人工智能賦能傳統制造業升級的路徑、挑戰與建議

中圖分類號：F424；TP18 文獻標識碼：A DOl：10.19881/j.cnki.1006-3676.2025.04.03

以石油化工、鋼鐵、機械和輕工作為主要代表的傳統制造業是我國現代產業體系的關鍵基底，其在國民經濟發展之中有著戰略性以及基礎性的重要地位。黨的二十屆三中全會提出，加快推進新型工業化。以傳統制造業為代表的傳統產業轉型升級是新型工業化的重要著力點，其必要性、艱巨性以及緊迫性都十分突出。人工智能作為引領新一輪產業變革的新一代信息技術，能夠對傳統產業在轉型升級方面發揮賦能作用[，深刻影響傳統制造業的發展。該研究聚焦于人工智能如何更好賦能傳統制造業轉型升級，在為傳統制造業改造升級提供參考的同時，也能為發展壯大以人工智能為代表的新興產業提供借鑒。

一、人工智能賦能傳統制造業轉型升級的形勢背景

當前，傳統制造業發展面臨的復雜性、不確定性以及嚴峻性在不斷加劇，以人工智能為發力點賦能傳統制造業轉型升級是在內外部發展新形勢下的必然選擇。

（一）傳統制造業升級迫在眉睫，人工智能孕育新變化

從內部形勢看，傳統制造業面臨的資源約束以及要素成本等問題日趨嚴峻，“大而不強”與“全而不精”等問題仍然存在。當前，我國正在加快推進新型工業化，大力發展新質生產力。改造升級傳統產業是關鍵著力點，傳統制造業轉型升級已經迫在眉睫。人工智能不僅是“頭雁”效應顯著的顛覆性技術，同時也被看作是能驅動第四次工業革命的重要引擎。充分發揮人工智能對傳統制造業賦能作用，實現產業升級，具有必要性和重要性。

（二）傳統制造業競爭日趨激烈，人工智能帶來新機遇

從外部形勢看，國際上保護主義以及單邊主義抬頭，發達國家推動制造業回流。我國制造業，特別是傳統制造業面臨著日益激烈的國際競爭，并且還要面對來自外部持續升級的打壓、遏制以及圍堵，傳統制造業亟須通過轉型升級來鞏固提升其自身的國際競爭力[2]。與此同時，人工智能作為對未來發展具有深刻影響的關鍵變量，已是大國博弈和科技競爭的新焦點和新賽道[3]，為產業變革帶來新機遇。如何運用人工智能賦能傳統制造業升級，關系到國家創新力以及競爭力的提升。

二、人工智能賦能傳統制造業轉型升級的現實基礎

（一）算力算法提速發展，為人工智能賦能傳統制造業轉型升級夯實基礎

算力以及算法不僅是人工智能發展的關鍵基礎底座，也同樣是大模型這一前沿方向的重要底層技術。在算力建設方面，算力作為新型基礎設施建設的題中之義，已得到我國的高度重視及超前布局。《國家信息化發展報告（2023年）》數據顯示，2023年我國在用數據中心機架總規模達810萬標準機架，算力總規模達到了每秒230百億億次浮點運算，其中智能算力規模的發展增速更是超過了 70%^[4] 。在算法模型方面，近年來我國大模型技術開發和應用的步伐正在持續加快，國產大模型呈現爆發式增長，并且涌現出了一批具有較大影響力的通用大模型以及行業大模型產品，這些大模型產品依托技術賦能為傳統制造業轉型升級提供了堅實的基礎。

