人工智能提升制造業產業鏈韌性的作用機理與中國路徑

[摘 要]在全球產業鏈供應鏈加速重構背景下，提升制造業產業鏈韌性對維護國家經濟安全具有戰略性支撐作用。隨著人工智能與制造業的深度融合，人工智能已成為提升中國制造業產業鏈韌性的關鍵驅動力之一。基于制造業產業鏈韌性，人工智能主要通過洞察預測效應增強制造業產業鏈風險抵抗能力，通過效率提升效應加強生產恢復能力，通過要素優化效應提高調整適應能力，通過技術創新效應促進高級化發展能力。然而，人工智能在驅動制造業產業鏈韌性提升上仍面臨高質量數據集匱乏、工業機器人關鍵零部件依賴進口、數據要素自由流動不暢和人工智能關鍵核心技術創新力不足等現實困境。因此，為更好地釋放人工智能提升制造業產業鏈韌性的新動能，中國應積極構建制造業產業鏈高質量數據集，推動工業機器人深度融入生產環節，完善智能化共享平臺體系，培育人工智能關鍵核心技術創新優勢，進一步提升中國制造業產業鏈韌性。

[關鍵詞]人工智能;制造業;產業鏈韌性;工業機器人

[中圖分類號]F49;F424[文獻標識碼]A[文章編號]1673-0461（2025）08-0056-09

一、引言

當前，全球產業鏈供應鏈正在加速調整，呈現出本土化、區域化、多元化等新趨向。中國雖然擁有規模龐大、實力雄厚的制造業產業鏈體系，但面臨發達國家“高端制造業回流”和發展中國家“中低端制造領域分流”的“兩頭擠壓”困境。在全球產業鏈重構趨勢下，如何提升中國制造業產業鏈韌性成為政府和學界關注的焦點。黨的二十大報告中將“著力提升產業鏈供應鏈韌性和安全水平”部署為重要發展戰略。黨的二十屆三中全會進一步強調，“健全提升產業鏈供應鏈韌性和安全水平制度”。基于此，提升制造業產業鏈韌性已然成為中國在國際競爭中贏得戰略主動的題中應有之義。人工智能①作為引領新一輪科技革命和產業革命的重要引擎，不僅是影響全球產業鏈演進格局的關鍵因素，更是發展中國家實現產業競爭“彎道超車”的重要路徑[1-2]。隨著智能算力的發展以及大模型的開發與應用，人工智能正驅動制造業產業鏈變革，憑借大模型、機器學習、智能機器人和自然語言處理等技術深入滲透至生產、分配、流通，以及消費等各環節，在協同供需匹配關系、提高運行效率、優化資源配置、革新生產模式等方面有著重要作用[3-4]，這為解決制造業產業鏈韌性的提升問題提供了全新路徑。如今，全球產業競爭已然進入了“鏈時代”[5]，中美等主要經濟體已逐步展開人工智能賦能產業鏈發展的戰略部署。因此，在全球產業鏈重構背景下，本文在系統剖析人工智能提升制造業產業鏈韌性作用機理的基礎上，挖掘人工智能提升中國制造業產業鏈韌性的現實困境，進一步提出人工智能提升制造業產業鏈韌性的中國路徑。

二、文獻綜述

制造業產業鏈韌性是產業鏈安全水平的重要體現，提升制造業產業鏈韌性是保護中國產業安全的迫切要求，也是實現制造強國的關鍵環節，更是實現高質量發展的重要保障。當前，關于制造業產業鏈韌性的研究主要集中在內涵、影響因素，以及作用機理等層面。

（一）制造業產業鏈韌性的影響因素

目前，學術界對產業鏈韌性概念尚未形成統一的界定。根據現有研究，產業鏈韌性是指產業鏈面對外部風險和不確定性沖擊時能夠維持鏈條穩定，迅速恢復至正常狀態，不斷調整以適應新變化，甚至是實現鏈條向高層次演進的能力，主要包括風險抵抗能力、生產恢復能力、調整適應能力與革新升級能力四層含義[6-9]。隨著學術研究的不斷深入，產業鏈韌性概念的外延已拓展至多個領域，而制造業作為國民經濟的重要支柱產業，其產業鏈韌性的提升問題更是成為學術界聚焦的核心議題。

關于制造業產業鏈韌性提升的影響因素，學者們已從數字經濟、產業集聚、碳稅政策等方面進行了研究。其中，陳曉東等[9]認為數字技術的應用可以提升產業鏈應對外部風險的抵抗力和恢復力。陶鋒等[10]進一步指出數字化轉型會促進產業鏈上下游各主體的協同效應，增強產業鏈抵御市場潛在風險沖擊的能力。劉瑞和張偉靜[11]則認為產業集聚能夠推動制造業加速實現結構調整與優化升級，進而提高制造業應對外部環境負面沖擊的能力。賀正楚等[12]更是強調產業協同集聚主要通過技術創新提升制造業產業鏈韌性。李萌等[13]針對制造業產業鏈對能源的強依賴性問題，指出基于增加值核算的碳稅政策有利于避免產業鏈的“碳泄漏”，減小碳稅政策的沖擊，從而提升產業鏈韌性。隨著新一輪科技革命和產業變革的發展，人工智能逐漸成為推動一國制造業產業鏈韌性提升的重要動力[14]。既有研究[15-19]認為人工智能在生產率提高、勞動力結構優化、技術創新、綠色轉型、出口升級等方面可以有效促進制造業產業鏈發展。然而，現有研究關于人工智能這一新型技術因素對制造業產業鏈韌性提升的重要潛力較少得到挖掘。人工智能作為引領未來產業發展的前沿技術，呈現出復雜分析、預測算法、人機協同、自主操控等多種能力，持續為產業鏈帶來顛覆性變革，是鍛造制造業產業鏈韌性的新動能。因此，深度探究人工智能對制造業產業鏈韌性的提升機理具有重要的理論與現實意義。

