“十五五”規劃綱要提出，全面實施“人工智能+”行動，加強人工智能同科技創新、產業發展、文化建設、民生保障、社會治理相結合，搶占人工智能產業應用制高點，全方位賦能千行百業。作為引領未來的戰略性技術，人工智能通過數據、算法與算力的深度融合，正在重塑傳統制造業的生產函數。當前，全球人工智能技術加速創新迭代，深化拓展“人工智能+制造”，對于制造業高端化、智能化、綠色化發展，培育新質生產力能夠發揮重要作用。

在傳統制造模式中，研發、生產、運維等環節存在數據割裂等問題，容易導致資源錯配與決策遲滯。工業大模型的出現，打破了跨部門、跨系統、跨階段的數據壁壘，實現了信息高效流轉。例如，在研發設計階段，人工智能可基于歷史產品庫和用戶反饋自動生成多套設計方案并進行性能仿真；進入量產階段，能夠動態調度設備、材料、人力等，實現智能排產與能耗優化；在售后服務端，則可通過分析設備運行數據提前預警故障，實現預測性維護。這種全流程嵌入式的智能協同，縮短了產品上市周期、降低了試錯成本，有助于提高企業創新研發能力。

人工智能賦予生產系統自主感知、判斷與優化的能力，推動制造體系向復雜自適應系統演進。通過部署工業傳感器、機器視覺和邊緣計算設備，生產線可實時采集設備狀態、工藝參數與環境變量等；依托深度學習與強化學習，系統能自動識別異常、預測趨勢并動態調整運行策略，實現邊運行、邊學習、邊優化。這種智能化不僅顯著提升了生產效率、良品率與資源利用率，更深刻重塑了制造范式。例如，在研發端，催生了平臺化設計，支持跨地域協同與方案快速迭代；在制造端，實現了柔性化生產，一條產線即可快速響應多品種、小批量訂單需求；在價值鏈后端，推動服務化延伸，促進企業從單純賣產品轉向提供“產品+數據+服務”的全生命周期解決方案。

人工智能賦能制造業轉型升級，有助于構建以先進制造業為骨干的現代化產業體系。通過智能制造技術改造提升傳統產業，實現生產數字化、網絡化和智能化，推動產業鏈向高端延伸，顯著降低資源消耗和環境負荷。人工智能與制造業深度融合，催生出智能網聯新能源汽車、人形機器人等新產業，創造新的經濟增長點。

然而也要看到，當前“人工智能+制造”融合發展仍面臨不少現實挑戰，制約其向全鏈條、全要素、全場景縱深推進。工業大模型、AI芯片、工業操作系統等軟硬件關鍵核心技術仍需集中攻關，通用大模型難以適配制造場景對高可靠性、低延遲的要求，加之算力資源分布不均，中小企業面臨部署成本高、技術門檻高等問題。裝備、原材料、消費品等不同行業的智能化需求差異大，尚缺乏可復制推廣的應用范式，同時，設計、生產、運維等環節數據壁壘問題突出，高質量工業語料庫不足，容易造成模型訓練精準度不夠、應用效果打折。龍頭企業引領帶動作用未充分發揮，專精特新企業缺乏適配產業場景的輕量化智能工具，中小企業受制于資金、人才、技術等因素，普遍存在“不敢轉、不會轉”等問題。制造領域人工智能標準體系尚不健全，針對AI幻覺、供應鏈安全等風險，尚未構建起成熟有效的治理機制。更關鍵的是，既懂工藝又懂AI的復合型人才供給不足，高校人才培養與產業發展協同不夠，制約了人工智能與制造業的深度融合。

為此，應從以下幾方面精準發力，完善政策支持體系，深化拓展“人工智能+制造”。

夯實技術底座。可考慮聚焦工業大模型、AI芯片、工業操作系統等核心軟硬件，設立重大專項，支持開源框架與行業模型協同開發。推動算力基礎設施向制造集聚區下沉，推廣大模型一體機和邊緣計算服務器，降低企業應用門檻。鼓勵高校、科研機構、龍頭企業組建人工智能創新聯合體，聚焦人工智能架構、通用算法、小模型與多模態融合等重點，形成從基礎研究、原型驗證到場景應用的協同攻關體系。

注重場景牽引。針對裝備制造、原材料、消費品等不同領域，梳理高價值應用場景清單。深入推進智能工廠梯度培育行動，加快大模型技術在生產制造核心環節的深度應用，全面賦能研發設計、中試驗證、生產制造、營銷服務、運營管理等各流程，顯著增強智能輔助設計、仿真建模、智能排產調度、設備預測性維護等關鍵能力。同步建設多個高質量工業數據集，打破數據孤島，激活數據要素價值。

加強主體培育。對中小企業推行“算力券”“模型券”等普惠性支持政策，依托國家制造業創新中心和數字化轉型促進中心，提供低成本、模塊化的AI工具包。支持建設工業智能體軟件商店，促進工業APP規模化商用。大力支持創新創業企業發展，設立人工智能產業基金，投向產業鏈關鍵核心領域，堅持投早、投小、投長期、投硬科技。

強化制度保障。加快制定制造領域人工智能標準體系，涵蓋數據接口、模型評估、安全認證等內容。建立工業AI安全治理機制，重點防范AI幻覺、算法偏見、供應鏈斷鏈風險。加強復合型人才培養，推動高校、職業院校與企業共建實訓基地，將提升AI素養等融入工程師繼續教育培養方案。

（作者吳海軍 系中國社會科學院習近平新時代中國特色社會主義思想研究中心研究員 來源：經濟日報）