智能制造：概念演化、體系解構與高質量發展

摘"" 要：智能制造作為高階制造業態和新型生產方式，已然成為新一輪工業革命的核心驅動力。當前，我國制造業處于轉型升級和提質增效關鍵期，傳統產業亟須通過新舊動能轉換煥發新的生機，新興技術產業和未來產業需要通過富有競爭力的制造模式搶占全球制高點，智能制造高質量發展成為我國制造業嵌入全球價值鏈高端的關鍵支撐。智能制造具有以智能工廠為載體、以生產制造關鍵環節和主要流程的智能化為核心、以工業互聯網為關鍵支撐和以端到端數據流為基礎的顯著特征。推動智能制造高質量發展，要以關鍵核心技術攻關為核心，加快智能制造裝備、工業軟件和智能制造系統解決方案高端化智能化發展，推動智能工廠全面推廣落地，打造傳統制造業數字化轉型樣板，推動工業互聯網標準體系建設。

關鍵詞：智能制造；制造強國；高質量發展

中圖分類號：F49"" 文獻標識碼：A"" 文章編號：1003-7543（2024）02-0075-14

智能制造承載著新一輪工業革命的核心技術，是智能時代各國科技競爭的核心場域。作為制造強國建設的主攻方向和推進新型工業化的重要著力點，智能制造關乎我國制造業發展的全球地位和制造業高質量發展水平。推動制造業向智能制造高階水平邁進是我國發揮海量數據和豐富應用場景優勢、實現制造業由大到強的必由之路，智能制造高質量發展是重塑中國制造新優勢、強壯中國制造業筋骨的題中之義。近年來，美國通過技術封鎖以及“回岸制造”“近岸制造”等方式對“中國制造”進行立體化阻遏，我國制造業在多重打壓中進行供應鏈重構和技術突圍。作為新一輪工業革命的動力引擎，智能制造正在驅動制造業發展理念、制造模式、底層機理發生重大而深刻的變革，通過重塑制造業的生產要素、核心技術體系、生產組織模式及價值鏈，推動以標準化批量復制為導向的工業經濟向以大規模個性化定制為特征的數字經濟轉變，在更高維度、更深層次上賦能制造業高質量發展。

然而，我國智能制造仍面臨一系列深層次問題，應用潛力巨大但關鍵核心技術面臨“卡脖子”難題，智能工廠走深向實但仍存在信息孤島，工業互聯網已邁出實質性步伐但根基不穩，智能技術為傳統制造“按下加速鍵”但制造企業仍普遍面臨數字化轉型難題。立足新時代，從戰略高度和理論視角思考智能制造產業發展路徑具有重要的時代價值和現實意義。同時，智能制造的內涵和邊界在理論和統計意義上均較為模糊，學者們對智能制造的相關研究多集中于單一技術領域或較為泛化的方向性思考，而缺乏對智能制造系統的理論解構及在此之上的技術范式分析，這阻礙了相關研究的推進和有關政策建議的提出。本文力圖在厘清智能制造理論內涵并廓清其邊界的基礎上，對智能制造體系進行多維解構；針對智能制造發展的現實基礎和既存問題，提出智能制造高質量發展思路，推動我國制造業向“微笑曲線”兩端延伸，破除價值鏈“低端鎖定”陷阱［1］。

一、智能制造概念演化與內涵界定

智能制造是新一輪工業革命的增長引擎，其理論內涵具有多維復雜性。它突破了技術創新的范疇，代表著制造范式的深層次變革。一方面，智能技術從“輔助和支持”角色演變為“部分取代”［2］，現在已然成為制造系統的“關鍵和核心”。智能技術與實時制造數據、業務運營充分結合，使得構建動態數據系統和推動工業軟件應用成為可能。另一方面，智能制造已經成為制造業轉型升級的戰略方向，正在打破傳統意義上的產業邊界［3］，工業機器人使用密度和智能制造能力成熟度等智能化指標越來越多地被用于衡量企業競爭力和發展質量。