（二）人工智能提升制造業產業鏈韌性的機理研究

目前，關于人工智能提升制造業產業鏈韌性機理的研究主要有以下方面。劉鑫鑫和韓先鋒[20]認為人工智能通過促進產業專業化集聚和自主創新能力來提升制造業產業鏈韌性。韓蓄等[21]指出人工智能提升產業鏈韌性的機理主要表現在促進產業結構多樣化和勞動力技能高級化兩方面。何茜茜等[22]指出工業機器人應用對制造業產業鏈韌性的影響主要通過資本深化效應、技術創新效應、生產率效應，以及企業數字化轉型實現。呂越和張杰[14]指出技術創新和治理體系優化是人工智能推動制造業產業鏈韌性提升的關鍵內在邏輯。此外，呂越等[2]基于“補鏈延鏈”視角，進一步指出人工智能可以通過“機器換人”與“賦能于人”的方式來提高勞動生產率，并在產業鏈關聯和專業化集聚的影響下，強化人工智能對制造業產業鏈韌性的提升效應。李金城[23]指出要素高效配置和知識溢出是人工智能作用于產業鏈韌性的主要機制。

現有文獻雖然為理解人工智能驅動制造業產業鏈韌性提升提供了重要啟發和參考價值，但仍存在進一步拓展空間。當前研究主要證實了人工智能提升制造業產業鏈韌性的整體效應，但從風險抵抗能力、生產恢復能力、調整適應能力和高級化發展能力四個維度探索人工智能提升制造業產業鏈韌性的作用機理有待進一步挖掘。鑒于此，本文基于全球產業鏈重構視角，從上述四個維度嘗試構建人工智能對制造業產業鏈韌性提升的理論框架，以期為人工智能提升中國制造業產業鏈韌性提供經驗證據。

三、人工智能提升制造業產業鏈韌性的作用機理

（一）人工智能的洞察預測效應增強制造業產業鏈風險抵抗能力

風險抵抗能力是指制造業產業鏈面對風險沖擊時能夠維持鏈條完整的能力，而強化風險抵抗能力的重點在于提升預測的精準性。人工智能憑借其在風險預測方面的能力，實時監測風險變化情況并提供相應的解決方案，在制造業產業鏈前端的采購與研發、中端的加工制造、后端的銷售和物流等環節發揮風險預測和決策優化作用[9]，對增強風險抵抗能力至關重要。在前端，人工智能能夠提高供應商選擇的可靠性與穩定性，降低原材料、中間品、關鍵設備等斷鏈風險。其中，自然語言處理和深度學習技術可高效處理海量數據，幫助制造業企業快速挖掘潛在風險因素，結合供應商財務穩定性、交付準時率、產品合格率，以及歷史風險事件等重要數據，建立供應商風險評估動態模型，并依據實時數據以及預設的風險評估指標調整預測參數，提高模型對風險變化的敏感程度，持續優化風險預測的準確性。同時，對于發達國家的關鍵材料出口管制問題，人工智能基于材料數據庫中豐富的材料特性、結構，以及歷史實驗結果等多模態數據，輔助科研人員建立高精度的動態模型，利用機器學習技術實時追蹤研發進程，完成對材料性能的預測與質量篩選，大幅提高新材料研發的成功率，促進關鍵材料實現自主研發與量產，進而有利于降低關鍵材料“卡脖子”的風險。在中端，人工智能可合理調配資源要素，實現對全生產過程的實時監控與智能控制，科學預測與調整生產計劃安排，降低內部生產決策風險，維持生產的相對穩定。在后端，人工智能將大量碎片化的海內外市場信息捕捉到數據分析庫中，以智能化的計算模塊來預測市場需求與生產能力的匹配程度，有效進行庫存管理和預測性維護，減少“牛鞭效應”風險。此外，人工智能對海量運輸數據進行預測性分析與模型構建，實時追蹤貨物運輸位置，判定在途訂單的風險狀態，為物流執行方提供解決方案，以便其采取調整路線、通知客戶、協調資源等措施，降低物流斷鏈風險。

