人工智能是引领新一轮科技革命和产业变革的战略性主导技术，具有溢出带动性很强的“头雁效应”，推动大数据智能、人机混合增强智能、群体智能、跨媒体智能、自主智能等新一代人工智能技术与制造业深度融合，不仅推动新质生产力加快发展，更是驱动制造业数智化转型从“量变”走向“智变”，实现制造业高质量发展。

今年的政府工作报告提出，要持续推进“人工智能+”行动，将数字技术与制造优势、市场优势更好地结合起来。制造业是立国之本、强国之基，是国民经济的重要支柱。人工智能赋能制造业数智化转型本质上是推动数字产业化和产业数字化协同发展，通过数字技术和数据要素渗透实体经济的全过程，重构制造企业产品、生产和服务等全生命周期的各环节，优化生产要素配置结构，提升制造业全要素生产率，推动制造业向高端化、智能化、绿色化转型升级。

当前，人工智能不断迭代升级，人工智能如何协同作用于制造业价值链提升,以及在这一复杂交互过程中,人工智能扮演着怎样的角色,成为亟待解决的疑问与研究的焦点所在。随着企业边界融合程度加深，人工智能在赋能制造业发展过程中，存在技术渗透的“时滞性”，即人工智能与现有生产要素的组合，包括劳动力技能结构是否匹配，引入人工智能企业的调整和适应成本高低，组织创新是否及时等，以及数据要素自由流动不畅、应用场景支撑缺位等现实障碍，导致人工智能技术陷入“生产率悖论”，即短期内并未带来制造业生产率提升。因此，围绕制造业在研发、生产、市场等场景需求，推动人工智能与制造业深度融合，从单一技术领域向组织领域、生态领域等多元场景发展，打通制造业数智化转型的梗阻，推动制造业向高端化、智能化、绿色化发展，激发新质生产力活力源泉，为构建现代化产业体系提供强大动力支撑。

 人工智能赋能制造业数智化转型理论逻辑

人工智能已深度融入制造业生产全链条。在研发设计环节，AI赋能定制化设计、建模仿真与工艺优化，催生新技术与新产品；在生产制造环节，AI应用于质量检测、机器人控制和代码生成，推动新工艺与新服务的诞生；在市场销售环节，AI助力智能营销、客户服务与产品创新，催生新业态与新模式，推动制造业向全球价值链中高端迈进。

人工智能赋能制造业数智化转型动力机制

在制造业研发端数智化转型过程中，利用工业大模型、数字孪生等数字技术“试点-推广-迭代”，形成知识共享和技术扩散体系，构建人工智能赋能制造业数智化转型的诱发动力机制，实现制造业技术补位、换位、抢位等迭代升级，催生新技术、新产品，提升制造业数智化转型的创新能力。

人工智能赋能制造业数智化转型风险控制机制

在制造业生产端数智化转型过程中，借助“三权分置”组织重塑，形成数据协同治理框架，增强数据要素的边际收益，构建人工智能赋能制造业数智化转型的风险控制机制，推动组织在自稳定阶段、自适应阶段和自整合阶段的自我进化，催生新工艺、新服务，提高制造业数智化转型的协同能力。

人工智能赋能制造业数智化转型共享治理机制

在制造业市场端数智化转型过程中，通过人、机、物三元深度协同，推动制造业基于基础层（IaaS）、能力层（PaaS）、应用层（SaaS）互联互通，形成共建、共享、共创网络平台体系，构建人工智能赋能制造业数智化转型的共享治理机制，揭示降低中小企业链接数字化转型成本，催生新业态、新模式，增强制造业数智化转型的共生能力。

人工智能赋能制造业数智化转型升级面临的困境

近年来，在政策引导和需求牵引下，我国已培育421家国家级智能制造示范工厂，具有一定影响力的工业互联网平台超过340家，工业设备连接数超过9600万台（套），服务企业超过40万家，人工智能赋能制造业转型升级效应正逐步显现。但也需看到，人工智能赋能制造业数智化转型仍面临算力支撑不健全、场景协同不充分、数据要素不优质等难题，影响我国制造业的数智化转型。

算力供需匹配失衡，工业互联网平台体系不健全

尽管我国算力规模持续增长，但在人工智能、高性能计算等高端领域仍面临巨大供需缺口。数据显示，2023年智能算力的需求高达123.6EFLOPS，而实际供给仅为57.9EFLOPS，缺口显著。同时，“东数西算”工程尚未形成规模效应，中西部地区算力设施面临应用需求不足与资源闲置的困境。工业数据因确权复杂、分级管理难及共享机制不健全，导致“数据金矿”难以流动和利用，算力枢纽间缺乏高效联通。此外，工业互联网平台仍处探索阶段，在技术架构、应用场景及标准协议方面尚未成熟，平台落地面临系统改造成本高、互联互通难度大等挑战，严重制约其推广应用。

