YYVIP易游【热点资讯】中国工业互联网研究院院长鲁春丛：关于“人工智能+制造”最新发文

　　YYVIP易游·(中国有限公司)官方网站党的二十届四中全会通过的《中央关于制定国民经济和社会发展第十五个五年规划的建议》强调“全面实施‘人工智能+’行动，以人工智能引领科研范式变革，加强人工智能同产业发展、文化建设、民生保障、社会治理相结合，抢占人工智能产业应用制高点，全方位赋能千行百业”。制造业是实体经济的根基，是“人工智能+”行动的主战场。

　　近日，工业和信息化部等八部委联合印发《“人工智能+制造”专项行动实施意见》，在数智基建、场景推广、产品创新、主体培育、生态建设、安全护航、国际合作等方面部署了系列任务，为加快推进人工智能在制造业融合应用提供了系统指引。

　　当前，以智能化为代表的新一轮科技革命和产业变革浪潮席卷全球，正在系统重构全球产业格局。工业智能体、具身智能在制造业各环节加速渗透，正在成为企业重塑竞争优势的新动能。产业竞争的焦点已不再是行业本体技术的领先，而是数智技术与实体经济融合应用的效率和规模。能否做强“人工智能+制造”，将直接决定我国制造业的全球地位和长远竞争力。

　　制造业年产值超过16万亿美元，约占全球GDP的15%。这意味着，通过人工智能技术对工业技术、知识、数据、人才等全要素重组，以及研发、生产、管理等全链条的深刻重塑，每带来1%的效率提升，就将创造年均超1600亿美元的经济增长。面对如此巨大的战略价值，世界主要国家纷纷将人工智能作为重塑竞争力的核心领域，美欧发达国家相继出台国家级AI战略，意图重构产业竞争优势、抢占制造业发展制高点。

　　国际工业巨头纷纷与人工智能企业加大合作力度，入局工业AI，推动AI在仿真设计、自适应制造、供应链管理以及智能工厂等领域的深度应用，推动工业自动化领域的AI变革。在这场关乎未来发展的全球竞争中，我们不进则退、慢进亦退，必须抢抓这一历史机遇，牢牢掌握发展主动权。

　　2024年我国制造业增加值超过33亿元，占GDP的比重近25%，对全球制造业增长的贡献率超过30%。我国还拥有全球最完整、门类最齐全的工业体系，这构成了人工智能技术最宝贵的“全场景”应用土壤和广袤的数智转型“蓝海”。更重要的是，我国拥有支撑数智转型的坚实基础设施和服务体系。算力规模全球第二、以5G、千兆光网为核心的“数字大动脉”实现全国有效覆盖。据测算，2025年人工智能企业数量超6000家，形成了涵盖基础底座、模型框架、行业应用的完整产业体系，核心产业规模破万亿。

　　供需两端的产业基础，为人工智能在制造业应用和迭代提供了全球最富集的资源禀赋。这决定了我国推进“人工智能+”的关键路径，在于将人工智能技术深度融入制造业的广阔场景，催生海量高价值的工业数据，在数智基础设施的有力支撑下，驱动技术迭代和应用创新，形成技术供给与产业需求互促共进的良性循环，将我国应用场景优势、规模优势和基建优势，转化为难以复制的产业发展“非对称优势”。

　　我国拥有超600万家制造业企业，既有引领行业的龙头标杆，也有深耕细分领域的中小企业，是推进新型工业化的主体力量。到2035年基本实现新型工业化，客观上要求企业在质量效益、驱动要素、业态模式等方面实现系统性跃迁，这离不开“人工智能+”的技术赋能。实践证明，人工智能正在推动生产方式从“人控”走向“智控”，决策模式从“经验驱动”走向“数智驱动”，产业人才从“工匠”转为“智匠”。国内领先企业已率先行动，将大模型应用于电子、钢铁、汽车等领域，实现智能化运营，助力生产效率提升。

　　在全国已建成的230余家卓越级智能工厂中，产品研发周期平均缩短28.4%，生产效率平均提升22.3%，不良品率平均下降50.2%，碳排放平均减少20.4%。这些数字背后，是生产力的深刻变革和生产关系的系统性调整，是生产要素的创新型配置，是新质生产力的集中体现。我们必须牢牢把握人工智能这一驱动力量，加速技术突破与产业应用的双向奔赴，为我国制造业开辟范式转换和能力跃升的新赛道，为新型工业化注入强劲动力。

　　“人工智能+制造”具有多元化、时代化、融合化的基本特征。应用场景多元化。我国制造业既有引领产业升级的高精尖领域，也有正在加速转型的传统产业，既有全球领先的领航级智能工厂，也有亟待改造的“手工作坊”，这为人工智能与制造的深度融合提供了全球最为丰富、无可比拟的实践场景和创新空间。现有制造环节的生产设备、工艺流程、信息系统呈现复杂多样，涵盖从传统机床到工业机器人、从单一生产单元到全链条供应链、从定制化业务软件到大型工业操作系统，形成了多层次、多维度的技术生态与产品适配体系。

