以智能制造為主攻方向推進制造強國建設

當前，智能制造已經成為新一輪科技革命與產業變革的核心驅動力，它不僅能夠顯著促進技術升級、提升生產效率，更能加速全球產業鏈的優化和全球競爭力的重塑。發展智能制造對于我國建設制造強國具有極為深遠的戰略意義和關鍵支撐作用。2015年，國務院印發《中國制造2025》，提出實施“制造強國”戰略，并將智能制造確定為中國制造的主攻方向。此后，黨的十九大、二十大都反復強調“加快建設制造強國”，“十三五”和“十四五”規劃綱要均單獨設立章節對制造強國戰略的實施以及智能制造的高質量發展明確了路線圖。2023年5月5日，習近平總書記在二十屆中央財經委員會第一次會議上強調，“要把握人工智能等新科技革命浪潮”“推進產業智能化、綠色化、融合化，建設具有完整性、先進性、安全性的現代化產業體系”。

發展智能制造是我國突破“大而不強”困局、實現制造強國的重要抓手和必由之路。智能制造的價值不僅在于生產效率的量變，更在于通過數據要素重構制造業底層邏輯、推動中國從“世界工廠”向“全球智造創新中心”躍遷、重塑我國制造業競爭新優勢的質變。我們不僅要深刻認識智能制造在制造強國建設過程中的重要地位，更要理解智能制造帶來的產業體系變革與生產關系重構，深入分析以智能制造支撐引領制造強國建設的理論邏輯與發展策略，為中國實現從制造大國到制造強國的跨越提供智力支持。

一、智能制造的緣起

制造業的轉型歷程與科技革命緊密相連，已經歷了4個重要的轉型階段。在工業革命前，生產活動主要依靠手工操作（查爾斯·辛格，2004）。此階段不僅產量有限，生產效率也相對低下。18世紀中期，蒸汽機的發明與應用開啟了第一次工業革命，機械化生產新紀元來臨，各制造領域的生產效率得到了極大提升。19世紀末至20世紀初，電力和電機的應用推動了第二次工業革命，制造業進入大規模機器生產時代。20世紀60年代，計算機和互聯網技術的興起標志著第三次工業革命的到來，制造業自此轉向更為靈活的柔性制造模式。這種模式結合了手工制造的靈活性和大規模制造的高效性，有效解決了手工制造的成本高以及大規模制造產品單一性問題。

20世紀后期，隨著人工智能、大數據、物聯網及云計算等智能技術的迅猛發展，第四次工業革命浪潮興起。這些技術的廣泛應用促使制造業向智能制造的高級形態轉變。1986年， G?H ·謝弗（G.H．Schaffer）指出，人工智能等新技術為制造業注入了新活力，憑借其自主學習和適應能力，制造企業能夠優化生產流程、降低成本并提高效率。1988 年，保羅·肯尼斯·懷特（Paul Kenneth Wright）和大衛·亞蘭·博恩（David Alan Bourne）在《制造智能》（Manufacturing Intelligence）一書中首次提出了“智能制造”的概念，將其描述為一種無需人工干預，借助軟件和機器人控制實現小規模生產的制造方式。隨著數字技術的進步，發達國家開始從國家戰略層面推動智能制造的發展。尤其是21世紀以來，在“工業4.0”浪潮下，德國、美國等國家將智能制造作為制造業發展的核心方向。中國工業和信息化部對“智能制造”的定義為：“一種基于先進制造技術與新一代信息技術深度融合，貫穿于設計、生產、管理、服務等產品全生命周期，具有自感知、自學習、自決策、自執行、自適應等功能的新型生產方式。”① 簡而言之，“智能制造”以智能化生產流程為核心，依托端到端的數據流動，借助工業互聯網、智能制造裝備和工業軟件，以智能工廠為實施平臺，對傳統制造業的技術、生產和管理模式進行根本性革新。

二、智能制造推動制造強國建設的作用機理

習近平總書記關于制造強國建設的重要論述指出，制造強國建設的核心在于創新，抓手是建設現代化產業體系，具體方向是推動制造業高端化、智能化和綠色化。智能制造作為融合了新一代信息技術與先進制造技術的一種先進制造業業態，是新一輪科技革命和產業變革的重要交匯點，已然成為我國加快制造強國建設的核心驅動力和邁向全球產業鏈價值鏈高端的關鍵支撐。具體來說，智能制造通過推動制造業實現高端化、智能化和綠色化，引領制造強國建設不斷邁上新臺階，改變我國制造業“大而不強”局面。

