“十五五”规划纲要提出，全面实施“人工智能+”行动，加强人工智能同科技创新、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。作为引领未来的战略性技术，人工智能通过数据、算法与算力的深度融合，正在重塑传统制造业的生产函数。当前，全球人工智能技术加速创新迭代，深化拓展“人工智能+制造”，对于制造业高端化、智能化、绿色化发展，培育新质生产力能够发挥重要作用。
在传统制造模式中，研发、生产、运维等环节存在数据割裂等问题，容易导致资源错配与决策迟滞。工业大模型的出现，打破了跨部门、跨系统、跨阶段的数据壁垒，实现了信息高效流转。例如，在研发设计阶段，人工智能可基于历史产品库和用户反馈自动生成多套设计方案并进行性能仿真；进入量产阶段，能够动态调度设备、材料、人力等，实现智能排产与能耗优化；在售后服务端，则可通过分析设备运行数据提前预警故障，实现预测性维护。这种全流程嵌入式的智能协同，缩短了产品上市周期、降低了试错成本，有助于提高企业创新研发能力。
人工智能赋予生产系统自主感知、判断与优化的能力，推动制造体系向复杂自适应系统演进。通过部署工业传感器、机器视觉和边缘计算设备，生产线可实时采集设备状态、工艺参数与环境变量等；依托深度学习与强化学习，系统能自动识别异常、预测趋势并动态调整运行策略，实现边运行、边学习、边优化。这种智能化不仅显著提升了生产效率、良品率与资源利用率，更深刻重塑了制造范式。例如，在研发端，催生了平台化设计，支持跨地域协同与方案快速迭代；在制造端，实现了柔性化生产，一条产线即可快速响应多品种、小批量订单需求；在价值链后端，推动服务化延伸，促进企业从单纯卖产品转向提供“产品+数据+服务”的全生命周期解决方案。
人工智能赋能制造业转型升级，有助于构建以先进制造业为骨干的现代化产业体系。通过智能制造技术改造提升传统产业，实现生产数字化、网络化和智能化，推动产业链向高端延伸，显著降低资源消耗和环境负荷。人工智能与制造业深度融合，催生出智能网联新能源汽车、人形机器人等新产业，创造新的经济增长点。
然而也要看到，当前“人工智能+制造”融合发展仍面临不少现实挑战，制约其向全链条、全要素、全场景纵深推进。工业大模型、AI芯片、工业操作系统等软硬件关键核心技术仍需集中攻关，通用大模型难以适配制造场景对高可靠性、低延迟的要求，加之算力资源分布不均，中小企业面临部署成本高、技术门槛高等问题。装备、原材料、消费品等不同行业的智能化需求差异大，尚缺乏可复制推广的应用范式，同时，设计、生产、运维等环节数据壁垒问题突出，高质量工业语料库不足，容易造成模型训练精准度不够、应用效果打折。龙头企业引领带动作用未充分发挥，专精特新企业缺乏适配产业场景的轻量化智能工具，中小企业受制于资金、人才、技术等因素，普遍存在“不敢转、不会转”等问题。制造领域人工智能标准体系尚不健全，针对AI幻觉、供应链安全等风险，尚未构建起成熟有效的治理机制。更关键的是，既懂工艺又懂AI的复合型人才供给不足，高校人才培养与产业发展协同不够，制约了人工智能与制造业的深度融合。
为此，应从以下几方面精准发力，完善政策支持体系，深化拓展“人工智能+制造”。
夯实技术底座。可考虑聚焦工业大模型、AI芯片、工业操作系统等核心软硬件，设立重大专项，支持开源框架与行业模型协同开发。推动算力基础设施向制造集聚区下沉，推广大模型一体机和边缘计算服务器，降低企业应用门槛。鼓励高校、科研机构、龙头企业组建人工智能创新联合体，聚焦人工智能架构、通用算法、小模型与多模态融合等重点，形成从基础研究、原型验证到场景应用的协同攻关体系。
注重场景牵引。针对装备制造、原材料、消费品等不同领域，梳理高价值应用场景清单。深入推进智能工厂梯度培育行动，加快大模型技术在生产制造核心环节的深度应用，全面赋能研发设计、中试验证、生产制造、营销服务、运营管理等各流程，显著增强智能辅助设计、仿真建模、智能排产调度、设备预测性维护等关键能力。同步建设多个高质量工业数据集，打破数据孤岛，激活数据要素价值。
加强主体培育。对中小企业推行“算力券”“模型券”等普惠性支持政策，依托国家制造业创新中心和数字化转型促进中心，提供低成本、模块化的AI工具包。支持建设工业智能体软件商店，促进工业APP规模化商用。大力支持创新创业企业发展，设立人工智能产业基金，投向产业链关键核心领域，坚持投早、投小、投长期、投硬科技。
强化制度保障。加快制定制造领域人工智能标准体系，涵盖数据接口、模型评估、安全认证等内容。建立工业AI安全治理机制，重点防范AI幻觉、算法偏见、供应链断链风险。加强复合型人才培养，推动高校、职业院校与企业共建实训基地，将提升AI素养等融入工程师继续教育培养方案。
（作者系中国社会科学院习近平新时代中国特色社会主义思想研究中心研究员）