（二）人工智能的效率提升效應加強制造業產業鏈生產恢復能力

生產恢復能力是指制造業產業鏈在受損后經過自我修正能夠恢復至正常運行狀態和盈利水平的能力，而增強生產恢復能力的實質是借助效率的提升以加快生產與利潤的恢復。人工智能在生產領域的應用，主要通過工業機器人來實現[24]。工業機器人依靠自動化、機器學習、人機協作等優勢可有效減少生產中斷時間、生產成本、產品品質不良等問題，從而實現效率提升。在生產恢復方面，當制造業產業鏈因公共衛生事件、設備故障、人為操作失誤等原因而陷入生產中斷時，工業機器人的機器學習和智能決策系統可對制造業產業鏈的中斷問題進行快速響應，根據預設的計算模型和中斷類型，自動切換至適配的應急調整模式，及時為人類提供生產恢復方案，在最大程度上縮短生產中斷時間。與此同時，在大數據“喂養”和機器學習的影響下，工業機器人會自動總結相關規律，不斷升級中斷恢復技術，優化應急處理方案，持續為生產恢復提供技術支撐。在利潤恢復方面，工業機器人可替代準確性要求高、風險較大的程序化工作，降低人工出錯率，增強各個生產環節的銜接性和靈活性，實現全天候自動化生產，降低生產過程中的延誤成本，為制造業產業鏈的利潤恢復創造基礎條件。一方面，工業機器人通過使用計算機視覺系統與深度學習算法能夠自動檢測圖像里的瑕疵，防止缺陷產品的產生，保障產品的質量，有效降低廢品和返工成本。另一方面，“機器換人”也會減少制造業產業鏈對人力資源的需求，節省勞動力工資上升和勞動力流轉帶來的成本，緩解復工復產的資金壓力，加速受損后的利潤恢復。此外，工業機器人的24小時運行和高精度操作特點不僅推動產能快速實現最大化，還能夠優化產品質量，培育產品競爭優勢，進一步拓展利潤恢復空間。

（三）人工智能的要素優化效應提高制造業產業鏈調整適應能力

調整適應能力是制造業產業鏈在受損恢復后能主動自我改變與調整，進而更好地適應新環境變化的能力，其中要素優化是實現這一能力提升的關鍵路徑。人工智能共享平臺的大數據分析、智能決策、知識圖譜、深度學習等技術優勢已成為促進信息共享與交流，實現要素優化的內在動力。一方面，人工智能共享平臺能夠打破傳統面對面溝通局限，強化跨時空、跨部門的交流與互動，促進制造業產業鏈各主體形成更加高效的資源共享、優勢互補的協同合作關系。其一，人工智能共享平臺將制造業產業鏈各主體置于同一個網絡體系，利用機器學習算法挖掘各種生產要素的潛在關系，依靠深度學習系統可提前模擬不同勞動力、資本等傳統生產要素配置下的生產效果，又能夠實時根據要素市場供需變化情況自動調整決策方案，緩解生產要素錯配問題，幫助各主體合理安排生產要素調配。其二，對于新型知識生產要素，人工智能共享平臺可以提高知識要素的傳播效率，尤其是通過知識內容的深加工、對話輸出的多輪互動和多模態的相互轉換大幅提升知識傳播效果[25]。知識的快速傳播有利于提高制造業產業鏈的整體知識水平，促進智力資源發揮最大效用，推動知識成果轉化為生產力，有助于制造業產業鏈實現規模經濟和協同發展。另一方面，人工智能共享平臺為數據要素流動提供更加高效便捷的交流載體，使得數據要素幾乎以零邊際復制成本的方式為制造業產業鏈多方主體所獲取與使用，降低制造業企業信息搜尋與交易成本以及新技術傳播成本，提高數據要素積累、轉化和運用效率，充分調動各主體對數據要素的使用積極性。尤其是具備強大信息獲取和內容生產能力的人工智能將對研發、生產、銷售、物流等各個環節產生的碎片化、凌亂化、復雜化信息進行高效凝練與分析[23]，不斷從數據中挖掘出更多符合制造業產業鏈發展需求的價值信息，形成“滾雪球”式的正反饋循環，充分釋放數據要素的使用紅利。如此，不同類型、不同區域的制造業相關數據要素在不斷交融聚合的過程中，其價值將會呈指數級增長，為關聯企業提供更加豐富的價值信息與市場洞察，促進產業鏈全流程數據協同發展，推動制造業產業鏈更快地適應數字智能時代變化。

（四）人工智能的技術創新效應促進制造業產業鏈高級化發展能力

高級化發展能力是指制造業產業鏈在度過危機后從低層次向高層次轉型升級的能力，主要體現在產業鏈綠色轉型和高端化兩方面。由內生增長理論可知，技術創新是保障制造業產業鏈高級化發展的持續動力，而人工智能作為新一輪科技革命的核心引擎，具有強大的技術創新驅動力。一方面，人工智能可有效縮短產業鏈綠色技術研發周期，自動發掘綠色創新潛力點。在縮短研發周期上，人工智能利用高精度大模型深度模擬創新過程，在虛擬環境中對新技術進行全方位的仿真測試，智能篩選出潛力方案反饋至研發人員，減少傳統研發過程的后期調整時間，降低試錯頻次，大幅縮短綠色技術從概念到實物的研發周期。在發掘綠色創新潛力點上，人工智能利用神經網絡算力分析海量的制造業產業鏈能源消耗數據，預測生態環境、能源市場、綠色消費市場需求的未來變化，以類腦智能計算綜合分析多方面因素，自動挖掘制造業產業鏈綠色創新的潛在突破點，為綠色技術創新提供指導方向，研發符合綠色環保與節能減排需求的新型清潔技術，減少綠色技術創新的滯后性。另一方面，人工智能具有破除制造業產業鏈“低端路徑鎖定”的創新效應。在生產端，人工智能可對全球網絡公開數據進行深度分析，獲取不同領域的專業知識，實現跨模態的創新探索，激發鏈上企業進行技術深耕和邊界拓展的潛能，實現原始創新“從0到1”的突破。同時，智能化平臺的建立使產學研各主體的知識技術交流更加便捷，有助于實現跨領域、跨時空、跨層次的協同創新，這為攻克關鍵核心技術、開發前沿技術提供源源不斷的創新動力。在消費端，人工智能將生產和消費緊密銜接在一起，實現供需互動式創新，即預測客戶的購買行為和偏好，深度挖掘全新需求點并將其反饋至生產研發環節，倒逼鏈上企業不斷生產出更多附加值高、難以替代的智能產品，不斷塑造品牌競爭力。特別是在產品設計中，人工智能可精準篩選出契合性能、成本與高端市場需求的設計方案，這使得產品在質量競爭、差異化競爭的國際市場中脫穎而出，逐步實現由跟跑向并跑乃至領跑跨越。