（一）智能制造催生生產方式升級

以人工智能為代表的新技術革命使人類智力“物質化”，將智能制造系統應用于制造業領域，成為提升全要素生產率的關鍵要素（Wang J．et al.，2022）。智能制造通過高度集成機器智能與人類智能，實現制造過程自主感知、自我適應、自我診斷、自主決策和自我修復。智能制造體系實現了人機深度融合，其生產過程體現為智能設備與操作人員的緊密協作，以及信息的實時交互與共享。一方面，智能技術作為制造系統的核心驅動力（LiB.etal.，2017.），通過與實時生產數據和業務運營的深度融合，推動動態數據系統和工業軟件在制造全流程中的廣泛應用。另一方面，數據要素在智能制造中的戰略地位日益凸顯（Fhorey R.，2014），它深度融入制造過程的各個環節，成為關鍵生產要素。

智能制造建立在橫向與縱向兩個維度的數據鏈基礎之上（ChenB．et al.，2017）。橫向維度聚焦于產業鏈上下游企業間的數據整合，涵蓋研發創新、原料采購、生產制造及售后服務等環節的信息共享（WanJ．etal.，2014）；縱向維度則強調企業內部的數據貫通，實現從底層設備到云端平臺的全方位集成。基于此，智能裝備系統憑借其環境感知、知識學習、智能決策和主動交互等核心能力，持續優化生產工藝流程，顯著提升了創新能力和生產效能。

（二）智能制造引領管理范式變革

智能制造借助人工智能技術實現了對人類智能的部分替代，這一轉變不僅體現了技術層面的重大突破，更推動了制造業組織模式的根本性變革。該制造范式對傳統生產體系進行了系統性重構，其變革路徑從局部智能設備的應用延伸至全產業鏈的智能化升級，實現了制造系統從傳統的“人一物”二元結構（HPS）向“人一信息一物理”三元系統（HOPS）的演進。傳統制造體系以工廠為核心生產單元，其組織結構呈現出剛性化、等級化和規范化特征，勞動者需嚴格遵循既定的作業程序、操作方法和工藝流程。相較而言，智能制造依托數字平臺這一新型組織載體，突破了傳統生產在時空維度上的限制，實現了生產要素的全球化調配和勞動力的彈性化組織。這種變革不僅降低了人力資本投入，還顯著優化了人力資源配置效能。勞動者通過“數字在場”的方式，能夠突破物理空間的限制，實現隨時隨地的任務執行（藍江，2019）。具體而言，借助云計算平臺、遠程協同系統和物聯網技術，分布在不同地域的設計人員、技術專家和生產線工人可以實時協作，共同參與產品研發、制造和檢測等環節。這種以網絡協同為特征的虛擬化生產組織模式，相較于傳統的地理集聚型工業組織形式，有效降低了跨區域、跨行業的生產要素流動成本，同時大幅提升了整體運營效率。

（三）智能制造主導產業結構重塑

智能制造正在系統性重構傳統產業格局，構建全新的產業鏈生態體系。這一體系涵蓋了上游的基礎硬件設施、感知層設備、智能裝備及工業軟件，中游的智能裝備供應商、解決方案提供商和系統集成服務商，下游的交通裝備、物流倉儲、電子信息、生物醫藥等多個領域的應用終端。憑借數字技術對實體經濟的賦能，智能制造推動了實體與數字經濟的深度協同，為制造業的未來發展指明了方向，不僅帶動了產業整體升級，還為商業模式創新注人了新動能。從企業轉型的角度看，生產過程的深度數字化加速了傳統制造業的革新。“智能化改造、數字化轉型、網絡化協同”已成為制造企業提升競爭力、搶占市場先機的戰略選擇。數字孿生等前沿技術的應用，使企業能夠在虛擬空間構建精準的產品和產線模型，優化從研發設計到市場投放的全流程，有效解決了傳統制造中的決策滯后、精度不足、設備利用率低等問題。在我國傳統要素成本優勢逐漸減弱的背景下，智能制造為制造業開拓了工業設計創新、品牌價值提升、個性化服務等新的競爭優勢。從產業業態更新維度看，科技創新催生了智能制造的新模式和新業態。智能制造的廣泛應用推動了工業互聯網、工業軟件、工業大數據和工業機器人等技術的快速發展，孕育出具有跨界融合特征的軟件和信息技術服務業等新興業態（宋旭光等，2022）。這種變革不僅重塑了產業組織形式，還將傳統的線性創新模式升級為全產業鏈的網狀協同創新，有助于打破企業和行業邊界，推動制造業朝著多元化、綜合化方向發展。在企業層面，智能制造促進了跨部門的數據共享與整合，增強了企業吸收和利用外部知識技術的能力，加速了創新成果的轉化應用。在產業層面，基于數據開放共享，互聯網、物聯網、大數據、5G和人工智能等技術深度融人先進制造業和現代服務業的各個環節。智能制造為跨學科、跨行業的信息交互提供了平臺支撐，其融合集成特性推動了產業間的深度協同。通過智能制造系統，實現了產業間的業務聯動、鏈條延伸、技術滲透和要素整合，培育出服務型制造和制造型服務等新業態，有力地推動了先進制造業與現代服務業的深度融合。

