AI驱动，制造业迎来“智变”

（来自人民邮电报）作者：中国信通院　李琦琦 

本图由豆包AI生成

当前，人工智能正以“大扩散”态势席卷全球产业。从技术演进看，AI已从单一模态的语言交互迈向多维度的世界认知；从产业实践看，制造业正经历从自动化到自主化的质变。通用智能时代的技术扩散将遵循“基建布局—耐心投入—市场培育”的长期逻辑，而制造业作为实体经济的核心载体，正成为AI技术落地的战略高地。

AI演进历程：

从哲学思辨到世界模型

从最初对“机器能否思考”的哲学思辨，到如今渗透生活的智能应用，AI演进呈现出理论突破与技术迭代的交织形态。AI的发展始于人类思维可机械化的假设，公元前千年已有形式演绎方法探索。20世纪中后期，从神经元模型奠基到达特茅斯会议确立“人工智能”术语起步，经技术局限下的反思与转向铺垫，到机器学习推动应用、专用AI能力显现的积累，完成了从理论到技术的沉淀。2011年后，AI迎来高速发展期，在多领域实现突破。如2012年深度学习在图像识别领域展现出显著优势，其识别精度远超传统算法。2016年，AlphaGo战胜世界围棋冠军，这一里程碑事件突破了人们对AI能力的认知边界，成为AI发展的重要突破。

当AI进入蓬勃发展的深水区，其技术模型的演进态势凝练为三个阶段：第一阶段是海量数据，初始训练；第二阶段是强化学习，进阶训练；第三阶段是场景交互，高阶训练。这一阶段，模型进入真实“场景续训”阶段，核心是构建能理解物理世界的“世界模型”。强调从实践中学习专业能力，通过持续学习、自主交互、真值奖励和高阶推理提升性能。此阶段模型具备高能动性，能主动提问、认知反思、交互生成，多智能体协作成为趋势，开始抢占上下文高地。

制造业升级路径：

从手工生产到智能制造

制造业作为人类文明进步的基石，其发展历程映射了社会生产力与生产关系的变革。制造业早期主要依赖人力与经验的个体化生产，停留在“人工主导”的原始阶段。第一次工业革命后，机械力替代自然力，让生产从“个体经验”转向“机械协同”，为自动化埋下伏笔；第二次工业革命后，随着电力的普及应用，“机器重复执行固定指令”成为主流。20世纪中叶后，PLC、工业机器人与ERP、MES系统的应用，进一步提升了自动化精度，让生产进入“精准可控”的自动化成熟阶段。21世纪以后，真正的质变开始形成。工业互联网与大数据打破了设备、流程与供应链的信息壁垒。2020年后，AI成为制造业质变的核心驱动力，机器学习替代人工完成质检、维护等工作，生成式AI参与研发设计，这已不是简单的“机器执行指令”，而是系统自主感知、分析、决策。

产业转移与制造业发展升级密切相关。从历史发展来看，全球已经历了四次大规模的制造业产业转移。第一次产业转移（18世纪末至19世纪中期）是英国向欧美转移产能，第二次产业转移（20世纪中期）是美国向日德转移产业，第三次产业转移（20世纪70年代后）是“亚洲四小龙”制造业崛起，第四次产业转移（20世纪80年代后）是中国转型为制造大国，第五次产业转移（近年来）是多重冲击下的全球产业链重构。

当前，全球制造业产业布局大洗牌、产业矩阵大调整的势头日趋明显。站在时代的潮头，亟须推动产业转型升级，开拓人工智能等中高端市场，用蓬勃发展的中高端产业的“大市场”优势来吸引更多投资，弱化外迁带来的冲击。

发展建议：

AI+制造，引领未来产业

如今，AI作为引领未来的战略性技术，正在深刻改变制造业的生产方式、商业模式和产业生态，推进AI与制造业深度融合，是实现制造业高质量发展的重要路径。

在AI技术层面，技术创新是驱动AI赋能新型工业化的核心引擎。主动适应和引领新一轮科技革命和产业变革，需要加强AI技术的产业培育，突破基础层、框架层、模型层与应用层的技术瓶颈。就技术细分方向而言，在制造业领域，工业智能体与物理AI的深度融合，将成为驱动制造业高质量发展的中坚力量。就技术迭代路径而言，构建功能强大且可靠的AI Agent依赖于多种核心技术的协同，这些技术共同构成了智能体感知、思考、决策和行动的基础。其中，大型语言模型（LLM）和自然语言处理（NLP）技术是现代AI Agent的核心。机器学习是AI Agent实现学习、适应和优化决策的关键技术，而规划算法、知识图谱等是AI Agent的核心支撑技术。此外，计算机视觉、机器人流程自动化、云计算、边缘计算等技术，也在AI Agent的实现和能力扩展中扮演着重要角色。

