全球智能制造業發展現狀、趨勢與啟示

復旦大學應用經濟學博士后流動站 上海社會科學院 郭 進

當前，世界正面臨“百年未有之大變局”，新一輪的科技革命與產業變革進入歷史性的交匯期，正在“重構全球創新版圖、重塑全球經濟結構”。(1)習近平：《在中國科學院第十九次院士大會、中國工程院第十四次院士大會上的講話》，載于《人民日報》2018年5月29日，第2版。智能制造作為新一輪科技革命的核心技術之一，將人工智能等領域的最新技術成果嵌入到“生產—消費”循環，從“生產制造方式、技術經濟范式和產業組織形態”三個主要方面，構建以“可重構生產系統、個性化制造、快速市場反應和網絡化協同”為特征的智能制造體系，從而顛覆了傳統制造業的競爭模式，深刻改變了全球制造業的競爭格局和全球價值鏈的分配模式。如何把握智能制造的發展機遇，重塑本國制造業的全球競爭力，日益成為世界各國制造業競爭的焦點，也是中國制造業轉型升級必須牢牢抓住的發展機遇。

自2010年起，中國制造就在體量上超越美國，成為全球制造業第一大國，但中國制造的微觀基礎仍停留在“工業2.0”“工業3.0”時代。一方面，中國制造嚴重依賴國外的高新技術和產品，以致一個芯片斷供就嚴重影響了中國整個高科技行業的發展。另一方面，智能時代的到來不僅提升了全球制造業的準入門檻，而且加速了中國制造向外轉移的步伐。面對內部產業轉移和外部體系升級的雙重壓力，以智能制造培育新動能，以新動能促進新發展，已經成為世界產業變革的一個重要方向(王瑞華，2018)。中國需要發揮在人工智能領域的技術優勢，把握智能制造市場快速崛起的戰略機遇，加速機器智能及其智能決策系統的研發，推進人工智能技術與精益制造技術的深度融合，積極搶占全球智能經濟發展的主動權。研究全球智能制造業發展現狀、特征和趨勢，有針對性地提出中國制造的應對策略，不僅具有指導企業升級的現實意義，更是重塑中國制造競爭優勢的戰略需要。

一、智能制造是全球制造業新一輪競爭的高地

智能制造的崛起主要得益于兩方面的優勢：一是智能制造大幅提高了企業的生產運營效率，能夠重塑企業的微觀競爭優勢；二是智能制造是新工業革命的主攻方向，能夠重塑國家的競爭優勢。

在微觀方面，智能制造正成為重新界定企業競爭力的關鍵因素(李景海和林仲豪，2016)，是企業提升效率的理性選擇。當前，人類生產制造技術面臨“人機功效難以高度匹配”和“生產管理系統發展停滯”兩個發展瓶頸，導致生產組織的效率嚴重滯后于自動化生產技術的進步，企業難以有效降低生產供應體系和生產協作體系的成本支出。新一代智能制造技術通過整合企業IT系統與OT系統，建立統一的智能決策系統，解決了上述發展瓶頸，為提升整個生產制造體系的效率打開了空間。一是統一的智能化運維有效提升了生產組織過程的合理性和生產重組的靈活性，大幅降低生產組織過程的物料損耗、維修費用等。根據GE和Accenture(2015)的報告，引入智能技術后，企業的生產效率可提高30%，預測性維修可降低12%的維修量，整體維修成本降低30%，設備停機減少 70%。二是智能技術的快速發展，大幅降低了智能產品和技術的應用成本。新一代智能傳感器、大數據、人工智能等技術的成熟和普及，為企業從數字化制造升級到智能制造，提供了低成本的升級環境。