（四）智能制造促進綠色低碳發展

智能制造通過深度融合新一代信息技術、新型材料和清潔能源等創新要素，顯著提升了制造企業的能源利用效能和資源配置效率，有力推動了生產模式向綠色低碳方向轉型。人工智能的生產要素配置決策系統，相較于傳統人工決策方式，展現出更強的科學性和精準性，能夠有效降低冗余要素投人，從而實現節能減排和可持續發展目標。從技術應用層面看，智能制造系統借助虛擬仿真為能耗優化決策提供有力支撐。數字孿生技術構建的虛擬生產環境，能夠預先評估產品全生命周期的成本與能耗，為企業制定最優能耗方案提供科學依據（SachsJD．et al.，2019）。以德國西門子公司為例，其開發的“數字孿生綜合方案”實現了產品綠色性能的量化評估與持續改進（聶飛等，2022）。從系統優化層面看，智能制造有助于降低能源損耗、提高資源使用效能。隨著智能供應鏈和智慧工廠能源管理系統的不斷完善，能源消耗和資源使用情況得以實現實時監控、智能分析和動態優化。系統能夠根據能源價格波動和供應狀況，自主調整能源結構或生產計劃，實現精準調控和動態平衡，從而最大程度地減少能源浪費（Iqbalet al.，2018）。例如，智能電網通過整合大規模可再生能源發電、分布式發電和微電網技術，有效降低了對傳統化石能源的依賴；同時，采用超高壓輸電等先進技術，顯著提升了能源傳輸效率，實現了輸配電環節的低碳化轉型。

三、我國智能制造推進制造強國建設的現狀

從整體發展態勢而言，我國智能制造在應用水平與產業規模方面，于全球范圍內處于領先地位，有力支撐了制造強國戰略的推進。工業和信息化部數據顯示，2023年我國智能制造裝備行業市場規模已經超過3.2萬億元，相較于2017年增長了1.5倍，占全球智能制造總產值的比例超過 38% 。《中國工業軟件產業發展研究報告（2024）》顯示，2023年中國工業軟件市場規模為2414億元，同比增長12.3% ，占全球市場規模的比例為 6.8% ，工業軟件企業關鍵工序數控化率達到了 62.2% ，數字化研發設計工具普及率達 79.6% 。

（一）智能制造應用場景豐富，為制造強國建設注入新活力

據工業和信息化部統計數據，在汽車制造、專用設備制造、電氣設備制造、化工治金、生物醫藥、物流運輸、紡織服裝等多個重點領域，對數字化車間規劃、智能工廠建設、產品研發創新、工藝流程優化、生產作業管理、倉儲物流配送、設備維護保養、安全環保管控、能源管理以及企業運營等智能制造整體解決方案存在強勁需求，這為我國智能制造產業構建了萬億級的市場空間。根據中研普華產業研究院發布的《2024—2029年智能制造產業現狀及未來發展趨勢分析報告》，自2019年以來，智能制造系統解決方案市場保持年均 50% 的高速增長態勢；預計到2027年，我國智能制造產業市場規模有望突破6.6萬億元。這一蓬勃發展的市場前景，為推進制造強國戰略提供了強勁動力（見圖1）。

建設制造強國需要有一流制造企業，智能制造的發展培育了一批先進智能制造企業。參照中國電子技術標準化研究院設計的智能制造能力成熟度模型，當前我國企業智能成熟度逐步提升，部分企業已實現了高度智能化。依據該模型，企業智能制造水平可劃分為五級：一級為規劃級，二級為規范級，三級為集成級，四級為優化級，五級為引領級。①等級越高，智能化成熟度越高。2024年達到《智能制造能力成熟度模型》（ GB/T39116-2020 ）國家標準二級及以上的智能工廠占比為 42% ，比2020 年提高17個百分點，呈逐年上升趨勢；成熟度為二級的制造業企業占比為 25% ，這些企業將數字化、網絡化貫穿于核心生產環節； 11% 的制造業企業成熟度為三級，實現了網絡化集成及單點智能； 6% 的制造業企業達到四級及以上的高成熟度，邁人深度智能化階段，成為中國式智能制造創新發展的領軍者。