（二）數據規模優勢明顯，為人工智能賦能傳統制造業轉型升級提供支撐

數據是人工智能價值創造的基礎之一，人工智能依賴于利用海量的數據進行訓練以及學習，進而提高其自身預測的精準度和決策的準確度，數據規模及其質量水平能夠直接影響人工智能的應用成效，決定了人工智能的價值。在數據生產方面，依托我國顯著的人口規模優勢及產業規模優勢，無論是在公共數據方面還是在企業數據方面，數據生產均具有規模大的特點。《全國數據資源調查報告（2023年）》（以下簡稱《報告》）顯示，我國2023年數據生產總量為32.85ZB，增長率達到了 22.44%^[5] 。在數據存儲方面，得益于我國近年來持續推進經濟社會數字化轉型和數據資源的開發利用，數據價值逐漸顯現并得到廣泛認可，從而推動企業數據存儲的意識明顯增強，數據存儲相關硬件的技術水平快速提升，數據存儲成本顯著降低、質量逐步提升。《報告》相關數據顯示，我國2023年數據存儲的總量達到了 1.7378^[5] 。我國數據資源在生產和存儲等方面規模大的優勢特點，為人工智能自身發展及其幫助傳統制造業轉型升級夯實了基礎。

（三）應用場景廣泛豐富，為人工智能賦能傳統制造業轉型升級形成牽引

從應用場景的存量看，我國傳統制造業具有體系全、規模大等特點，結合我國超大規模內需市場的牽引，形成了廣泛而豐富的應用場景，如智能制造、智能交通以及智能醫療等。從應用場景的增量看，隨著當前新一輪科技革命以及產業變革的發展，越來越多的應用場景被不斷挖掘和發現，應用場景正處于持續快速拓展階段。基于應用場景廣泛豐富的顯著優勢，人工智能企業和傳統制造業企業紛紛圍繞人工智能技術的開發及應用，加大資金投入等支持力度，促成了規模化、多樣化的市場需求。并且以應用和需求為導向，各類企業逐步加快人工智能技術創新，深度融合產業與科技創新，我國豐富的應用場景已成為人工智能賦能傳統制造業轉型的重要牽引力和關鍵推動力。

三、人工智能賦能傳統制造業轉型升級的主要路徑

（一）人工智能大小模型“齊頭并進”，應用范式日趨成熟

人工智能目前正依托大模型與小模型賦能數字化智能化轉型，其在傳統制造業領域的應用深度及廣度迅速提高。人工智能可以通過通用大模型或行業大模型這兩種大模型對傳統制造業進行賦能。其中，通用大模型擁有良好的跨領域適用性和功能性，以及高效處理多樣化任務和多模態數據的通用性，在傳統制造業的應用過程中可以通過開展預訓練及隨時調整的方式適應特定任務，具有較強的遷移學習能力和泛化應用能力[，面向傳統制造業新任務的開發門檻以及使用成本相對較低。行業大模型則主要針對特定行業和細分領域提供人工智能服務，緊密圍繞傳統制造業需求并深度結合行業知識數據，對于特定行業和任務的處理能夠表現出更好的精準性及有效性。除大模型外，更加高效聚焦特定場景的“小而美”的小模型，憑借其部署成本低、資源約束小等優勢，已得到各類企業特別是中小微企業的重視并逐步深化應用。人工智能小模型在賦能傳統制造業的過程中可搭建在工業互聯網等平臺上[，并能夠部署在邊緣設備，實現對特定任務的快速響應。大模型與小模型在賦能傳統制造業的前沿方式上，呈現出融合應用的趨勢，大模型作為主模型通過對規模化數據進行篩選處理提取價值性信息，而小模型作為輔助模型部署在邊緣智能設備針對特定任務進行優化處理。

（二）具身智能技術加速商業化落地，人形機器人日益普及

具身智能在與環境進行實時交互感知的過程中能夠實現信息獲取、任務理解和決策行動，具備較強的自主學習、自適應性，其代表性產品主要包括人形機器人、仿生機器人、自動駕駛汽車等。人形機器人作為具身智能技術的重要載體和實際應用，其自身有著極高擬人化水平和較強的精細化工作能力，目前已可以實現獨立行走、語言溝通，以及搬運和分揀物品等功能，并能夠在與環境交互過程中自主糾正自身的錯誤；同時它已具備執行生產制造環節基本任務的能力，并且處理相對復雜生產任務的能力也在逐步提高[。仿生機器人則基于仿生學原理，強調與工業細分領域特定任務的適配性，具有在特殊環境下高效作業的專業化優勢。自前人形機器人和仿生機器人等雖然在傳統制造業領域的應用仍處于早期探索并未完全商業化的階段，但其將對傳統制造業的生產方式甚至組織方式等產生深刻影響[9]。通過與現有傳統工業機器人協同，具身智能可能成為未來傳統制造業轉型升級的關鍵著力點和切入點[10]。