在宏觀方面，智能制造作為新工業革命的主攻方向(王喜文，2015)，已成為各國制造業競爭的焦點。目前，全球正迎來“以第六次技術革命浪潮為核心的第三次工業革命”(賈根良，2013)，制造業由成本優勢向效率優勢轉型，是此輪產業變革的鮮明特色(呂薇，2017)。隨著人工智能技術的不斷成熟，智能制造作為信息技術的集大成者，正迎來發展的黃金時期——其相關的核心技術及其配套產業，經過40多年的發展，已基本不存在難以克服的重大技術瓶頸。因此，相比“新能源、新材料、生物科技”等技術，智能制造更具產業化的廣闊前景，也必將率先成為各國制造業競爭的焦點。

二、全球智能制造業競爭的主要特征

與歷次工業革命相比，此輪以智能制造為代表的新工業革命具有一些新的特征，突出表現在以下三個方面。

(一)國家政策強力推動，政企密切合作推進

“第三次工業革命”的發生和發展是外生的技術進步和內生的國家政策安排共同驅動、協同作用的結果(黃群慧和賀俊，2013)。作為新一輪工業革命的核心(周濟，2015)，智能制造的發展同樣也得益于國家意志的強力推動。

美國是全球智能技術的引領者，在推進智能技術創新和智能制造產業發展時，并沒有完全貫徹放任自由的“守夜人”政策。而是采取了“政企互動、大小互動、軍民互動、產研互動”的舉措，打造國家和企業在智能領域的“全生態、全場景、全社會”優勢(高奇琦，2017)。自20世紀90年代起，美國國家科學基金會(NSF)就推出了“智能制造研究”的國家科研項目，系統性地開展了智能制造技術研究。2005年以后，又相繼推出了聰明加工系統研究計劃、實現21世紀智能制造、國家人工智能研發戰略規劃、美國人工智能倡議等12項國家戰略、國家政策、總統行政令(見表1)，形成了“國家戰略引領、大企業主導基礎技術研發、小企業開發場景應用技術、政府采購優先招標”的技術創新體系，為美國全面引領智能技術發展，構筑了良好的創新生態體系和產業發展環境。

表1 美國智能制造戰略體系構成

續表

資料來源：作者整理。

在這種示范效應下，全球智能技術和智能產業的競爭日趨白熱化，“德國2020高技術戰略”，日本“互聯工業”戰略，“英國制造2050”戰略，“新工業法國”戰略、歐盟“2020地平線”計劃等，都將智能制造作為重要的戰略方向。

(二)全球智能制造市場快速增長，壟斷格局尚未形成

核心技術的突破、政府的戰略支持，極大地降低了智能技術的應用門檻，推動了智能制造產業的快速發展，其中亞太成為復合增長率最高的地區。2010年，全球智能制造市場規模為2537億美元，到2017年就增長到10000億美元以上(見表2)，年復合增長率高達18.7%。預計到2022年，全球智能制造業的產值將達到1.51萬億美元左右。這其中又有三個典型的結構性現象，表明全球智能制造仍處于產業發展初期。

表2 2010～2017年全球智能制造業產值規模

資料來源：作者整理。

第一，工業互聯網引領智能制造產業發展。智能制造系統的物理技術結構分為“感知層、網絡傳輸層、設備層、應用層、決策層”，與之相對應，智能制造產業鏈包括“智能感知產業、工業互聯網產業、智能裝備產業、系統集成產業、人工智能產業”(見表3)。其中工業互聯網具有低時延、高可靠、廣覆蓋的特點，是鏈接工業全系統、全產業鏈、全價值鏈的關鍵基礎設施，是支撐工業智能化發展的核心載體(陳肇雄，2016)。作為先導性產業，近年來，工業互聯網日益表現出產業發展的引領性，2017年，全球工業互聯網市場規模達到了7500億美元，占到智能制造市場份額的70%以上，其中，算力(工業云計算和邊緣計算)、算據(工業大數據)和算法能力(工業人工智能)這三部分代表的全球工業互聯網平臺市場，其規模占整體“人工智能+制造”市場的24%。根據零點有數集團(2018)預測，到2025年全球工業互聯網平臺市場規模將達到2.6千億美元，占比達36%。而GE(2012)更是預測，到2025年工業互聯網技術可應用于規模約為82萬億美元的產業，將占全球GDP的50%。這也意味著全球智能制造業仍處于發展布局階段，中國完全有可能實現局部趕超。