产业之间融合性不强，企业“数智化”转型水平不高

制造业数智化转型需融合工业工艺、软件、算法、经济学及管理服务等多领域知识，但目前制造业与人工智能结合仍不深入，在敏捷开发、流程协同及平台化运营等方面存在明显短板。例如，制造业企业开展电子商务交易的比例远低于住宿餐饮、信息服务等行业。大企业凭借人才、资金及技术优势，已率先推进数字化转型；而广大中小企业虽转型意愿强烈，却受制于软硬件滞后、技术基础薄弱及专业人才不足，普遍缺乏系统性诊断与智能化整合能力，战略规划缺失，导致上云积极性不高，转型失败风险较大。

关键核心技术路径依赖，数字化协同能力弱

制造业数字协同能力较弱，研发设计数字化水平有待提高，关键核心技术创新能力不足，对外力依存度较高。一方面，在高端芯片等人工智能关键核心领域依然是对外进口先进设备，或者选择外包产品的升级项目进行智能化改造，然后在运行中逐渐进行内部技术结构性改革，实际上在技术方面对外依赖性极强，不利于以后的智能化升级改造。另一方面，标准体系、工业软件和配套核心部件相对薄弱，虽然我国是制造业大国，但能够参与制定的制造业国际标准，尤其是数字化标准不多，在制造业标准体系中的话语权及影响力不高。

资本、人才等要素支撑作用不强，高层次创新生态体系尚不完善

中小企业普遍具有“轻资产”特点，研发与人力成本占比较高。然而，当前支持制造业与人工智能融合发展的政策存在支持工具单一、政策衔接不足、后期服务跟进不到位等问题，影响了政策实效。同时，各地在政策落实与企业数字化渗透方面进展不一，加剧了区域间数字化发展不均衡。此外，制造业数字化人才供给严重不足，全国相关人才缺口预计达2500万至3000万，尤其在人工智能、大数据等关键领域人才短缺持续扩大，已成为制约制造业数字化转型的重要瓶颈。

人工智能赋能制造业数智化转型基本路径

我国制造业正在由“大”向“强”发展，数智化不再是少数龙头的专利，而是整个产业的“基础设施”，推动人工智能与制造业深度融合，促进制造业数智化转型从线性迈向融合，从竞争转向竞合，从零和博弈走向共生共赢。

加快数字技术广泛应用，推动制造业数字化

首先，加快智能制造领域关键技术攻关。要充分发挥软件开发、半导体芯片制造设备、智能装备制造等产业的研发与制造优势，联合企业、高校、科研机构围绕核心基础零部件、基础制造工艺及基础电子元器件等短板，开展一批关键技术攻关项目，提高数字技术自主创新能力。推动核心智能技术研发，加快研发一批具有自主知识产权的智能装备新产品，不断提高生产智能化和自动化程度，参与制定 6G+工业互联网、智能制造、工业大数据等关键技术标准。

其次，加强数字技术应用推广。以人工智能为核心，将云计算、大数据、物联网等新一代信息技术从企业销售、服务等经营外围环节，向研发、设计、生产等内部环节延伸，实现生产方式、组织方式及服务方式变革，降低生产成本，提升生产效率，促进企业产品更新迭代。要推广应用数字孪生、人机交互等技术，推动制造业生产模式由流水线生产转向定制化生产，产业形态从生产型制造向服务型制造转变，推动制造业产业范式革新与产业数字化升级。

加强新型基础设施互联互通，推动制造业网络化

首先，创新大数据中心体系。要稳步推进5G基站、数据中心、先进计算中心等关键基础设施建设，推动人工智能公共算力开放创新平台、算力枢纽节点及数据中心集群协同联动，构建大数据中心协同创新体系，实现算力资源高效建设利用与汇聚联通，推广普惠高效的算网服务。加强算力资源统筹，提高高性能智算供给，为国家重点实验室、高等院校、科技领军企业等科研院所、企业及创新平台提供强大算力服务，打造制造业数字信息“高速公路”。