四、人工智能提升中國制造業產業鏈韌性的現實困境

當前，制造業已經成為人工智能的重點應用領域，人工智能在采購與物流、研發與生產流程優化、產品智能升級、綠色轉型等方面取得了顯著的效果②，對增強制造業產業鏈韌性發揮著積極作用。然而，在人工智能提升制造業產業鏈韌性的過程中，中國在數據集質量、工業機器人關鍵零部件國產化率、數據要素流動性、人工智能關鍵核心技術創新等方面仍面臨著一定的現實困境與挑戰。

（一）高質量數據集匱乏，削弱人工智能對制造業產業鏈風險的預測能力

高質量數據集③已成為人工智能“學習”的基礎和源泉，其充足與否直接影響大模型預測性能。目前，中國高質量數據集處于匱乏狀態，致使模型訓練信息存在顯著缺陷，極大程度制約人工智能大模型的訓練成效，嚴重弱化其對制造業產業鏈的風險預測效能。第一，通用領域中文數據集供給短缺。在國際主流大模型訓練數據集中，中文數據集僅占5.1%，遠低于英文的56.3%④，導致構建高質量數據集的中文來源嚴重不足。第二，行業數據集缺乏多樣性。在中國行業數據集中，文本數據集占56%，而視覺與多模態數據集分別僅占20%左右⑤，表明行業數據集結構分布失衡，無法滿足垂直領域大模型對高質量數據集的復雜需求。第三，數據管理主體缺失。中國缺乏類似美國Databricks和Snowflake“數據集+人工智能”模式的高質量數據集構建和治理主體。國家數據局最新數據顯示，中國尚未建設數據管理系統的大企業比例為21.9%，而多數中小企業在該方面建設更為落后，企業通過產業鏈數據實現風險預測的應用占比僅有10%⑥。綜上，通用領域中文數據集、行業數據集，以及數據管理主體方面的多重問題使人工智能在模型訓練中缺乏足夠的高質量數據集支撐，難以全面感知復雜多變的產業鏈場景，從而削弱其對外部風險的洞察力，嚴重制約人工智能在風險預測領域的應用發展。在供應商選擇方面，如果缺乏涵蓋供應商財務狀況、歷史合作表現，以及突發事件案例等全面、準確、最新的高質量數據集，人工智能在評估供應商風險指標時便會發生錯誤解析，弱化其對供應商選擇風險的預測能力。此外，中國消費市場規模龐大，需求多元且復雜，若人工智能缺乏涵蓋消費者偏好、購買行為習慣和消費能力等多維度、真實準確、實時更新的高質量數據集，企業便難以利用人工智能精準預測市場變化趨勢，無法快速響應市場新需求，導致生產與需求脫節，引發庫存積壓、資金周轉困難和競爭力下降等問題，加大產業鏈后端的市場銷售風險。

（二）工業機器人關鍵零部件依賴進口，阻礙人工智能提升制造業產業鏈生產恢復效率

工業機器人是人工智能的重要實踐載體，被譽為“制造業皇冠頂端的明珠”。根據最新數據，中國工業機器人裝機量處于世界首位，已占全球52.4%;工業機器人密度達470臺/萬人，位居全球第三⑦。然而，中國工業機器人依然面臨著關鍵零部件進口依賴問題，且與美國等發達國家存在較大差距。根據中國電子信息產業發展研究院最新報告，美國的電氣元件和工程元件高價值專利占比分別為6.63%和3.61%，而中國僅為1.11%和0.79%，且在工業機器人成本中占比最大的關鍵零部件伺服電機與減速器國產化率均小于30%，高性能交流伺服電機和精密減速機等關鍵零部件主要依賴進口⑧。一方面，中國工業機器人的關鍵零部件高度依賴從日本、德國、美國等發達國家進口，而這些國家不僅施行技術封鎖，還構筑起嚴苛的知識產權壁壘，并頻繁加征貿易關稅，致使國內制造業企業引進工業機器人成本高昂，短期內難獲明顯經濟效益，投資回報周期被拉長，這會嚴重削弱企業引入工業機器人恢復生產的積極性，也阻礙人工智能在提升生產恢復效率方面發揮作用。另一方面，囿于關鍵零部件長期依賴進口問題，中國難以深入掌握機器人核心技術，無法根據自身多元化生產需求對零部件進行優化改進，限制工業機器人的差異化和高性能化發展，使得標準化工業機器人不能完成復雜化、非結構化的工作任務，而打破工業機器人作業的局限性又需要較長周期的智能算法訓練和技術升級，進一步制約工業機器人與制造業產業鏈的深度融合。