表3 智能制造產業的技術鏈與產業鏈構成

資料來源：作者整理。

第二，智能制造裝備的需求持續增長。智能制造裝備是“具有感知、分析、推理、決策、控制功能”的生產裝備(傅建中，2014)，是由智能機器和人類專家共同組成的人機一體化智能系統，能夠在制造過程中進行分析、推理、判斷、構思和決策等智能活動(幸權和柴宗明，2011)，從而通過人與智能機器的合作共事，擴大、延伸和部分地取代人類專家在制造過程中的腦力勞動(劉飛，1999)，為實現從“以人為主”向“以機器為主”的決策模式轉變，提供了物質基礎。

近年來，全球進入新一輪的固定資產更新改造周期，市場對工業機器人、數控機床、3D打印設備、新型傳感器和工業自動化成套設備等智能制造裝備的需求持續增長。以工業機器人為例，2013年以來，全球新裝工業機器人年平均增速高達12.1%，2017年全球工業機器人銷量達到33萬臺，其中僅中國就銷售了14.1萬臺，計42.2億美元(見圖1)。

圖1 2017年全球工業機器人銷售額比例資料來源：作者根據《智研咨詢報告》、中國產業信息網、中商情報網等數據整理。

第三，制造執行系統(MES)成為領先發展的決策支持系統。MES是面向生產車間的生產管理技術與實時信息系統(饒運清等，2002)，是連接企業計劃管理層和底層工業控制之間的橋梁(羅國富和施法中，2004)。MES主要功能包括車間資源分配、過程管理、質量控制、維護管理、數據采集、性能分析及物料管理等(左革成等，2015)。伴隨著云制造、物聯制造、制造業服務化、網絡化以及工業4.0等概念的完善，MES已突破車間執行系統的局限，不斷向控制層和計劃層滲透，延伸到大數據、云計算、人工智能、制造業服務化等多個領域，由單一功能的MES產品向集成MES和整體解決方案發展，構成了寬泛意義的系統集成產業。MES成為市場的主流需求，表明在目前發展階段，新一代的智能決策支持系統(IDSS)還沒能真正成熟，還無法有效解決生產制造環節的復雜決策問題，企業主要沿著改造傳統生產線的路徑進行智能化升級。這也提示我國發展智能制造，不能急于求成，必須循序漸進。

(三)智能制造產業的競爭主體多元化，存在多種發展路徑

第一，智能制造產業尚缺乏清晰的鏈主企業。當前，智能制造產業仍處于發展布局階段，參與主體多元化、跨產業滲透與融合、橫向分工細化是主要特征。突出表現為傳統制造企業智能化轉型和互聯網企業切入生產制造領域兩股趨勢。傳統制造企業作為制造領域的在位企業，擁有制造工藝和制造文化兩項優勢。互聯網企業和智能化服務企業作為市場入侵者，擁有信息技術的優勢。然而，無論是在位企業，還是入侵企業，目前都無法同時擁有“制造工藝、信息技術和數據服務”三項優勢，短時期內都無法主導制造業的變革。智能制造產業的發展，主要表現為三類企業圍繞工業互聯網平臺，在智能終端產品和智能生產領域展開的競爭與合作。這提示我們，發揮中國在消費互聯網領域的技術優勢和市場優勢，利用大數據分析等智能技術創新，能夠打破跨國公司對全球終端消費市場的壟斷，實現傳統制造業的價值鏈攀升。

第二，傳統制造企業更具智能化升級的優勢。智能化轉型升級的本質是應用信息技術和人工智能技術對傳統制造業進行數字化、智能化升級，而非徹底淘汰制造業。智能經濟體系下，產品服務化只是改變了終端產品的物理形態和提供方式，并不能完全替代生產制造活動本身。互聯網企業鼓勵創新、張揚個性的企業文化，與工程師和藍領工人的制造文化也存在較大的差異，這決定了互聯網企業在較長時期內難以突破傳統制造業的文化障礙、知識壁壘和技能瓶頸。當數據成為重要的生產資料和交易商品時，未來的互聯網企業和數據分析師也終將轉型成為新的“制造企業”和產業工人。而傳統的龍頭制造企業因為熟悉工藝流程、掌握生產訣竅、制造文化深厚，相對更具引領制造業智能化轉型升級的優勢。