其次，加速人工智能模型应用落地。围绕冶金、化工、新能源汽车等重点产业，落实好“人工智能+”行动，推动人工智能大模型应用落地，打造一批重点领域人工智能示范应用场景，以人工智能产业发展塑造新动能、新优势。加快人工智能计算中心大模型产业孵化平台落地，支持原生大模型开发、行业大模型开发及行业解决方案孵化，打造大模型产业标杆。加速人工智能技术攻关，缩短大模型新技术研发周期，探索更多传统场景方案与AI技术融合并落地应用，提升工业生产效率，为企业智能化转型提供有力支持。

最后，积极发展工业互联网。实施“上云用数赋智”行动，分行业、分区域打造一批面向垂直行业和细分领域的省级工业互联网平台，打造一批具有全国影响力的工业互联网平台。在装备制造业、钢铁、石化、建材、轻工、纺织、医药、电子等领域基于标识解析体系建设“产业大脑”，实现全产业链上下游数据互联互通，提升供应链网络化协同效率，提高工业产品在研、在制、在途、在役全流程管控能力，增强产业链数字化水平。要建设覆盖各地区、各行业领域工业互联网网络基础设施，促进“6G+工业互联网”规模化发展，培育一批数字化转型系统性解决方案服务商，带动中小企业数字化转型升级。

发挥数据要素作用，推动制造业智能化

首先，完善数据基础制度建设。健全数据基础制度，提升数字创新能力和治理能力。出台数据产权、交易流通、安全治理及收益分配等制度，探索建立工业数据确权、数据流通、数据安全等规则规范，让数据要素供给、流通、开发利用有章可循。要依托一体化数据资源管理系统，推进数据标准化体系建设，建立工业数据分类分级管理体系，提升数据治理能力，实现数据可视、可管、可用、可信。培育数字要素市场，依托全国统一的数据分析平台、数据资产评估服务平台、数据交易机构等，构建数据收集、加工、共享、开放、交易、应用等数据要素市场体系，促进数据资源有序、高效流动与利用，激发数据要素活力，促进新质生产力的发展。

其次，丰富数据行业应用场景。围绕传统产业重点产业链，开展运营管理、生产控制、研发设计等大数据广泛应用，全面实现产业转型升级。在汽车、数控机床等领域，开展智能工厂、智能车间集成创新与示范应用，提升产业协同性与管理效率；在冶金、石化等领域，开展数据可视化与成本、质量、安全动态跟踪，提升能源管理与安全环保能力。在纺织服装、家电、特色农产品等领域，实现个性化定制和按需制造等新模式。推动数据与新能源汽车、机器人、集成电路、生物医药、氢能及新型储能、深海空天开发等战略性新兴产业深度融合，推动战略性新兴产业向“智能制造”转变。

最后，构建数据要素生态体系。要以信息流带动技术流、资金流、人才流、物资流，进一步把创新链、产业链、金融链、人才链四链融合起来，构建数据要素生态体系，实现跨领域、跨部门、跨行业、跨层次数据流通。推动企业、高校、科研机构等主体共同成立创新联合体，建立从基础研究、应用基础研究、应用技术开发、工程化验证或中试、技术成果商业化全过程创新链，发挥人才、技术、数据等创新要素集聚效应，打造一批先进制造业集群。从数据接入、数据质量、数据加工到产品应用的数据全生命周期引入各类风投、基金、股权等多种形式资本，形成全周期金融链，满足制造业数字化需求。要构建多元化、多层次数字人才链，积极引进数字经济领域领军人才、紧缺人才及高水平创新创业团队，大力培养高水平数字工匠和高技能人才，形成一批既懂产业技术又懂数字技术的复合型人才队伍，助力制造业数字化转型和高质量发展。

人工智能作为引领科技革命与产业变革的战略性技术，正深度融入制造业数智化转型，推动产业向高端化、智能化、绿色化迈进。然而，当前人工智能在赋能制造业过程中，仍面临核心关键技术依赖性强、数据质量不高、场景协同不足、算力支撑薄弱等挑战。为此，政府与企业应协同发力，共同推进数字技术的广泛应用，加强新型基础设施互联互通，充分释放数据要素价值，以推动人工智能与制造业深度融合，加快“中国智造”高质量发展进程。

本文选自辽宁省2025 年全省决策咨询和新型智库委托研究课题“关于‘十五五’时期我省大力发展战略性新兴产业的对策研究”；中共辽宁省委党校新进博士专项基金项目“创新共同体视角下提升产业链韧性的有效路径及对策研究”（2023BSJJ007）。

(臧红敏  中共辽宁省委党校 )