（三）生成式AI賦能產品全生命周期，探索制造業新增長點

從人工智能在傳統制造業領域的應用范圍和成效看，生成式人工智能技術是帶動傳統制造業轉型升級及行業變革的最具影響力的創新。目前生成式人工智能已賦能傳統制造業產品全生命周期，廣泛滲透至全鏈條各環節[1]。在研發設計環節，傳統制造業基于生成式人工智能能夠有效促成產品研發和設計的流程簡化以及成本降低，通過“文生圖”“圖生圖”等生成式人工智能賦能方式，可極大地提高概念設計、創意生成以及集成渲染的速度和效率，縮短產品的上市時間。在加工制造環節，生成式人工智能可通過基于實時數據自主調整生產參數的方式實現智能決策并優化生產管控，在利用人工智能技術合成海量產品缺陷圖片的基礎上應用于產品自動化智能化質量檢測，以及將行業知識或非結構化數據轉化為可實時對話的知識庫應用等。在營銷售后環節，傳統制造業通過應用生成式人工智能不僅可以自動精準回復和高效快捷處理客戶問題，更能夠在與客戶實時對話的過程中智能化預測客戶需求，優化客戶體驗[12]。

（四）人工智能深度融合數字孿生，加快構建互聯虛擬世界

數字孿生技術側重于構建傳統制造業領域物理實體的數字化映射，并在虛擬環境中開展模擬和預測等活動。隨著人工智能技術的發展和融入，數字孿生的數據處理及分析能力得到大幅提高，其對傳統制造業數字化映射交互管理的精準性、便捷性、有效性以及靈活性也進一步提升。人工智能依托數字孿生技術在數據監測、模擬預測以及智能決策等方面能夠賦能傳統制造業轉型升級。數字孿生技術的發展應用也能夠為人工智能技術的開發優化提供大規模的數據要素，傳統制造業多樣且豐富的訓練學習數據有利于強化人工智能發展的數據基礎，提升人工智能模型的準確性，從而進一步通過數字孿生技術賦能傳統制造業。從前沿趨勢看，在基于人工智能以及數字孿生技術構建的虛擬世界，傳統制造業數字孿生工廠正在探索推進相互連接的互聯生態系統或平臺，以促成傳統制造業產業鏈供應鏈協同發展。

四、人工智能賦能傳統制造業轉型升級的問題挑戰

（一）人工智能底層核心技術優勢不明顯

人工智能賦能傳統制造業轉型升級，需要建立在較為強大的人工智能底層核心技術基礎之上[13]。從全球范圍看，我國的人工智能底層核心技術目前雖然屬于第一梯隊并且處于高速發展期，但是仍存在一定的短板弱項，可能原因是：一方面，從人工智能發展路徑看，我國人工智能更偏向于立足傳統制造業等行業應用場景豐富的優勢推進人工智能應用研究，實現以市場需求為目標導向的人工智能商業化落地，人工智能基礎領域研究仍有較大發展空間。諸如DeepSeek這樣在全球范圍內具有影響力和競爭力的成果的紛紛涌現，表明我國在人工智能領域基礎研究方面取得了長足進步和顯著成效。另一方面，從人工智能領域的大國博弈趨勢看，我國在芯片先進制造等環節的技術發展也面臨著外部壓力[14]。