第三，互聯網企業重點發展智能終端產品和工業互聯平臺。面對多元化的競爭格局，作為“入侵者”的互聯網企業主要依托自身的人工智能技術和互聯網技術優勢，對傳統制造企業展開“降維競爭”。一是互聯網企業通過研發的新智能產品，構建新的智能制造產業鏈。如Google公司的智能眼鏡、商湯科技的工業級人臉識別等智能終端產品和技術，開辟了與傳統制造完全不同的競爭領域，形成了新的智能產業鏈。或者利用人工智能技術對終端消費市場進行精準區分，針對性推出機器翻譯、語音識別等服務型智能產品。二是互聯網龍頭企業積極并購與重組中小智能研發企業。例如，2013年Google公司收購了8家與機器人有關的公司，2014年又陸續收購人工智能公司DeepMind和智能家居公司Nest。根據創投研究機構CB Insights的統計數據，近年來，Google已并購了近20家人工智能公司。三是搭建工業云平臺，從云存儲、云計算領域構筑智能云制造的生態體系。與龍頭制造企業將傳統的生產協作體系互聯網化不同，互聯網企業更側重于搭建工業云平臺，發揮自己在算法(人工智能)和算力(云計算、邊緣計算)方面的優勢，與傳統制造企業展開錯位競爭。如微軟的Azure IoT、阿里巴巴的Ability工業云平臺等，均是這種平臺戰略的產物。

三、智能制造業的未來發展趨勢

(一)智能制造將向新一代智能制造體系升級

按照信息技術向制造業滲透、融合的程度，智能制造可以劃分為“數字化制造、數字化網絡化制造(互聯網+制造)、數字化網絡化智能化制造(新一代智能制造)”三個階段(周濟，2018)。目前，工業發達國家制造業已完成了“機械化、電氣化、數字化”三個歷史發展階段，具備了向新一代智能制造階段跨越式升級的基礎和條件。

新一代的智能制造范式是柔性化和集成化的延伸與發展(孫柏林，2013)，智能決策系統對制造活動中人類腦力勞動的替代，是其最本質的特征。通過增加認知和學習的功能，用計算機將人的智能活動與智能機器有機融合，智能決策系統及其專家知識庫使制造系統不僅具有強大的感知、計算分析與控制能力，更具有了自我學習和生成知識的能力，從而顯著提升了制造領域的知識產生、獲取、應用和傳承的效率，顯著提高企業的創新能力和服務能力。

(二)人工智能技術將引領智能制造業的發展

智能制造產業鏈是技術型產業鏈(王興元和楊華，2005；高汝熹等，2006；高光耀等，2014)，其內部關聯性主要由相關的核心技術決定。在智能制造的五個物理層級中，決策層的智能決策系統，主要實現智能工廠的生產資源調度、智能設備組合和決策信息分析判斷等功能，是整個產業鏈上知識最為密集的環節，也是決定智能制造產業鏈競爭力的關鍵環節。

作為智能決策系統的核心，人工智能賦予機器思考和決策能力。隨著人工智能由弱人工智能邁向強人工智能，其高效的思維能力和專家模型，終于能夠突破高度柔性化、動態化資源重組的技術瓶頸，促使智能決策系統由“以人為核心的決策系統”，向“以機器智能為決策主體的自主系統”轉變，使統一、高效地調配企業內外部資源成為可能。