（二）高技術制造業智能化水平提高，成為制造強國建設的支柱產業

根據智能制造評估評價公共服務平臺數據，計算機電子設備制造業、汽車制造、醫藥制造、電子機械和器材制造、交通運輸設備制造、化學原料和化學制品制造業以及食品制造業等行業，在企業智能化進程方面走在前列。裝備制造、電子信息、消費品和原材料四大核心產業，在智能制造應用方面處于領先地位，構成了支撐制造強國戰略的關鍵產業群。裝備制造行業因其技術研發門檻高、產品定制化程度高、售后服務需求大、產業鏈協同性強以及應用場景多樣化等特點，廣泛應用研發設計類工業軟件。數據顯示， ② （20 68% 的樣本企業采用此類軟件進行產品開發和工藝設計； 34% 的企業運用三維仿真技術，在產品設計階段即可識別加工方法和工藝流程中的潛在問題，有效保障產品質量與生產周期； 7% 的企業實現了產品遠程監控、故障預警和預防性維護等智能服務功能。電子信息產業呈現設備自動化水平高、質量管控體系嚴格、信息系統集成度高、運營管理效率突出等特征。該領域數字化裝備應用比例達 72% ，設備聯網率近 50% ，生產制造類工業軟件使用率達 60% ，各項指標遠超行業平均水平。消費品制造業對產品質量控制要求嚴格，對數字化營銷需求迫切，在質量管理和營銷創新方面成效顯著。該行業電子商務平臺應用比例為 12% ，產品質量全流程追溯系統覆蓋率達 16% ，數字化營銷手段采用率為 27% 。原材料行業面臨生產環境復雜、能耗總量大、設備資產密集等挑戰，數字化轉型需求尤為突出。超過 20% 的企業達到智能制造能力成熟度三級以上水平，能源管理平臺應用率為 27% ，裝備數字化率為 60% ， 12% 的企業實現了設備預測性維護功能。

（三）智能制造試點示范行動有序開展，持續助力制造強國建設

自2015年以來，工業和信息化部等部門每年遴選一批智能制造優秀場景，推進智能化示范工廠建設，培育網絡協同制造、大規模個性化定制、遠程運維服務等新模式新業態，充分調動地方、行業和企業推動制造業數字化、網絡化、智能化升級的積極性。各地立足地區實際制定了各有側重的實施方案，成效顯著。東部省市以“技術引領 + 生態構建”模式為主：長三角地區側重跨區域場景協同，建立“G60科創走廊智能制造場景聯合評選機制”；京津冀推動“場景互認”，“北京研發一河北轉化”成為重點構建場景。中西部省市聚焦特色產業搭建智能制造試點：河南省圍繞食品加工、礦山機械領域評選“專精特新”場景；四川省針對電子信息、白酒釀造行業開發專用解決方案，如五糧液智能勾調系統。東北地區著力推動老工業基地智能化轉型：遼寧省重點評選裝備制造“智能化改造”場景，如沈陽機床i5 智能車間；吉林省推動汽車產業鏈“黑燈工廠”試點，通過場景評選盤活存量產能。

根據世界經濟論壇（WEF）發布的最新“燈塔工廠”名單顯示，截至2023年，中國已建成62座“燈塔工廠”，占全球總數的 40.5% ，居全球首位。①據工業和信息化部統計，截至2024年，全國已建成2421家國家級智能制造示范工廠，以及萬余家省級數字化車間和智能工廠。這些智能工廠顯著提升了生產效能，平均縮短產品研發周期 20.7% ，提高生產效率 34.8% ，降低產品不良品率 27.4% ，并減少碳排放約 21.2% 。在機械裝備制造、汽車制造、航空航天等高成熟度智能制造領域，企業通過優化生產效率、降低運營成本，提升了市場競爭力，發揮了顯著的示范引領作用。智能化轉型通過產業鏈傳導，帶動上下游企業及其他行業協同發展，形成了良好的產業聯動效應。

