管理與服務等泛化場景，編制應用場景建設指南。另外，要深挖未來智能制造應用場景機會，聚焦智能工廠、智能車間，選樹一批典型應用案例，通過場景創新促進通用人工智能關鍵技術迭代升級，推動人工智能技術深度嵌入生產制造核心環節。同時，健全人工智能應用場景建設指引、開放度評價與激勵政策，支持企業探索高質量應用場景，帶動人工智能與制造業深度融合。

（作者單位：同濟大學經濟與管理學院）

分享讓更多人看到