當人工智能技術具備深度學習、自我進化的能力時，人工智能及其專家知識庫的進化能力，將成為影響機器智能和智能決策系統性能的決定性因素。

(三)傳統制造業將加速智能技術的推廣和應用

智能制造技術體系中既有人工智能、工業互聯網這樣革命性的躍遷技術，也有大量的如RFID、工業機器人這些漸進性變遷技術，兩者共同作用于傳統制造業演進升級的每一個環節，表現為“前端驅動、中端驅動和后端驅動”三種技術嵌入路徑(張銀銀和鄧玲，2013a)。其中，以人工智能、專家知識庫為代表的智能決策技術，主要在前端驅動傳統產業進行技能學習、知識積累、科技創新及知識擴散，推進傳統企業技術體系升級、生產范式變革。知識創新是一個長期的積累過程，前端驅動具有極大的不確定性，多數傳統制造企業缺乏持續投入的資本實力。

中端驅動階段強調將知識生產轉化為企業的生產力，是將戰略性新技術、新裝置應用形成新產品或新業務的過程(張銀銀和鄧玲，2013b)。主要表現為工業機器人、智能機床、RFID等漸進性技術變遷的新成果在生產制造領域的應用和轉化。德勤(2018)的調研數據也表明“應用智能設備，挖掘現有資源、改造生產系統”，是制造企業推廣應用智能制造技術的主要趨勢。

后端驅動直接面向消費市場，主要通過智能技術和智能產品實現商業模式變革。企業借助工業互聯網、大數據和云計算，能夠及時掌握用戶的個性化需求，從而可以及時提供滿足市場需求的創新產品和中間產品。這種基于工業互聯網的商業模式創新，易于形成規模優勢和范圍效應，能夠極大地促進企業推廣應用智能化技術。

(四)智能制造的發展需要克服一系列挑戰

智能技術與制造技術的不充分融合是當前限制智能制造產業快速擴張的主要障礙，突出表現為“異構異質系統融合困難、虛擬現實技術與生產系統的無縫對接障礙、工業互聯網仍需深度開發、系統和數據的安全”。克服這些瓶頸和障礙，將成為智能制造產業未來重要的利潤增長點。

一是異構異質系統的融合。互聯網由不同技術架構的局域網組成，各個子網絡所使用的軟硬件設備，也由不同的公司生產，廣泛存在硬件不兼容、網絡難對接、數據不通用等問題，我們將之稱為系統的異構異質問題。智能制造系統為實現超高速、自組織、自管理、自修復、自我平衡功能，需要從統一底層傳感器做起，統一整個智能生產系統、數據平臺、云儲存空間等的技術架構、接口標準和數據格式，才能突破異構異質問題的制約，實現真正的智能化生產。異構異質問題的實質是“智能化標準”的話語權競爭，涉及數以萬億級的更新改造市場，牽涉復雜的政治經濟關系，各類智能化企業將圍繞這一領域展開長期的競爭與合作。

二是虛擬現實技術與生產系統的深度融合。虛擬現實技術是實現無人工廠和遠程控制的關鍵技術，目前大致有“虛擬場景、虛擬漫游和虛擬物體”三類應用，屬于產業技術變遷過程中的革命性躍遷技術。虛擬現實技術涉及復雜的神經網絡連接問題，其在智能制造領域的應用就是要鏡像出一個能夠實時動態響應、海量設備接入的虛擬物理生產系統。目前，無論是場景再現的真實性、及時性，還是與生產制造系統結合后的加工精度，都還難以達到精密制造的要求，需要時日以待創新。

三是新型基礎設施建設及其技術開發。新型基礎設施不僅僅是“云、網、端”，還包括與之相關的一系列人工智能技術。以新型基礎設施中的工業互聯網為例，工業互聯網作為整個智能制造系統的神經網絡，是發展智能制造必備的關鍵性基礎設施。完全建成穩定、可靠的高速工業互聯網，需要數以萬億級的基礎設施投資，同時還需要在5G通信、虛擬現實等關鍵領域實現技術突破，存在著應用新技術過多、技術難度過大的風險，因此也極易陷入成本失控、精度無法保證的困境。