（二）算力體系發展的不平衡問題仍然嚴峻

人工智能發展是以算力作為底座提供支撐作用的，我國算力雖然處于高速發展階段，但在算力體系上依然存在一定程度的不平衡問題[15]。一方面，從算力資源結構來看，我國算力資源以通用算力作為主要組成部分，智能算力和超算算力等算力規模相對較小并存在碎片化情況。算力的實際供給和市場需求之間逐漸出現結構化失衡問題，目前通用算力供給充裕但是利用率相對較低，人工智能大模型等技術所需的智能算力則存在需求緊迫但供給不足的問題。另一方面，從算力區域供需情況來看，我國東部地區存在算力缺口、中西部地區存在算力過剩，并且由于算力調度自前還存在成本費用大、傳輸效率低以及技術門檻高等問題，導致算力區域間供需失衡。

（三）傳統制造業語料數據庫建設難度較大

目前，我國傳統制造業在人工智能語料數據的供給水平和供給質量兩方面均有著較大的提升空間。一方面，傳統制造業涵蓋廣泛的細分領域，并且涉及復雜的生產環節和設備，其數據生產有著顯著的分散、多源和異構等特點，由于對生產設備改造或更新以實現數據采集的難度較大、成本較高，導致傳統制造業雖能生成大量數據，但實際存儲率較低，從而進一步制約了人工智能語料的有效供給規模。另一方面，傳統制造業數據包含大量的半結構化和非結構化數據，其數據來源多樣并且質量參差不齊[16]，對語料數據進行處理、整合以及標注的難度較大、復雜性高，數據相關的治理和監管問題依然存在[17]，導致傳統制造業存在較為明顯的高質量語料數據短缺問題。

五、人工智能賦能傳統制造業轉型升級的對策建議

（一）統籌規劃，加快構建一體化算力服務體系

一是優化算力資源調度和配置。以需求為牽引、應用為導向，探索異屬異構異地算力資源并網調度，優化存量算力資源配置，引導新增算力資源建設，推動新增算力向國家樞紐節點集聚，進一步加強國家樞紐節點算力資源供給，并且適當超前布局智能計算中心、超級計算中心等算力基礎設施，促進算力資源供需平衡。二是促進算力資源標準化普惠化。完善算力并網和互聯互通標準體系，通過標準引領實現算力產業規范化體系化發展。持續創新算力服務模式，加快實現以隨取隨用、靈活配置、按需付費為特征的短租模式與傳統長租模式協同發展，進一步探索彈性帶寬、數據快遞等新模式，減少算力資源使用成本，大力提高算力資源使用的易用性、便利性和普惠性。三是打造全國統一算力服務大市場。統籌整合算力資源實現互聯互通，構建統一算力資源標識和身份認證體系，提高算力網絡傳輸能力，加強彈性網絡、全光網絡等建設，促進算力跨區域、跨架構和跨主體的協同計算，推進異構算力與網絡的深度融合，探索建設算力互聯網。

（二）按需引導，促進人工智能大小模型協同發展

一是加快通用大模型關鍵核心技術的突破。充分發揮新型舉國體制的優勢，集中優勢力量以及資源圍繞通用大模型開展靶向研發、協同攻關等，加快在算法和框架方面的基礎性技術突破，推進軟件以及硬件技術的體系化創新，針對通用大模型關鍵核心技術進行必要的戰略性、前瞻性探索。二是以場景為牽引強化行業大模型開發。鼓勵以傳統制造業企業為代表的場景需求方，聯合以人工智能創新企業和服務商為代表的技術供給方，通過組建創新聯合體等方式共同開展垂直行業大模型的技術研發和產品應用，促進人工智能行業大模型與傳統制造業重點領域場景間的深度融合。三是以工業互聯網為載體深化小模型應用。基于工業互聯網平臺，圍繞制造場景提高以專業化、輕量化為優勢的小模型的應用深度以及廣度，以大模型為支撐加快提升人工智能小模型在性能上的表現，探索大模型與小模型在傳統制造業領域的深度融合以及協同利用。