四、智能制造推進制造強國建設中的困境

在推進智能制造助力制造強國戰略的進程中，我國仍面臨多重發展瓶頸，主要體現在核心技術裝備對外依存度較高、智能化應用場景拓展有限、基礎設施建設滯后以及產業生態系統尚未完善等。

（一）智能制造領域核心技術自主化程度不高

我國智能制造行業很多關鍵技術尚未實現自立自強，自主創新能力亟待提升。首先，基礎理論研究與技術創新之間存在結構性失衡。與國際先進水平相比，我國在人工智能等前沿技術領域的差距尚未顯著縮小，精密傳感器、高端數控系統、測控裝置等關鍵基礎部件，仍高度依賴進口。基礎研究的深度和廣度不足，致使完整的智能制造技術體系尚未構建完成。核心技術面臨“卡脖子”困境，特別是在單點技術突破和系統集成能力方面，國產化替代水平較低，難以滿足多樣化應用場景需求。以工業機器人和中高端工業控制芯片為例，國產產品的穩定性和可靠性仍有較大提升空間，制約了核心技術的迭代升級。其次，技術集成能力存在明顯短板。國內半導體企業普遍采取技術跟隨策略，原始創新動力不足，研發投入相對有限，缺乏具備國際競爭力的龍頭企業。在產業鏈整合方面，能夠高效協同硬件、軟件和應用服務的企業較為稀缺。“缺芯”問題依然嚴峻，光刻機、高端離子注人機、光刻膠等關鍵設備的自主研發面臨重大挑戰，短期內難以實現技術突破。同時，系統集成技術面臨標準協議不統一的難題，不同系統和數據端口之間的兼容性及適配性較差，嚴重制約了整體解決方案的推廣應用。

（二）智能工廠建設支撐作用不足

智能工廠的建設需要整合智能裝備、傳感設備、工業軟件及系統解決方案等多方資源，技術復雜度高且系統集成難度大。從全球范圍看，燈塔工廠主要集中于離散制造領域，美國和德國的燈塔工廠多布局于生物技術、半導體等高端產業，而我國則主要分布在產業鏈下游的家電、電子產品制造等領域，智能工廠對制造業整體升級的引領作用有待進一步加強。一方面，智能工廠建設中普遍存在“數據壁壘”現象。部分企業過度關注高端設備的采購，卻忽視設備間的數據互聯互通，導致信息難以共享；同時，許多企業的數據采集自動化水平和車間聯網率較低，無法實現生產設備的實時監控和預測性維護，這不僅未能降低資源消耗，反而可能因生產中斷而增加能源和設備的損耗。另一方面，工業軟件配套能力不足制約了智能工廠的發展。我國工業軟件產業基礎較為薄弱，產品以標準化通用型為主，在定制化開發和創新產品研發方面能力不足，難以適應工業生產的多樣化需求。國產工業軟件主要集中在企業資源計劃、供應鏈管理等中低端領域，在研發設計類、生產控制類等高端軟件方面仍依賴進口，缺乏具有核心競爭力的本土供應商。此外，支持智能工廠數據中心建設的軟件平臺發展滯后，缺乏能夠快速開發工業APP的敏捷開發框架，一定程度限制了智能工廠的效能提升。

（三）智能制造基礎設施建設存在短板

目前我國在信息網絡聯通、智能算法、智能傳感和智能處理等方面發展仍然滯后，基礎設施建設無法有效支撐智能制造高度網絡集成的生產模式（夏妍娜、趙勝，2015），進而導致制造強國建設缺乏堅實基礎。首先，工業互聯網發展基礎較為薄弱。與國際先進水平相比，我國工業互聯網存在行業分割明顯、標準化程度不足、底層技術開發深度不夠等問題。德國通過構建“管理殼”信息描述模型，實現了制造過程中各類設備與部件的互聯互通；日本則依托工業價值鏈參考架構（IVRA）將多個智能制造單元高效整合，構建了完整的工業互聯體系。相比之下，我國工業互聯網面臨信息技術與運營技術融合不足的“工具陷阱”問題，實際應用適配性較差，難以構建起支撐智能制造高質量發展的“神經系統”。其次，工業大數據的應用面臨多重制約。在工業大數據平臺和整體數字化解決方案等新興領域，我國尚未形成系統的戰略規劃和精準布局，工業數據“空心化”現象較為突出，智能制造大數據的應用層次普遍偏低。數據顯示，“十三五”期間，我國企業設備聯網率和數據采集率僅為23% ， ① 嚴重影響了數據的完整性和有效性。此外，部分企業對數據價值的開發重視不足，導致大量工業數據未能得到有效利用和轉化。