四是系統和數據的安全。系統和數據的安全，是智能經濟的生命線。當前無論是傳統制造業的智能化改造，還是數據安全技術都仍存在巨大的缺陷，萬物互聯的智能制造體系，對現有的網絡防護技術提出新的挑戰。確保智能經濟時代數據信息的安全，不僅是技術的難題，更是對道德倫理的挑戰。

四、全球智能制造業發展對中國制造業升級的影響

基于“預期、現實、未來”的視角，全球智能制造業競爭對中國制造業轉型升級的影響，主要體現在“改變制造業升級預期路徑、削弱傳統制造業競爭優勢、重構制造業網絡協作體系”三個方面的影響。

(一)改變了中國制造業轉型升級的預期路徑

沿“微笑曲線”向全球價值鏈的兩端延伸，是中國制造業轉型升級的既定路線。智能制造的快速崛起，降低了全球化生產對簡單勞動的依賴，也動搖了基于成本洼地、配套體系和目標市場等因素建立起來的全球分工體系。全球價值鏈的“微笑曲線”將圍繞智能制造平臺進一步高級化、扁平化，甚至有可能變成“沉默曲線”“哭泣曲線”。后發國家的“人口紅利”將轉變為勞動力素質劣勢，產業梯度轉移的“雁陣模式”可能就此消失(黃群慧和賀俊，2013)。

(二)削弱了傳統制造業參與全球競爭的優勢

傳統制造主要追求社會綜合效能的優化，智能制造則主要滿足消費者的個性化定制需求。當生產方式由大規模工廠化的流水作業轉向個性化批量定制時，“產品+服務”將成為智能制造的主要產品形態。知識的積累、學習、創造和管理將取代資本、土地和勞動力等傳統資源，成為影響企業核心競爭力的主導要素(常荔和鄒珊剛，2000)。這對長期依賴要素成本優勢，習慣于規模競爭、價格戰的傳統制造企業提出了巨大的挑戰。

(三)重構了全球制造業的網絡協作體系

智能制造系統是基于工業互聯網的生產制造體系，可以突破勞動力、土地、資金、環境等要素的地理空間約束，實現遠程遙控和虛擬生產，具有低成本聚集供應企業和分散用戶的特點。智能制造的網絡外部性和長尾經濟性，為生產協作企業擺脫舊產業鏈的束縛，實現跨越式升級提供了條件。能否加入新的網絡協作平臺，并吸引到足夠的平臺用戶和創新資源，成為傳統制造企業能否實現智能化轉型升級的關鍵。

五、中國發展智能制造面臨的問題

基于“推進主體、技術優勢、產業基礎、投資機遇”的分析路徑，中國發展智能制造主要面臨四個方面的障礙。

障礙一：制造企業的智能化基礎薄弱。我國制造業總體上仍處于工業2.0向工業3.0過渡階段(中國國務院發展研究中心，2017)，多數企業對智能制造的認識仍停留在“機器換人”“工業自動化”的初級階段，缺乏對新一代智能制造的深入了解。因此，我國不能照搬西方發達工業國家“串聯式”的智能制造發展模式，必須堅持中國特色的“工業2.0補課、工業3.0普及、工業4.0示范”的并聯式發展路徑(彭瑜，2014)。

障礙二：核心智能技術受制于人。智能制造是技術型產業鏈，只能掌握核心智能技術，才能通過技術鏈創新，帶動產業鏈發展。我國雖然在人工智能、5G通信等部分領域實現了暫時領先，但總體上仍屬于智能技術的跟隨者和應用者，缺乏智能產業的主導權。核心技術受制于人，技術創新能力薄弱，已成為我國企業國際競爭力提升的關鍵制約因素(王一鳴和王君，2005)。

