1月7日，工业和信息化部、中央网信办、国家发展改革委等八部门联合印发的《“人工智能+制造”专项行动实施意见》提出，加快推进人工智能技术在制造业融合应用，到2027年，我国人工智能关键核心技术实现安全可靠供给，产业规模和赋能水平稳居世界前列。人工智能作为引领未来的前瞻性、战略性技术，是新一轮科技革命和产业变革的核心引擎，可为发展新质生产力蓄势赋能。加快推进人工智能技术在制造业的应用，是建设制造强国的重要途径，将对经济发展质量变革、效率变革、动力变革形成强力助推，全方位、深层次、高水平赋能新型工业化。
深度融合取得积极进展
推动人工智能与制造业深度融合，核心是依托大数据智能、人机混合增强智能、群体智能、跨媒体智能、自主智能等新一代人工智能技术，对制造企业产品研发、生产制造、服务保障等全生命周期环节进行系统性重构，催生新产品、新业态、新模式，进而提升制造业全要素生产率，助力制造业实现高质量发展。加强人工智能技术在制造业领域的深度应用，支持企业在重点场景应用通用大模型、行业大模型和工业智能体，有助于推动生产制造的“人机料法环”要素体系从静态配置向动态自组织的智能范式跃迁，生产制造系统向自主感知、协同决策、实时演化的智能体生态系统转型。这一变革将重构制造业底层运行逻辑，持续优化生产要素配置与提升价值链地位，成为构建智能制造体系，夯实制造强国竞争力的关键引擎。另外，加快人工智能在制造业领域的规模化应用，探索推广新型生产制造方式，将有力推进制造业与生产性服务业深度融合，由此促进生产型制造向服务型制造、平台型制造转变，深刻改变制造业生产模式和经济形态，促进我国制造业由国际价值链低端迈向中高端。
近年来，我国高度重视人工智能与制造业的深度融合，大力推动制造业全流程智能化升级，推进人工智能技术深度嵌入生产制造核心环节，取得了积极进展。数据显示，中国工业企业应用大模型及智能体的比例，从2024年的9.6%提升到2025年的47.5%；工业机器人产量由2015年的3.3万套增长至2024年的55.6万套，应用于国民经济71个行业大类、236个行业中类，工业机器人实现从“单兵作战”到“群体智能”；建成3万余家基础级智能工厂、1200余家先进级智能工厂、230余家卓越级智能工厂，覆盖超过80%的制造业行业大类，工厂产品研发周期平均缩短28.4%。另外，根据国家税务总局统计数据，2025年前11个月，全国制造业企业采购数字技术金额同比增长11.2%。其中，汽车制造、通用设备制造、计算机通信和其他电子设备制造等装备制造业采购数字技术金额同比分别增长25.5%、19.7%和13.3%。上述数据表明，我国制造业数字化转型、智能化升级加速推进，人工智能赋能新型工业化水平不断提升，制造业高质量发展步伐不断加快。
我国人工智能与制造业的深度融合之所以取得这样的成绩，是多重有利因素共同作用的必然结果。一方面，我国政府高度重视人工智能与制造业深度融合，2025年全国工业和信息化主管部门负责同志座谈会在部署下半年工作重点时明确，推动“人工智能+制造”行动走深走实，加强底座攻关和重点场景应用。另外，工业和信息化部发布的信息化和工业化融合2025年工作要点也提出，鼓励研发推广面向典型场景的工业智能体，支持一批企业开展智能体试点建设，提升工业全流程智能化水平。另一方面，我国制造业拥有完整的产业体系，已形成覆盖终端产品、核心零部件、关键原材料及配套设备的全链条产业布局。同时，以5G、工业互联网、算力网络为核心的信息基础设施建设成效显著，为深入推动人工智能与制造业深度融合奠定了坚实基础。然而，我国人工智能发展正处于机遇与挑战并存的关口期，现阶段人工智能与制造业深度融合仍然存在一些问题。首先，制造企业智能化转型动力仍有不足，部分企业应用人工智能技术困难较多。其次，高质量的数据获取和整合面临挑战，部分制造业领域存在数据采集难度大、数据资源分散、工业企业数据不规范等问题，数据资产管理能力有待提升。同时，人工智能与制造业融合应用场景数量不足、质量不高，工业深水区的应用场景仍有待进一步挖掘。
加速融合需进一步精准施策
要进一步推进人工智能与制造业深度融合，加速人工智能技术深入渗透到生产制造各环节，促进人工智能赋能制造业高质量发展，应从以下三方面入手。
一要健全要素保障，激发企业智能化转型内生动力。构建技术、人才、资金全方位保障体系，支持制造企业应用人工智能技术。首先，加强制造企业数智化转型的技术支撑，强化基础研究前瞻布局，推进多模态智能、群体智能等的原创理论突破，在人工智能芯片、工业软件等“卡脖子”环节重点发力，持续攻关。其次，鼓励制造企业通过长短期聘用、场景应用项目合作等方式，精准引进人工智能前沿技术领域高端紧缺人才。再次，打通资金流动融通渠道，为制造企业设立人工智能产业发展基金，加大财税支持力度，布局支持“人工智能+制造”相关技术研发和应用，引导制造企业加快与人工智能融合步伐。
二要突破数据瓶颈，加快打造高质量的工业数据集。构建高质量数据生态，要建立完善的数据采集、存储、分析和应用体系，打破数据孤岛，促进数据流通和价值实现。梳理适配制造业模型需求的数据资源清单，发布制造业高质量数据集建设指南，完善适配人工智能发展的数据产权和版权制度，形成统一的数据格式规范和行业标准，用好制造业数字化转型促进中心等载体，推动将基础数据转化为高质量行业数据集。另外，要指导制造企业加强数据工程能力建设，围绕数据流通和交易全链条，培育一批数据服务型、数据管理型、数据应用型典型企业，鼓励龙头骨干企业设置专门的数据治理部门，提升行业数据标准化水平，以数据融通促进人工智能与制造业深度融合。
三要拓展应用场景，全方位推进人工智能赋能应用。要着力打造一批示范性强、带动性广、显示度高的深度融合典型应用场景和产品，建设更多创新示范应用标杆。围绕制造业全流程，系统梳理重点环节应用场景，面向研发设计、中试验证、生产制造、供应链管理、经营管理与服务等泛化场景，编制应用场景建设指南。另外，要深挖未来智能制造应用场景机会，聚焦智能工厂、智能车间，选树一批典型应用案例，通过场景创新促进通用人工智能关键技术迭代升级，推动人工智能技术深度嵌入生产制造核心环节。同时，健全人工智能应用场景建设指引、开放度评价与激励政策，支持企业探索高质量应用场景，带动人工智能与制造业深度融合。
（刘虎沉、宋祎璠短线配资网站，同济大学经济与管理学院）
盛鹏配资提示：文章来自网络，不代表本站观点。
热点资讯