（三）數據要素自由流動不暢，限制人工智能促進制造業產業鏈協同發展

數據要素流動不暢是制約人工智能共享平臺建設的核心問題，阻礙制造業產業鏈上下游從連接到協同的有效實現。事實上，根據《全國數據資源調查報告（2023年）》，開展產業鏈協同應用的企業占比不足20%，這一數據直觀反映出當前數據多場景、多主體協同困難，自由流動嚴重受阻的現狀，而其衍生的負面影響主要表現在以下兩方面：一是產業鏈生產協同難以釋放更大效能。制造業產業鏈上下游需要通過數據共享來協調生產、庫存和物流等環節，而鏈上企業各部門的數據互聯互通不足，直接影響人工智能在優化生產調度、資源配置等方面的效果，從而限制產業鏈生產協同效果的發揮。數據通常分散和遺留在生產、倉儲、人力等各個部門系統中，人工智能共享平臺難以從全局視角獲取完整的數據信息，只能基于局部信息來決策生產計劃和要素資源調配，無法準確分析原材料價格波動對生產成本的影響以及生產效率變化對采購計劃的反饋，使得生產要素分配不能契合各部門和環節的實際需求和效率最優原則，最終引發資源錯配問題。二是產業鏈跨組織創新協同受阻。制造業產業鏈是動態發展的，資源要素、市場需求、技術創新等因素都在不斷變化。但出于企業對數據安全和隱私以及知識產權保護的擔憂，鏈上各主體的數據相互封閉，限制新知識和技術的傳播與交流，數據被分割在不同的孤島中，企業間跨組織數據共享困難，數據更新的速度和同步性很難得到保證，削弱人工智能共享平臺的知識整合與技術挖掘能力，抑制最佳實踐、新技術、新產品的開發速度和質量，不利于產業鏈的創新協同發展。

（四）人工智能關鍵核心技術創新力不足，掣肘制造業產業鏈轉型升級

關鍵核心技術創新力是人工智能提升制造業產業鏈韌性的重要驅動，是實現制造業產業鏈高級化發展的基石。然而，中國人工智能依然面臨著關鍵核心技術創新力不足的問題，其原因主要集中于頂級大模型開發不足和高端人才短缺兩方面。《2024人工智能指數報告》數據顯示，中國人工智能頂級大模型只有15個，而美國有61個，這表明在頂級大模型開發方面中國與美國仍有較大差距。中國人工智能人才缺口已達500萬人次，供需人才比為1∶10⑨，中國頂級人工智能研究人員數量不足美國的三分之一，中國人工智能人才供需結構性矛盾突出⑩。頂級大模型開發不足與人才短缺的雙重因素，導致關鍵核心技術創新不足，從而極大地制約制造業產業鏈在綠色化和高端化轉型中的協同推進。首先，頂級大模型開發不足會削弱人工智能處理復雜數據能力，致使企業對市場動態和政策調整感知遲鈍，無法精準捕捉綠色創新機遇、發掘相關創新點;且因缺乏精準模擬系統，無法預先驗證綠色技術可行性，只能依賴高成本、長周期的實際測試，從而延緩研發進程。其次，頂級大模型短缺使得高端技術的突破受限，尤其在智能制造、精密工藝和高端產品設計方面的進展緩慢。再次，由于缺乏頂級大模型對市場趨勢和消費者需求的精準分析，企業難以設計出具有前瞻性、創新性的高端產品，削弱產品的市場競爭力。最后，人才短缺會導致人工智能關鍵核心技術的研發能力不足，并阻礙技術與實際生產的有機結合，使得人工智能技術落地難，進一步加劇產業鏈綠色技術創新難和高端化轉型動力不足的問題，限制制造業產業鏈在全球競爭中的高級化發展能力。

五、人工智能提升制造業產業鏈韌性的中國路徑

人工智能是制造業產業鏈高水平發展的新動能，在提升制造業產業鏈韌性中扮演著愈加重要的角色。然而，受高質量數據集匱乏、工業機器人關鍵零部件進口依賴、數據要素自由流動不暢和人工智能關鍵核心技術創新力不足等問題的制約，人工智能提升中國制造業產業鏈韌性的重要作用尚不能得到充分發揮。為更好地推動人工智能提升制造業產業鏈韌性，本文從以下四個方面提出具體路徑。

（一）加快構建制造業產業鏈高質量數據集，筑牢人工智能提升產業鏈風險預測能力的數據根基

加快構建高質量數據集，增強人工智能風險預測的準確性，切實提升制造業產業鏈抵抗風險的能力。

第一，制造業產業鏈應采用更為精準的數據采集與處理策略。一方面，應整合互聯網、科研機構、企業等多渠道數據，梳理并匯聚互聯網上與制造業產業鏈相關的行業資訊平臺、原材料交易網站等數據，聯合科研機構在前沿技術研究、生產工藝改進方面的數據，系統收集上下游企業生產制造、庫存管理、銷售訂單等環節的實時數據，從源頭獲取真實、全面、實時更新的原始數據，降低數據偏差，增加人工智能大模型訓練數據集的廣度和深度，提高大模型在制造業產業鏈各類風險場景中的健壯性和適應性，減少因缺乏高質量數據集引發的風險預測失準。另一方面，可以借助人工智能技術的自動標注工具對大量的文本、圖像、音頻等數據進行精準標注和分類，快速生成帶有標簽的數據集，并采取適當的數據預處理原則，運用人工智能大語言模型的上下文學習能力從示例樣本和原始素材中快速構建出高質量的“指令-輸出”，形成種類多樣、內容翔實的指令微調數據集，去除噪聲和干擾信息、填補缺失值，確保制造業企業獲取準確、完整的高質量數據集，使大模型在訓練中能夠深度解析數據，精準洞察制造業各環節風險特征，有效提升風險預測能力，助力企業提前預警與科學決策，強化產業鏈抗風險韌性。