障礙三：智能裝備產業存在明顯的短板。核心產業鏈由“關鍵設備制造、核心元器件生產和終端產品集成制造”三個環節組成(洪勇和蘇敬勤，2007)，是跨國公司掌控全球價值鏈阻礙后發國家制造業升級的關鍵。我國在工業機器人、數控機床、工業軟件等智能裝備領域存在明顯短板，主要依靠總體集成能力來彌補關鍵設備制造和核心元器件生產的差距。以工業機器人為例，國產機器人的減速機、伺服電機、控制器等關鍵零部件主要依賴進口，導致關鍵零部件的購買價格是國外企業的5倍多，造成國產機器人生產成本相對較高(任宇，2015)。

障礙四：企業的生產積累難以支撐改造投入。中國制造企業的平均稅后利潤率僅為3.3%，基本接近銀行3年期定期存款利率。傳統制造企業很難通過自身積累，償還智能化升級所需的海量資本。

六、推進中國智能制造產業發展的相關政策建議

借鑒發達國家技術鏈、產業鏈和創新鏈聯動發展的思路，我國推動傳統制造業向智能制造轉型升級，需要從技術創新入手，通過技術鏈創新，帶動產業鏈發展，進而實現價值鏈攀升。

(一)打造智能產業發展的技術優勢，掌握智能技術發展的主動權

打造技術優勢，做強技術和服務兩個市場，將是中國智能制造業發展需要長期堅持的戰略。核心技術優勢是智能制造產業健康發展的前提。當前，全球智能制造業發展并沒有明確的時間表、路線圖和成型的技術模式，更沒有形成比較強大的市場勢力和技術壁壘。面對智能技術高門檻、高投入、快速迭代升級的特征，一方面，需要發揮舉國體制的優勢，以國家雄厚的資金實力、人才優勢，才能突破高性能集成電路、芯片等關鍵電子元器件、數據庫和操作系統等基礎軟件、人工智能等領域的核心關鍵技術的發展門檻，通過技術鏈創新帶動產業鏈發展。另一方面，眾多的科技創新型企業可以廣泛開展延續性技術創新，大力推進智能新技術、新成果、新模式的應用，以工藝創新、產品創新、商業模式創新，顛覆市場格局，引領行業發展。

(二)鼓勵互聯網企業跨界發展，加速制造業智能化升級步伐

智能制造模式下，全球價值鏈的驅動力呈現出由生產者驅動向購買者驅動轉變的特征(蒙丹，2011)，這為中國發揮互聯網銷售的渠道優勢提供了機遇。在智能制造產業的三類主體中，互聯網企業作為新興的技術力量，天然具有產業擴張的沖動。中國發達的消費互聯網市場，也具備了拉動制造業轉型升級的強大需求。雖然企業文化的差異可能制約互聯網企業徹底顛覆傳統制造業，但強勁的互聯網消費需求，仍為互聯網企業從智能終端產品領域切入智能制造市場提供了充足的空間。需要出臺政策進一步鼓勵和促進互聯網平臺型企業及供應鏈管理者向智能產品生產領域擴張，鼓勵大型生產制造企業自建工業互聯網平臺重構產業生態，培育“購買者驅動”的價值鏈領導企業。

(三)發揮大型城市的知識創新優勢，推進智能產業集聚發展

知識積累和技能創新決定了智能制造企業的核心競爭能力，這意味著發展智能制造產業，必須圍繞數據信息豐富、智力資本充足、創新資源集聚的區域展開。上海、北京、深圳這些擁有豐富科研資源、人力資本充足、制造底蘊深厚的地區，將在智能制造的發展浪潮中，快速超越其他工業城市，形成智能產業集聚發展的優勢。因此，國家需要重新考慮北上廣深等特大城市的制造業發展戰略，從促進技術鏈與產業鏈良性互動的角度，鼓勵智能企業向大城市集聚發展。

(四)加快培育高端技術人才，培育智能產業發展的人才優勢

智能制造體系的競爭，是知識積累和技術創新的競爭。智能產業的發展，既需要理論科學的堅實基礎，也需要人工智能技術的創新引領。需要重新評估理論研究的重要性，讓基礎教育回歸其學術研究的本源，讓企業成為工程技術研發的主體，努力依托市場競爭機制，培育智能產業發展所需要的各類高端人才。