推动人工智能与制造业深度融合 塑造发展新优势

　　全国先进制造业大会提出，坚持智能化、绿色化、融合化方向，持续做大做强先进制造业。制造业是实体经济的基础，我国已连续多年保持全球制造业第一大国地位，产业门类体系完整，规模优势与配套优势十分明显。

　　人工智能作为引领新一轮科技革命和产业变革的通用性技术，正在深刻重塑全球生产制造模式与产业竞争格局，要以科技创新激发产业新动能，以人工智能塑造制造业新优势。加快推动人工智能技术与制造业深度融合，既是提升产业链供应链韧性与安全水平的现实需要，也是塑造发展新优势的战略抉择。

　　“人工智能+制造”具备扎实发展基础

　　近年来，我国人工智能与制造业融合发展在技术积累和实践探索等方面取得显著进展。

　　我国人工智能核心技术与关键支撑能力持续增强。我国人工智能专利申请量连续多年位居世界第一，尤其是智能制造细分领域的工业机器人、机器视觉、工艺参数优化、智能检测等方向的专利申请量保持高速增长，产业创新动能强劲。目前，我国人工智能专利数量已占全球总量的60%。大模型、机器视觉、自然语言处理、强化学习等关键技术加速迭代，面向制造业场景的工业大模型、边缘智能、数字孪生等技术逐步成熟落地。算力基础设施加快布局，国家超算中心、智算中心建设提速，高质量数据集超过12万个，为制造业人工智能应用提供有力支撑。

　　各地制造业数字化智能化改造步伐明显加快。“智改数转网联”是推动人工智能与制造业融合发展的重要基础。中国信通院发布的报告显示，截至2025年底，全国规模以上工业企业开展数字化改造比例达89.6%，数字化设备普及率达到57.7%。特别是，江苏、广东、浙江等制造业大省“智改数转网联”的实效日益显现，探索形成平台化设计、个性化定制、网络化协同、服务化延伸等典型模式，企业制造效率进一步提升，生产成本持续下降，产品质量稳步改善。

　　“人工智能+制造”的创新应用全面提速。从制造业企业拥有的人工智能专利来看，北京、广东、江苏、浙江、上海等发达地区的专利数量具有显著优势，累计占全国人工智能专利总量超过六成。部分细分技术领域在制造业应用相对较快，如机器学习+制造、计算机视觉+制造、生物特征识别+制造、人机交互+制造等专利数量占比具有明显优势。从创新方式看，产学研合作日益紧密，大企业占据重要地位，腾讯、华为等企业的专利申请量全国领先。同时，人工智能在设备制造业、汽车制造业、计算机、通信和其他电子设备制造业等行业落地应用进展相对较快。

　　人工智能与制造业融合发展仍面临挑战

　　关键技术和核心零部件供给仍存在不足。从专利结构看，我国在芯片制造、工业操作系统、工业软件等基础领域的原创性专利仍相对薄弱，底层核心技术对外依赖程度较高。高端工业传感器、精密伺服电机等关键零部件国产化率偏低，面向工业场景的专用人工智能模型训练数据稀缺、标注成本高。

　　科技成果转化仍有提升空间。目前，制造业企业更倾向于通过自主研发来实现人工智能的应用赋能，但制造业企业拥有的人工智能专利数量占人工智能专利总量的比重仍然偏低，大量技术储备尚未能转化为现实生产力。高校和科研院所掌握的不少基础性、前沿性专利成果，在向制造业实际应用场景转化方面仍存在“最后一公里”障碍。

　　大企业产业链带动效应尚待充分释放。虽然大型企业在“人工智能+制造”领域拥有的专利数量众多，且头部极化效应明显，但其面向上下游中小企业的技术溢出和赋能机制尚未真正建立。只有大中小企业在“人工智能+制造”领域协同融通创新，才能有效促进整条产业链的竞争力提升。

　　数据、人才等要素支撑仍面临诸多障碍。数据是人工智能创新应用的重要支柱，但当前普遍存在数据来源分散、数据孤岛、高质量行业数据缺乏等问题。如，在一些传统行业，由于数字化基础薄弱、设备型号繁杂、数据标准不统一，导致融合发展相对滞后。复合型人才供不应求，高校人才培养缺乏人工智能与其他专业的交叉融合，产教协同机制尚不健全，企业参与人才培养的深度不够。

　　加快推动“人工智能+制造”走深走实

　　强化关键核心技术攻关，推动产学研协作。避免“撒胡椒面”式的资金分配方式，围绕工业AI芯片、工业操作系统、工业大模型、高端传感器等关键核心技术短板，逐项编制“卡脖子”技术清单，并组织产学研协同攻关。支持龙头企业联合高校、科研院所组建创新联合体，鼓励吸纳产业链上中小企业参与，充分发挥场景驱动创新的重要作用。

　　建设中试验证平台，促进科技成果转化。聚焦国家级先进制造业产业集群，培育一批行业级人工智能中试验证平台，优化运营管理，为专利成果提供从实验室到生产线的全链条验证服务。同时，对于科技成果转化要建立相应的容错机制，针对前沿关键技术、行业核心技术等设立相应的“风险补偿资金”，促进消除企业“不敢试”的顾虑。

　　推动大中小企业协同融通创新。发挥链主企业的带动作用，鼓励链主企业主动向上下游中小企业输出数字化方案、共享人工智能工具链、共同开展创新研发等。鼓励头部平台企业、服务商等围绕中小企业需求推出轻量化、模块化、低成本的工业人工智能解决方案。同时，依托制造业产业集群打造行业人工智能共享服务平台，为中小企业提供低成本、便利化的人工智能应用相关基础设施服务。

　　加快工业数据要素市场化建设和复合型人才培养。推进工业数据分类分级管理，研究制定确权、流转和收益分配规则，在保障数据安全的前提下依法依规推动工业数据有序共享和开放利用。加快建设行业高质量数据集和可信数据空间，推动“数据可用不可见”。鼓励高校增设智能制造、工业人工智能等新兴交叉专业，将人工智能能力嵌入现有工科课程体系，支持校企共建产业学院和实训基地。积极推动在岗产业工人人工智能专题培训。