第二，加快推進國家數據集標準體系建設。國家數據集標準體系的建設是保障高質量數據集高效供給與規范管理的重要舉措。政府相關部門應協同制造業企業、科研機構、數商企業等多元主體共同參與制定數據集標準化工作，豐富數據集供給、提高數據集質量管理水平，優化大模型訓練數據集的質量，從源頭上避免人工智能系統產生偏見和謬誤，提高制造業產業鏈使用人工智能預測風險的積極性。其一，引育發展數據商和第三方專業服務機構。建立數商資源池，選樹優秀典型，鼓勵技術型、應用型和服務型數商發展，引導數商進入“三數一鏈”體系（數據交易機構、數據交易專網、數據交易憑證和區塊鏈跨鏈互認機制），提升數商群體發展水平，助推數商整合優質數據資源，產出適配制造業產業鏈不同應用場景的高質量數據集，賦能人工智能精準預測風險，強化制造業產業鏈抗風險能力。其二，構建完善的數據集質量評測體系。科學設置文本數據集、圖像數據集、微調數據集等質量評測標準體系，從多維度評測能力、自動化評測流程、可視化工具配置、實時評測與反饋等幾方面打造智能化數據集質量評測工具箱與實施方案，建立基于制造業產業鏈數據供需實際情況的多樣化數據集質量評測生態，形成數據集質量的閉環管理和長效檢查機制，實施持續監控與優化流程，促進數據集的高質量發展，不斷為制造業產業鏈運用人工智能預測風險提供有力的數據支撐。

（二）推動工業機器人深度融入生產環節，夯實人工智能強化制造業產業鏈恢復能力的關鍵支撐

推動工業機器人在制造業領域的深度應用，實現制造業產業鏈智能化升級，是提升制造業產業鏈恢復能力的關鍵路徑。

首先，著力解決工業機器人關鍵零部件進口依賴問題。中國應聚焦工業機器人高性能減速器、伺服驅動系統、控制器等關鍵零部件開發問題，提高關鍵零部件國產化率。圍繞工業機器人的智能核心技術培育頭部企業，凝聚人力資本、知識資本、技術資本和研究資源于智能控制系統的開發，加快工業機器人技術“補課”步伐，夯實本土高技術復雜工業機器人發展的高端智能要素基礎，助力制造業產業鏈實現智能化、高效化的作業。

其次，提升工業機器人技術的適配性。增加對工業機器人的人工智能技術投資，推進純視覺空間與具身智能傳感器、高精度通用移動操作機器人等智能技術商業落地進程，加強人工智能技術與工業機器人的高度融合，將機器學習、深度學習等先進算法嵌入機器人控制系統，經過大量數據集的訓練，提升機器人應對不同復雜場景和任務的能力，增強機器人的適配度，加速工業機器人在制造業生產領域的應用進程。

最后，全力緩解企業應用工業機器人的資金壓力。政府部門應加強對企業引入工業機器人的政策扶持力度，落實稅費減免政策、提供購置專項補貼，切實減少企業技術轉型前期的投入成本。

同時，積極投資工業機器人教育和培訓項目，在高校科學設置相關課程，培養工業機器人操作、維護和開發方面的專業性人才，彌補國內機器人應用領域的人才缺口，降低企業的人才培養成本。由此，引入工業機器人的相關成本大幅降低，會有效激發企業的使用積極性，為制造業產業鏈借助工業機器人提升生產恢復能力提供堅實保障。

（三）完善智能化共享平臺體系，為人工智能提高制造業產業鏈調整適應能力提供重要載體

隨著人工智能在制造業領域的廣泛應用，加快智能化共享平臺建設與應用變得尤為關鍵。應積極打破數據孤島與共享困境，形成多層次、全方位、寬邊界的智能化共享平臺格局，推動人工智能深度賦能制造業產業鏈協同發展，有效增強產業鏈應對外部環境變化的調整適應能力。一方面，建立企業間深度合作機制。這是智能化共享平臺建設的關鍵步驟，也是推動平臺從理論架構轉化為實際應用并實現可持續發展的核心動力之一。應制定相關政策激勵鏈上企業自發構筑制造業產業鏈共享智能聯盟，強化鏈上各主體之間的合作關系，對知識、技術共享中表現優秀的鏈上企業給予資金支持和政策傾斜，破除各種隱性行業壁壘，為企業積極融入智能共享生態系統提供堅實的制度保障。在此基礎上，深化智能化聯動，推動聯盟成員之間的開放合作和協同創新，構建資源共享、信息互通和價值共創的智能互聯體系。同步建立完善的智能共享生態系統監測與評估機制，確保生態系統高效運行，動態優化系統架構，推動智能共享生態系統實現長期可持續發展，全方位提升制造業產業鏈面對外部新變化時的協同效能與靈活應變能力，確保產業鏈穩健發展。另一方面，保障智能化共享平臺的數據隱私和安全。在平臺建設過程中，應確保信息共享的安全性，以此建立企業間信任基礎，促進數據高效流動，保護多方主體權益，推動制造業產業鏈協同共進。具體而言，將區塊鏈技術嵌入智能化共享平臺系統，賦予鏈上各個企業訪問網絡信息權限，通過加密技術體系、去中心化存儲機制，以及智能合約規則，幫助企業實現對數據全生命周期的存證、追蹤和管理，增強系統的可見性與可追溯性，提升數據保護和防偽能力。研發企業可將技術相關的核心算法、測試數據等信息加密儲存于智能化共享平臺，而合作企業在通過智能合約的驗證后，依據相應權限進行訪問，其操作記錄會被區塊鏈如實且不可篡改地留存，有力保護技術分享的安全性，激發企業使用共享平臺的積極性，為人工智能深化產業鏈協同發展，提升產業鏈應對復雜多變環境的能力打造堅實基礎。