　　技术演进时代化。制造业一直以来都是人工智能技术的“试验场”，从早期基础算法“嵌入”单一设备、单一环节，解决质检等具体场景的效率问题，到大数据、深度学习技术落地，实现生产过程的数据驱动优化，再到当前大模型、具身智能等技术兴起，推动人工智能从“单点智能”向“全流程协同智能”、从“机器辅助”向“人机协同决策”演进，加速制造体系从“经验驱动”向“数据智能驱动”跃迁。推动“人工智能+制造”融合应用，既需紧跟人工智能技术演进趋势，也要把握制造业转型需求，实现互促融合。

　　转型赋能融合化。技术层面，推动人工智能与信息技术（IT）、通信技术（CT）、控制技术（OT）、制造工艺技术（MT）的“多技术融合”，打破技术壁垒，重构制造技术体系。产业层面，人工智能作用于研发设计、生产制造、仓储物流、营销服务、供应链协同等制造全链条，渗透到设备单元、产线、车间、工厂、产业生态等多层级，催生工业智能终端、智能装备、智能工业软件等新产品，壮大个性化定制、服务型制造等新业态。

　　加快推动“人工智能+制造”的融合应用，需把握其基本特征，按照“场景牵引、技术适用、一体赋能”的体系化思路，从设备、产线、车间、工厂、企业到产业生态，逐级推进“人工智能+制造”实践。

　　对核心生产、质量检测、公辅能源和物料转运等各类车间进行智能化改造，构建车间级智能管控体系，主要包括：全域资源调度，通过人工智能技术优化AGV路径、设备负荷与人员配置，降低生产车间等待时间，减少现场管理人员数量；能源精准调控，基于生产需求动态匹配能源系统供给，减少能源损耗；跨工序协同，打通车间内各生产单元数据链路，实现联动响应，提升车间整体运营效率。例如，发电装备制造企业在汽轮机厂车间构建数字孪生系统，整合设备参数、工艺路径等全量数据，通过智能体生成最优加工路径并动态调整生产计划，同时部署AGV智能搬运机器人与AR工艺指导系统，实现工序间无缝衔接，提升了百万千瓦级汽轮机转子加工效率，降低加工能耗。

　　通过整合技术研发、生产经营等数据，依托企业云搭建企业级智能决策平台，基于企业产品数据库、材料性能参数、制造工艺约束等数据，打造设计智能体，输入产品功能需求、性能指标、成本预算等核心参数，自动生成多套优化设计方案，并通过仿真模拟验证方案可行性，形成“需求输入－方案生成－仿真迭代－最优输出”的研发闭环。建立智能风险防控系统，实现合规、资源统筹配置与运营效率提升。例如，彩电生产企业整合供应商数据，打造智慧供应链管理平台，实现物料需求实时预测，将彩电物料需求提报至供应商的时间从“天级”缩短至“小时级”，提升了订单响应速度。

　　立足产业生态层面，产业链核心企业汇聚产品联合开发、产业协同策略、产业链管理、跨企业资源调度、碳排放管控等产业链上下游数据，构建智能协同平台，部署供需匹配分析、供应链协同等产业级大模型，实现智能协同与风险联防，解决产业链协同低效、资源配置失衡、风险联防不足等问题，降低产业链采购成本、缩短协同研发周期、供应链断供风险实时预警，实现产业资源高效联动与高质量发展。例如，汽车企业通过整合产业链内企业数据与工业知识，构建“工业互联网平台+超级智能体”体系，部署排产、仓储、质检等多类智能体，实现跨领域协同决策，推动产业链上下游企业降本、减排，形成“技术－场景－数据”的产业生态循环。

　　加快推进“人工智能+制造”，企业是主体。让“人工智能+制造”扎根于企业，服务于场景，成长于生态，是企业抓住新工业革命机遇的关键。

　　破解“联不稳”“算不快”的数字底座瓶颈，构建云边协同、控网算一体的新型基础设施，为海量工业数据的实时处理和智能应用的规模化部署提供坚实支撑。建设新型工业网络。基于“端－边－云”扁平化网络协同架构，综合运用工业5G、硬实时无线控制、工业确定性网络、无源物联、工业光网等技术，实现工业现场网络无缝覆盖和灵活组网，为工业控制、生产、经营、管理全流程海量多模态异构工业数据提供统一承载。将AI技术嵌入网络各环节，通过“算力路由”和“在网计算”等机制，提高工业网络资源动态调度、故障自愈与智能运维水平。