（四）傳統制造業智能化改造面臨轉型難題

推動傳統制造業轉型升級是建設制造強國的關鍵任務之一。從智能制造能力成熟度評估結果來看，江蘇省、廣東省、河南省達到二級及以上水平的企業占比分別為 43.7% 、 37% 和 25% 。盡管這些地區智能化水平較高的企業數量相對較多，但由于制造業企業基數龐大，仍有大量傳統企業尚未啟動智能化改造，整體轉型任務依然艱巨。當前，我國傳統制造業正處于“2.0補課”“3.0普及”“4.0示范”的多階段并行發展狀態，其轉型升級不僅涉及生產設備的更新換代，更需要對生產組織模式和管理體系進行系統性變革。在這一過程中，傳統制造業企業在智能化轉型時面臨多重挑戰。一方面，結構性失業風險使得許多企業對轉型持觀望態度，普遍存在“不敢轉、不會轉”現象。轉型目標模糊、效益不顯著，技術應用與管理實踐脫節，數字化思維滯后等問題突出。另一方面，數據孤島、人才短缺、技術落后等瓶頸使企業陷入“轉與不轉”的兩難境地。具體而言，離散制造領域受制于設備結構剛性、標準化程度低、數據貫通性差等問題，制約了柔性制造能力和產業鏈協同效率的提升；流程制造領域則面臨供應鏈協同不足、管理粗放、供需匹配度低等挑戰，影響了生產過程的連續性和穩定性。這些問題亟待通過系統性解決方案實現突破。

（五）智能制造產業發展生態建設不完善

健全的產業生態系統是支撐制造強國戰略的重要基礎。但當前我國智能制造產業發展生態尚未完善，在一定程度上制約了制造強國的建設進程。首先，政策與標準體系的協同性不足。盡管近年來國家出臺了一系列促進智能制造高質量發展的政策措施，并取得一定成效，但仍存在改進空間。在中央層面，國家發展改革委、工業和信息化部、科技部、商務部等多個部門均參與智能制造領域的管理工作，但由于各部門關注重點不同，尚未形成統一市場下協調的政策框架。在地方和企業層面，存在“重形式輕內容”的現象，過度關注融資規模和企業數量等指標，忽視了基礎技術研發、初創企業扶持和配套服務體系建設等內容。其次，標準體系建設滯后制約了產業發展。在國際層面，我國在智能制造標準制定方面的話語權和影響力有待提升；在國內層面，標準體系的不完善導致企業在對標和評估時面臨“水土不服”問題，特別是物聯網應用標準缺失導致生產設備兼容性差，企業內部信息系統難以集成，嚴重影響了跨平臺、跨系統的協同能力。

五、智能制造支撐制造強國建設的發展策略

智能制造已成為我國搶占全球制造業科技競爭制高點、加速建設制造強國的核心支撐和重要驅動力。未來一段時期是智能制造發展的戰略機遇期和攻堅突破期，應以培育新質生產力為導向，以推動制造業向高端化、智能化、綠色化轉型升級為主線，緊密圍繞國內外智能制造市場需求變化和創新發展趨勢，系統性地補短板、強優勢、挖潛力，全面提升智能制造發展質量，為制造強國建設注入新動能。

（一）加緊關鍵核心技術攻關，實現國產替代

突破關鍵核心技術是實現智能制造高質量發展的首要前提。我國應堅持“自主創新與國際合作并重”的策略，著力降低對高端智能裝備、核心零部件、工業軟件及系統解決方案的進口依賴。首先，深化基礎理論研究。支持科研機構在智能制造基礎理論、核心算法和模型構建等領域開展攻關；同時推進高等教育改革，優化專業設置，培養跨學科復合型人才，以滿足產業發展的需求。其次，加速推進智能制造“五基”（基礎材料、基礎零部件、基礎工藝、基礎裝備、基礎軟件）的自主研發。聚焦信息通信、人工智能、自動化、數據分析和物聯網等前沿技術，發揮集中力量辦大事的制度優勢，實現從單點技術突破到多領域協同創新的跨越。通過組建“龍頭企業 + 科研院所”的聯合研發團隊，針對人工智能、高端芯片、智能裝備、工業軟件、控制系統和智能傳感器等薄弱環節，整合產業鏈資源，強化集成創新能力，推動國內制造系統向芯片化、硬件化和平臺化方向發展。鼓勵企業構建開源工業互聯網平臺，加快智能設備和工業軟件的自主研發與國產化替代。培育本土智能制造系統解決方案供應商，搭建產學研合作橋梁。圍繞多元化的應用場景，在細分領域形成一批具有中國特色、可復制推廣的智能制造解決方案。