（四）培育人工智能關鍵核心技術創新優勢，激發人工智能賦能制造業產業鏈高級化發展的內生潛能

加強人工智能關鍵核心技術創新力度，擺脫制造業產業鏈“低端鎖定”泥沼，克服綠色化、高端化轉型的技術難題，以人工智能關鍵核心技術創新為主攻方向，加快構建“以我為主”的綠色化、高端化制造業產業鏈體系，驅動制造業產業鏈高級化發展能力的提升。

第一，強化基礎技術領域的自主研發和創新能力。加強對國外先進人工智能技術的吸收和轉化能力，識別人工智能在中國制造業產業鏈應用中面臨的“卡脖子”問題清單，堅持“從0到1”的原始創新，強化關鍵核心技術的開發與應用，形成科技創新和產業應用相互促進的良好發展局面。同時，加速培育“人工智能+”的綠色發展新模式，重點關注綠色科研成果質量而非數量，大范圍開發有益于節能減排的新技術和新產品，引導企業建設綠色智能工廠并搭建綠色智能制造平臺，推進人工智能在制造業各領域的大規模應用，擴大人工智能提升制造業產業鏈綠色轉型的效果。此外，應加快培育一批資源整合能力強的鏈主企業，并加大“單項冠軍”企業培育力度，提升中國在戰略性關鍵環節的控制力和反制力，建立起具有自主知識產權和核心競爭力的人工智能“國產框架”，推動中國制造業向全球產業鏈中高端邁進。

第二，加快推進人工智能領域隊伍建設。人才是人工智能關鍵核心技術創新的核心力量，人工智能技術更新換代快，需要大量的專業人才進行研發和創新。在人工智能高端人才培養方面，高校應聚焦學科交叉融合，培養具有多元思維和創新意識的“人工智能+X”時代創新人才。建立長效共贏的產學研融合機制，推動高校與領軍企業共同制定“以問題為驅動、以項目為載體、以創新為目標”的人才培養教學計劃和實訓課程，促進在校學生與企業員工共同參與產業突破性技術研發，提升創新意識與能力，推動人才培養供給側和制造業產業鏈需求側結構要素全方位融合。與此同時，政府應該鼓勵企業在學校設立人工智能科研獎項，積極構建產學研政一體化公共服務體系。在人工智能領域人才引進方面，對于短期內難以通過教育培訓來彌補的人才缺口，政府相關部門可采取人工智能高端人才引進政策，重點向海外高層次人才傾斜，引進神經認知、機器學習、自動駕駛、智能機器人等國際頂尖科學家和高水平創新團隊。統籌利用現有人才計劃，支持青年人才承擔國家重大任務攻關，鼓勵采取項目合作、技術咨詢等方式柔性引進人工智能高端人才，著力解決人工智能發展的技術創新難題，為制造業產業鏈高級化發展提供源源不斷的人才支持。

[注 釋]

①人工智能是一種賦予機器感知、模擬甚至超越人類思維的技術，依托海量、高維的數據庫資源將人類思維抽象化，并在反復試驗過程中形成對人類活動的行為性模擬，不斷進行技術賦能與環境信息交互來提高認知，形成更強的探索能力、更準確的辨認與預測能力和更高水平的思維能力。參見鄧悅、許弘楷、王詩菲：《人工智能風險治理：模式、工具與策略》，《改革》2024年第1期。

②參見中國信通院：《人工智能發展報告（2024）》，http：//www.caict.ac.cn/kxyj/qwfb/bps/202412/t20241210_647283.htm，2024年11月29日。

③高質量數據集的判斷標準主要包括數據集的完整性、規范性、準確性、及時性、相關性、多樣性等12個一級指標，因此，考察高質量數據集發展程度可從以上指標進行判斷。參見中國信通院：《“可信AI”人工智能數據集質量評估體系（ADAQ）》，2024年12月31日。

④此處數據來自人工智能應用開放社區HuggingFace：《人工智能大模型和數據集統計（2024）》，https：//oecd.ai/en/，2024年4月22日。

⑤此處數據來自北京智源人工智能研究院：《AI大模型行業數據全景掃描（2024年）》，http：//www.baai.ac.cn/，2024年9月25日。

⑥此處數據來自國家數據局：《全國數據資源調查報告（2023年）》，https：//www.nda.gov.cn/sjj/ywpd/sjzy/0830/20240830191408027390482_pc.html，2024年5月30日。