　　布局工业算力体系。打造边缘云、企业云、产业云“三云”协同智算能力，扩展端侧智能，部署边缘智算节点，集成数据预处理、模型训练、安全隔离等功能，实现生产的“就近计算、快速响应”。强化企业全域算力按需扩展、模型和智能体快速训练与迭代部署，承载生产调度优化、财务预测等场景化应用，满足企业经营的“智能仿真、辅助决策”算力需求。推广全局算力调度，提供大规模仿真、数字孪生、大模型训练等高算力服务，提升全产业链“跨域调度、高效畅通”能力。

　　强化数据采集与互通。依托PLC、DCS等通用控制器，或传感器采集工业设备原始数据，通过MQTT、OPCUA等中间件协议适配转换实现OT层设备数据标准化接入。基于数据同步、数据虚拟化等集成技术实现数据接入与整合，支撑工业设备泛在互联与异构数据流转。采用OPCUA等统一协议实现多品牌设备数据采集，建立信息模型解决语义冲突，打通设备间协议转换的“语言障碍”。通过多源异构数据清洗、聚合及语义对齐、多模态数据智能标注、增强与合成等预处理技术，提升数据质量。

　　破解“数据多但质量低”“有数据但不会用”的数据要素瓶颈，对海量、多源、异构的工业数据进行汇聚、治理和流通，转化为可信、可用、可流通的高价值数据资产。

　　分类建设。构建分级分类的数据目录，形成“数据地图”。产业链主体数据，聚焦重点产业链与产业集群，全面梳理链上各环节的企业实体信息，包括企业基本情况、主营业务、核心产品、产能规模、技术能力等。产业管理数据，聚焦政府在履行管理职能时，要求企业填报的各类经营与管理信息。具体包括技术改造项目投资、研发经费、新产品产值、能耗与碳排、安全生产、人才结构、数字化水平自评估等。链主企业运行数据，聚焦龙头企业与产业链关键节点的内部实时运行数据。主要包括反映供需波动的供应链数据（订单、采购、库存、物流等）和反映生产流程的制造过程数据（设备状态、工艺参数、产能、良率等）。

　　应用推广。探索建设工业高质量数据集中试验证平台，开展数据集质量与模型性能评测，构建“数据—模型—应用”闭环优化体系，确保数据好用、管用。强化顶层设计，研制工业数据采集、治理、质量评估及安全保障等标准规范，统一数据存储与交互格式，促进跨系统、跨企业互联互通。聚焦装备、电子、钢铁等重点行业，加速数据开发利用，推动数据集产品化与市场化流通，提升数智赋能成效。

　　解决“用在哪”“怎么用”的价值落地难题，将数据资源和算力基础转化为能够自主感知、分析、决策并执行的智能体应用，加速从“单点智能”向“全局智慧”跃升。

　　分层部署应用。部署故障诊断、寿命预测、工艺优化等设备级工业智能体，实现单点自主感知与控制；部署异常检测、能耗计算、工控代码生成等产线/车间级智能体，保障生产的连续性与高效性；部署物料调度、仓储优化、风控预警等工厂层智能体，推动资源优化配置和高效执行；部署利润预测、财务管理、碳排优化等企业层智能体，促进经营决策效能提升；部署供需智能匹配、产业链供应链管控等生态层智能体，实现产业链协同与生态联动。

　　强化多智能体协同。构建云边协同的多智能体协作体系，在边缘侧，面向设备、产线和车间部署预测性维护、实时质量检测和柔性工艺调整等任务智能体，构建“感知—决策—执行”闭环，推动控制体系由自动化向自主化升级；在云侧，依托统一的智能体交互机制，推动生产计划、供应链调度与能耗管理等智能体交互协作，提升跨部门协同和决策响应能力。

　　化解“看不清风险”“防不住攻击”的发展安全顾虑，构建覆盖数据、模型、网络和终端的全方位、多层次、系统性安全防护体系，为“人工智能+制造”的深度融合与健康发展保驾护航。

　　健全安全管理机制。制定企业人工智能应用分类分级和安全评估管理制度。建立安全风险信息上报与共享机制，畅通与产业链上下游、行业机构及监管部门的信息沟通渠道。

　　中国工业互联网研究院基于国家工业互联网大数据中心，建设工业可信数据空间，在钢铁、石化、有色、纺织等重点行业打造了一批高质量工业数据集。开展人工智能测评，对100余个大模型、智能体在工业应用效果进行测试。研发工业智能体平台，为汽车、材料等行业提供工业智能体服务。建设国家人工智能赋能新型工业化供需对接平台，提供涵盖技术咨询、方案设计、智能应用部署和运维优化在内的端到端服务，为3000余家企业精准匹配制造业需求，缩短智能化方案落地周期。返回搜狐，查看更多