（三）價值引領，打破人工智能數據資源瓶頸

一是通過工業設備更新促進數據采集存儲。以工業領域設備更新為抓手，在傳統制造業推廣應用智能制造裝備，加快智慧工廠及智能產線建設步伐，持續加強數字基礎設施建設，提升傳統制造業企業在采集和存儲數據等方面的能力。二是推進傳統制造業高質量數據開放共享。推動傳統制造業的龍頭企業、大中型企業牽頭建立健全共享數據資源庫，圍繞典型場景提升數據資源供給水平，提高數據資源供給質量，打造高質量人工智能大模型訓練數據集。建立傳統制造業數據集開放共享機制，在數據供給方面，加大對于傳統制造業企業的激勵力度。三是大力推動數據要素市場高質量發展。推動傳統制造業企業與人工智能創新企業聚焦數據合規高效流通，研究制定數據資源流通的規則和標準，加快數據資源在市場化配置方面的體制機制建設。

（四）分層推進，以“點一線一面”路徑有序賦能

一是支持龍頭企業利用人工智能轉型升級。以傳統制造業行業龍頭企業為切入點推動“多點突破”。大力支持傳統制造業龍頭企業利用人工智能推進轉型升級，鼓勵傳統制造業龍頭企業與人工智能領域技術服務商、科研機構以及高等院校等，聚焦人工智能賦能傳統制造業開展技術協同攻關和應用探索，打造一批基于人工智能實現轉型升級的代表性傳統制造業龍頭企業。二是引導產業鏈上下游協同應用人工智能。鼓勵支持龍頭企業共享基于人工智能技術的解決方案和工具包，實現“以點帶線”，利用人工智能技術打造智慧產業鏈供應鏈，推動產業鏈供應鏈實現基于人工智能技術的轉型升級。三是增強人工智能賦能產業集群總體效能。促進人工智能以產業鏈為紐帶延伸賦能產業集群，做好“以線促面”，針對共性應用場景搭建面向傳統制造業產業集群的區域性人工智能公共服務平臺。

（五）分類施策，打造人工智能生態化賦能體系

一是大力培育人工智能優質創新主體。擴大長期資本及耐心資本在人工智能領域的投資規模。根據企業規模不同、自身優勢不同和發展階段不同等，采取有針對性與適用性的人工智能企業梯度培育方式。針對傳統制造業需求制定人工智能服務供給清單、目錄以及服務包等。二是加快建設跨領域高水平人才高地。

支持高等院校完善傳統制造業、人工智能領域相關專業及其基礎學科建設，探索“人工智能 + 傳統制造業”的交叉融合人才培養模式。鼓勵傳統制造業企業、人工智能企業與高等院校及科研機構等聯合開展人才培養。三是營造人工智能創新應用良好環境。加快人工智能相關開源生態建設，圍繞傳統制造業轉型升級優化人工智能創新環境，加強人工智能創新及其成果應用的知識產權保護，推進人工智能賦能傳統制造業的創新成果的知識產權化，探索相關專利池建設，促進新技術充分利用與廣泛擴散。

參考文獻：

[1]杜傳忠.推進人工智能與經濟社會融合發展[J].人民論壇，2025（4）：48-53.

[2]周闊，曲植，梁佳楊，等.一枝獨秀還是百花齊放：人工智能技術創新與企業供應鏈集中度[J].經濟評論，2025（2）： 77-92.

[3]陽鎮，王文娜.數字經濟國際競爭力：國際經驗與中國路徑[J].上海財經大學學報，2024，26.（4）：18-31.

[4]國家互聯網信息辦公室.國家信息化發展報告（2023年）[R].北京：國家互聯網信息辦公室，2024：12-13.

[5]全國數據資源調查工作組.全國數據資源調查報告（2023年）[R].北京：全國數據資源調查工作組，2024：2-3.

[6]沈志鋒，李靜，李智慧.人工智能參與下的創新生態系統構建研究[J].科研管理，2024，45（10）：12-23.