（二）聚焦產業發展需求，廣泛拓展應用場景

應以企業實際需求為導向，推動智能制造生產模式的規模化應用。鑒于我國各地區、各行業的產業基礎、發展水平和智能化程度差異顯著，需因地制宜制定差異化的推廣策略，分階段、分步驟實施智能化場景應用。首先，加速智能工廠的普及與橫向集成。在總結國家級智能工廠示范項目經驗的基礎上，提煉細分領域的典型應用場景，通過工廠智能化升級、企業間協同和產業鏈整合，實現快速復制推廣。對于新建工廠，根據產業發展需求建設燈塔工廠、無人化工廠和智能工廠；對于現有工廠，針對傳統制造企業實施定制化改造。通過升級基礎硬件、提升使能技術和加速系統集成，部署高性能網絡設備，構建云計算、邊緣計算和物聯網平臺，實現智能工廠的人機協同與具身智能。以龍頭企業為核心，橫向整合多個工廠，實現設備間、工廠間的數據互聯互通，打破技術和數據壁壘，優化供應鏈協同。最終以智能工廠為節點構建區域產業生態協同系統，將更多智能工廠納人更廣泛的產業鏈網絡，實現資源的智能化配置與集成，持續優化智能制造生態體系。其次，推動傳統制造企業的數字化轉型。不同細分領域的傳統制造企業因行業特性和產業鏈地位不同，數字化轉型路徑各異。應引導企業從單純技術導向或業務導向，轉向以數字化價值創造為核心，聚焦以數字化手段提升價值增量。通過提高設備聯網率和關鍵工序數控化率，構建靈活響應、動態調整的生產網絡，拓展企業增值空間。在軟件層面，鼓勵企業根據自身特點搭建工業互聯網平臺，實現資源整合和生產協同；在硬件層面，部署物聯網設備和智能傳感器，挖掘數據價值，提升生產效率，實現生產技術、業務流程、管理思維、商業模式的全面數字化轉型。

（三）夯實智能制造基石，加強基礎設施體系建設

首先，規范和優化智能制造基礎設施的總體布局。加強頂層設計，從效率提升、效益優化、安全保障、需求導向和區域均衡等維度，統籌規劃全國范圍內的骨干網絡設施、區域性算力基礎設施以及人工智能和區塊鏈等新型基礎設施。著力彌補發展短板，消除區域間數字鴻溝和城鄉新型基礎設施差距，改善當前新型基礎設施建設區域發展不均衡的現狀。其次，加大智能制造基礎設施的建設力度。加快推進信息基礎設施和數字基礎設施的普及應用，利用新一代信息技術推動傳統基礎設施的數字化、智能化升級。在算力基礎設施領域，強化跨網絡協同發展，實現信息基礎設施體系內各專業設施的互聯互通與協調建設。探索構建算力互聯網，推動云、網、邊、端等算力設施的泛在互聯。在行業融合領域，促進信息基礎設施與其他基礎設施的跨行業共建共享、協同發展，打造車聯網、城市物聯感知終端管理平臺等融合型智能化基礎設施。

（四）完善智能制造就業政策，促進勞動力市場動態均衡

首先，充分發揮崗位“替代補償”與“新增創造”效應，拓展就業空間。設立智能制造產業專項基金，通過壯大智能制造產業鏈，創造更多研發、生產、安裝、運維等相關崗位。其次，加快推進職業教育與培訓體系改革。一方面，強化職業培訓和再就業支持。針對因智能化轉型而失業的勞動者，開展智能制造領域專項技能培訓，制定“精準化培訓”課程計劃，確保培訓內容與新崗位需求緊密銜接，幫助勞動者在新興領域就業。另一方面，深化高等教育和職業教育改革。構建“智能制造 + ”專業體系，優化師資配置，重構課程框架，形成以智能制造為核心的跨學科課程體系。根據企業需求開設智能工廠建設、工業機器人編程、智能制造大數據分析等特色課程，系統培養掌握智能制造關鍵技術的高端復合型人才。最后，完善社會保障制度。加強失業保障體系建設，通過稅收優惠和財政補貼等手段擴大失業保險覆蓋面，緩解因技術性失業帶來的短期就業壓力。政策向弱勢勞動群體傾斜，特別是對易受智能化影響的中低技能勞動者，提供專項幫扶和免費職業咨詢服務。進一步優化收入分配結構，如降低勞動所得稅、提高資本利得稅、探索機器人征稅等，改善勞資關系，適應智能制造帶來的生產關系變革。