⑦此處數據來自斯坦福大學：《2024人工智能指數報告》，https：//aiindex.stanford.edu/report/，2024年4月16日。

⑧此處數據來自中國電子信息產業發展研究院（賽迪研究院）：《鍛造“工業利刃”，我國工業機器人亟需三方面協同破解知識產權難題》，https：//www.ccidgroup.com/info/1207/41036.htm，2024年9月27日。

⑨此處數據來自光明理論：《夯實人工智能產業發展的人才根基》，https：//theory.gmw.cn/2024-11/09/content_37666395.htm，2024年11月9日。

⑩此處數據來自人工智能行業協會：《2024人工智能發展白皮書》，https：//www.saiia.org.cn/index.php/2024/10/30/11-8/，2024年4月19日。

[參考文獻]

[1]ACEMOGLUD，RESTREPOP.Demographicsandautomation[J].Thereviewofeconomicstudies，2022，89（1）：1-44.

[2]呂越，張昊天，高愷琳.人工智能時代的中國產業鏈“延鏈補鏈”———基于制造業企業智能設備進口的微觀證據[J].中國工業經濟，2024（1）：56-74.

[3]肖興志，解維敏.人工智能與企業韌性———基于工業機器人應用的經驗證據[J].系統工程理論與實踐，2024，44（8）：2456-2474.

[4]張伯偉，馬凡慧.智能制造如何提升產業鏈供應鏈韌性：理論機制與實證檢驗[J].經濟學動態，2024（11）：20-37.

[5]盛朝迅.從產業政策到產業鏈政策：“鏈時代”產業發展的戰略選擇[J].改革，2022（2）：22-35.

[6]CAPELLOR，CARAGLIUA，FRATESIU.SpatialheterogeneityinthecostsoftheeconomiccrisisinEurope：arecitiessourcesofregionalresilience？[J].Journalofeconomicgeography，2015，15（5）：951-972.

[7]HOSSEINIS，IVANOVD，DOLGUIA.Reviewofquantitativemethodsforsupplychainresilienceanalysis[J].TransportationresearchpartE，2019，125：285-307.

[8]肖興志，李少林.大變局下的產業鏈韌性：生成邏輯、實踐關切與政策取向[J].改革，2022（11）：1-14.

[9]陳曉東，劉洋，周柯.數字經濟提升我國產業鏈韌性的路徑研究[J].經濟體制改革，2022（1）：95-102.

[10]陶鋒，王欣然，徐揚，等.數字化轉型、產業鏈供應鏈韌性與企業生產率[J].中國工業經濟，2023（5）：118-136.

[11]劉瑞，張偉靜.空間集聚能否提升中國制造業韌性———基于產業適應性結構調整的視角[J].當代財經，2021（11）：16-27.

[12]賀正楚，李玉潔，吳艷.產業協同集聚、技術創新與制造業產業鏈韌性[J].科學學研究，2024，42（3）：515-527.

[13]李萌，何宇，潘家華.“雙碳”目標、碳稅政策與中國制造業產業鏈韌性[J].中國人口·資源與環境，2022，32（9）：22-34.

[14]呂越，張杰.人工智能與產業鏈韌性提升[J].西安交通大學學報（社會科學版），2024，44（2）：29-38.

[15]姚加權，張錕澎，郭李鵬，等.人工智能如何提升企業生產效率？———基于勞動力技能結構調整的視角[J].管理世界，2024，40（2）：101-116，133.

[16]ACEMOGLUD，RESTREPOP.Robotsandjobs：evidencefromUSlabormarkets[J].Journalofpoliticaleconomy，2020，128（6）：2188-2244.

[17]ZHAONY，HONGJT，LAUKH.Impactofsupplychaindigitalizationonsupplychainresilienceandperformance：amulti-mediationmodel[J].Internationaljournalofproductioneconomics，2023，259（5）：108817.

[18]SHANGYP，ZHOUSL，ZHUANGDL，etal.Theimpactofartificialintelligenceapplicationonenterpriseenvironmentalperformance：evidencefrommicroenterprises[J].Gondwanaresearch，2024，131：181-195.

[19]呂越，谷瑋，尉亞寧，等.人工智能與全球價值鏈網絡深化[J].數量經濟技術經濟研究，2023，40（1）：128-151.

[20]劉鑫鑫，韓先鋒.人工智能與制造業韌性：內在機制與實證檢驗[J].經濟管理，2023，45（11）：48-67.

[21]韓蓄，傅聯英，呂重陽，等.智藏韌顯：智能制造提升工業韌性的機理與證據[J].研究與發展管理，2023，35（6）：46-59.

[22]何茜茜，高翔，黃建忠.工業機器人應用與制造業產業鏈供應鏈韌性提升———來自中國企業全球價值鏈嵌入的證據[J].國際貿易問題，2024（2）：71-89.

[23]李金城.工業智能化的產業鏈韌性提升效應：理論機制與經驗證據[J].改革，2024（7）：80-94.

[24]李舒沁，王灝晨，汪壽陽.人工智能背景下工業機器人發展水平綜合動態評價研究———以制造業為例[J].系統工程理論與實踐，2020，40（11）：2958-2967.

[25]劉智鋒，吳亞平，王繼民.人工智能生成內容技術對知識生產與傳播的影響[J].情報雜志，2023，42（7）：123-130..

（責任編輯：張夢楠）