[7]劉建麗，李嬌.智能制造：概念演化、體系解構與高質量發展[J].改革，2024（2）：75-88.

[8]孫早，陳玉潔.機器人角色、生產分割與生產方式轉換[J].中國工業經濟，2023（4）：5-23.

[9]劉偉.人形機器人發展面臨的挑戰及未來趨勢研判[J].人民論壇，2025（4）：42-47.

[10]毛日昇.工業機器人應用與就業再配置[J].管理世界，2024，40（9）：98-122.

[11]喬榛，劉妍.人工智能發展的就業效應：排擠還是補償[J].當代經濟研究，2024（11）：70-78.

[12]李樹文，羅瑾璉，張志菲.AI能力如何助推企業實現價值共創：基于企業與客戶間互動的探索性案例研究[J].

中國工業經濟，2023（5）：174-192.

[13]李猛.“人工智能+”賦能新質生產力發展：內在機理與路徑探索[J].北京航空航天大學學報（社會科學版），2024，37（4）：127-137.

[14]鄭世林，陶然，楊文博.ChatGPT等生成式人工智能技術對產業轉型升級的影響[J].產業經濟評論，2024（1）：5-20.

[15]余東華.算力：數字經濟時代的新質生產力[J].財貿研究，2024，35（7）：1-16.

[16]戚聿東，沈天洋.人工智能賦能新質生產力：邏輯、模式及路徑[J].經濟與管理研究，2024，45（7）：3-17.

[17]張吉豫.賦能型人工智能治理的理念確立與機制構建[J].中國法學，2024（5）：61-81.

The Pathways， Challenges， and Recommendations for Artificial Intelligence in Empowering the Upgrading of Traditional Manufacturing Industries

Jin Yonghua1XinWeitao2 Wang Shanshan3 （1. China Academy of Industrial Internet， Institute of Policy Studies， Beijing， 100102; 2. China Industrial Control Systems Cyber Emergency Response Team， Beijing，100040； 3. Zhoukou Normal University，School of Economics and Management，Henan，Zhoukou，466001）

Abstract： [Research purpose] The traditional manufacturing industry is the key basis of China's modernization of the industrial system. The path selection of the transformation and upgrading of the traditional manufacturing industry has become a key problem to be solved in the process of promoting the new industrialization， and artificial intelligence is an important variable leading the industrial transformation at present. Therefore， exploring the pathways of artificial intelligence enabling the upgrading of traditional manufacturing industry can provide a useful reference for the improvement of industrial competitiveness and high-quality development. [Research method] This paper firstly analyzes the internal and external situation of the upgrading of traditional manufacturing industry empowered by artificial intelligence， and then summarizes the state of the art of artificial intelligence and the realistic basis of promoting the upgrading of traditional manufacturing industry from the perspective of computing power algorithm， data scale and application scenarios. On this basis， the enabling path of artificial intelligence to the upgrading of traditional manufacturing industry is deply analyzed， and the existing problems and challenges are further summarized， and finally feasible countermeasures and suggestions are put forward. [Research conclusion] It found that the transformation and upgrading of traditional manufacturing industry empowered by artificial inteligence is an inevitable choice under the new situation and new environment of internal and external development. China has advantages in computing power algorithm， data scale and application scenarios. At present， artificial intelligence mainly relies on the transformation and upgrading of traditional manufacturing industry， such as size model， embodied intelligence， generative AI and digital twin. However， there are still some problems such as unclear advantages of underlying technology， unbalanced development of computing power system， difficulties in corpus database construction. It is necessary to accelerate the construction of integrated computing power service system and promote the coordinated development of large and small models. Breaking the bottleneck of data resources，it promotes technology empowerment in an orderly manner“point-line-plane”， so as to establish and improve the ecological empowerment system.

Keywords： artificial intelligence; traditional manufacturing; industrial transformation and upgrading; computing power network;data scale