（五）加強體制機制改革，優化產業發展生態

加強央地政策協調統一，推動中央、地方與企業協同發力，因地制宜布局區域智能制造發展路徑，構建覆蓋產業鏈全生命周期的系統性政策支持體系。首先，加快完善標準體系建設。重點推進智能制造體系架構設計、技術路徑規劃和應用場景布局等方面的標準制定。鼓勵智能裝備制造商、工業自動化企業、工業軟件開發商及系統集成商等核心主體，聯合科研院所和高校共同參與標準研制。建立動態調整的標準更新機制，確保標準體系與技術創新和產業需求同步發展，提升其先進性和實用性。同時，積極參與國際標準制定，增強話語權，推動“智能制造中國標準”走向全球。其次，健全智能制造技術和產業創新激勵機制。智能化技術在生產模式、交易成本、價值創造、產業邊界和供需匹配等方面帶來深刻變革，其創新廣度和深度遠超傳統制造業。應優化激勵機制，重點加大對人工智能基礎技術突破、應用場景開發和智能化模式構建等研發活動的支持力度。建立科學的容錯糾錯機制，制定創新容錯清單，支持國有企業與民營企業協同創新。最后，實施“大數據驅動”戰略。為滿足制造業智能化升級對數據采集、處理、存儲和分析的需求，優化數據統計方法、分析模型和追溯機制，構建覆蓋生產全流程的大數據管理體系。鼓勵從事大數據開發、運營和經紀服務的機構發展，為制造業數據價值實現提供咨詢、評估和交易等專業服務。完善大數據相關法律法規，明確數據確權和維權責任，為利用工業大數據開展智能制造提供法律保障和安全支撐。

參考文獻：

1．［英］查爾斯·辛格，王前等譯：《技術史：第1卷》，上海科技教育出版社，2004年。2．藍江：《5G、數字在場與萬物互聯——通信技術變革的哲學效應》，《探索與爭鳴》，2019年第9期。3．宋旭光、何佳佳、左馬華青：《數字產業化賦能實體經濟發展：機制與路徑》，《改革》，2022年第6期。4．聶飛、胡華璐、李磊：《工業機器人何以促進綠色生產？——來自中國微觀企業的證據》，《產業經濟研究》，2022年第4期。5．夏妍娜、趙勝：《工業4.0：正在發生的未來》，機械工業出版社，2015年。6．［德］卡爾·馬克思、弗里德里希·恩格斯，中共中央馬克思恩格斯列寧斯大林著作編譯局譯：《馬克思恩格斯全集：第4卷》，人民出版社，1958年。7．林碧涓：《智能制造生態體系不斷發展制造業轉型正當時》，《通信信息報》，2022年11月30日。8.Schafer G.H.Artificial Intellgence：A ToolforSmart Manufacturing，American Machinistand Automated Manufactur-ing，1986，130（8）.9.Wright P K.，Bourne D.A.Manufacturing Inteligence，Boston：Addison -Wesley，1988.10.Wang J.，Xu C.，Zhang J.，et al.Big Data Analytic for Inteligent Manufacturing Systems：A Review，Journal ofManufacturing Systems，2022，62.11.LiB.，HouB.，Yu W.，etal.Appicationsofartificial intellgenceinintellgent manufacturing：Areview，FrontiersofInformation Technologyamp;Electronic Engineering，2O17，Vol.18.12.Fhorey R. Emerging trends in vehicular communications，IEEE New York Presentation，2O14，Vol. 8.13.Chen B.，Wan J.，ShuL.，et al.Smart factoryof industry 4.O： Key technologies，aplication case，and challenges，Ieee Access，2017，Vol.6.14.Wan J.，，Zhang D.，Sun Y.，et al.VCMIA：Anovel architecture for integrating vehicular cyber-physical systems andmobile cloud computing，Mobile Networks and Applications，2O14，Vol. 19.15.SachsJD.，Schmidt-Traub G.，Mazzucato M.，et al.Six Transformations to Achieve the Sustainable DevelopmentCoals，Nature Sustainability，2019，2（9）.16.Iqbal J.，Khan M.，Talha M.，etal. A generic Internetof thingsarchitectureforcontroling electrical energyconsump-tion in smart homes，Sustainable cities and society，2O18，Vol. 43.

責任編輯：李蕊