在基础设施层面，需形成“算力—数据”协同布局。就算力而言，需紧扣“模型—系统—硬件”三位一体协同优化逻辑，依托国产实训场等基础设施，针对性部署适配制造场景的智算能力，通过硬件原生动态稀疏、并行推理等技术创新，降低设备状态监测、工艺参数优化等AI应用的算力成本。同时借鉴国外规模化部署算力经验，结合制造业场景特点，构建分布式算力网络，实现从生产排程到质量检测全流程的高效算力供给，推动算力与制造场景深度融合，形成“算力支撑—模型迭代—生产提效”的闭环。就数据而言，依托制造业场景生成的观察数据构建基础，通过模型合成数据增强数据集，覆盖生产参数、设备状态等多维度信息，为AI模型训练提供高质量“养料”。同时推动数据服务升级，从传统项目制数据交付，转向数据直接驱动业务动作，通过API开发能力，嵌入工作流深处，推动数据服务价值跃升及数据付费模式变革。

在产业生态培育层面，需“政产学研用”协同发力。在科学研究端，高校与科研机构深耕AI基础技术研究，为产业提供科技创新成果。企业通过产学研合作基地等机制，将科研成果快速转化为产品，加速技术向生产力的转化，形成制造领域的产业优势。在市场需求端，以制造业市场需求为导向，精准把握生产痛点，倒推AI技术创新，由此双向循环推动AI与制造业生态良性发展。在生态平台端，我国正积极推进AI未来制造示范区建设，旨在将国家战略需求、技术制高点与区域优势进行整合创新，推动区域乃至国家在全球产业竞争中占据主导地位。AI未来制造示范区将有效解决产业转型的关键问题，为政府提供强有力的政策抓手，为产业构建协同发展的平台，为企业（尤其是中小企业）降低转型门槛和风险，驱动区域经济实现质量变革、效率变革、动力变革。

在示范场景落地层面，推动AI赋能制造业聚焦智能工厂、高端制造和供应链等重点领域打造标杆案例。例如，在智能工厂领域，可通过构建数字孪生系统，对生产设备运行、物料流转等全链路实时监测，结合AI算法动态优化生产排程，显著提升设备综合利用率与产品良率。在高端制造领域，针对航空发动机、半导体芯片等研发周期长的产品，借助AI增强仿真技术替代部分物理试验，精准模拟工况参数，大幅压缩设计验证周期，降低研发试错成本。在供应链领域，利用世界模型技术搭建数字孪生网络，预判物流中断、库存波动等风险，智能优化仓储布局与运输路径，全面增强供应链韧性。

未来，AI将作为核心驱动力，全方位赋能未来制造业向智能化、低碳化、健康化演进。AI与制造业的融合将呈现以下核心趋势：一是AI深入渗透生产环节，推动全链条协同智能化。AI正从质检、物流等边缘环节向核心制造流程渗透。未来，AI将实现跨设备、跨工厂的自主协同，推动制造业从“局部智能”升级为“全链路智能”。二是AI全域普及，赋能千行百业。受轻量化AI和云原生平台推动，中小企业智能化改造成本大幅降低。随着技术门槛的降低，未来，大范围内的企业有望将AI融入核心生产环节，打造新兴增长点。三是AI从被动响应到主动创造，推动制造业模式变革。未来生成式AI将推动“感知—决策—生成”闭环的形成。AI将从被动响应转向主动优化，推动制造业模式从离散、被动向连续、主动、全局优化升级。

AI驱动制造业“智变”，本质是生产力的重塑，更是培育新质生产力、推进新型工业化的关键抓手。当AI能够精准理解物理规律，当智能体可以自主完成生产决策，催生出更具韧性与创造力的新质生产力形态，制造业将真正迈入“认知制造”新时代。