（一）智能制造概念溯源與內涵演化

20世紀80年代以來，根據制造車間自動化的范圍和程度以及各種功能生產區域的集成程度，不同術語被用來描述自動化制造，經歷了從柔性制造單元和柔性制造系統到計算機集成制造再到智能制造的演變［4］。智能制造由計算機輔助生產和計算機集成制造發展而來，早期更強調自動化和靈活制造。1988年美國學者賴特和伯恩正式出版專著《制造智能》（Manufacturing Intelligence）［5］一書，認為“智能制造”（Intelligent Manufacturing，簡稱IM）通過集成知識工程、制造軟件系統、機器視覺和機器控制，對制造技術人員的技能和專家知識進行建模，使智能機器在沒有人工干預的情況下實現小批量生產。2013年德國工業4.0白皮書及后續相關文章較多使用“Smart Manufacturing”來表述先進制造模式，多數情況下也被翻譯為“智能制造”。通過還原德國工業4.0白皮書語境可以發現，“Smart Manufacturing”不等同于美國概念中的“智能制造”，可翻譯為“靈智制造”。具有德國特色的靈智制造體系是其“工業4.0”戰略的核心內容，該體系依托智能技術，融合虛擬網絡與實體的信息—物理系統，降低綜合制造成本，聯結資源、人員和信息，提供一種從制造端到用戶端的生產組織模式。德國更強調生產系統的靈巧性、經濟性和高效性，通過嵌入式軟件和智能裝備實現制造系統的自動化、敏捷化、靈巧化和綠色化。作為國家制造創新網絡的一部分，美國能源部在2014年12月牽頭組織建設第八個創新研究院，即“智能制造創新研究院”，并為智能制造下了一個嶄新的定義：智能制造是先進傳感、儀器、監測、控制和過程優化的技術和實踐的組合，它們將信息和通信技術與制造環境融合在一起，實現工廠和企業中能量、生產率和成本的實時管理。綜上可知，美國和德國政府對“智能制造”的界定都突出了智能技術與成本控制的平衡，但與德國“靈智制造”相比，美國界定的“智能制造”則更強調生產系統的數據采集、處理和分析能力，以及保障系統自主學習、自主決策和優化提升的無人化技術和智慧底座。中國工業和信息化部2016年發布的《智能制造發展規劃（2016—2020年）》將智能制造定義為“基于新一代信息通信技術與先進制造技術深度融合，貫穿于設計、生產、管理、服務等制造活動的各個環節，具有自感知、自學習、自決策、自執行、自適應等功能的新型生產方式”，該定義較為強調智能技術的應用。

隨著制造數字化、智能化的不斷發展，學者們紛紛對“智能制造”進行研究，并分別從技術基礎、制造范式和系統集成等角度展開。從技術基礎來看，在新一代信息技術作用下，智能制造實現了物理空間與虛擬空間的動態交互。Li等強調智能制造是將新型信息通信技術、智能科學技術、大型制造技術（包括設計、生產、管理、測試、集成）、系統工程技術、相關產品技術與產品開發的整個系統和生命周期相結合的技術手段［2］。從制造范式來看，智能制造重新定義制造體系，重構制造新范式，由單一使用智能制造設備向全產業生產流程智能化轉變，培育經濟增長新動能。具體來看，智能制造由橫向和縱向的數據價值鏈組成［6］，橫向鏈條側重于產業鏈的信息整合，優化企業之間的研發、采購、制造和服務流程［7］，垂直鏈條側重于企業內部從設備到云的集成，顯著提高制造數據利用率和產品現場交付效率［8］。在智能制造時代，數據成為關鍵生產要素和使能因素并全面滲透至制造企業生產過程［9-10］，從投入和產出兩端改寫生產函數，調動制造企業“人—機—料—法—環—測”六大關鍵生產因素，滿足全產業鏈、全價值鏈的要求，助推制造產業體系逐步發生多維度、多層次的巨大變革［11］。從系統集成來看，智能制造是以最佳方式集成人、物理系統和網絡，實時響應制造領域復雜多樣的情況［12］，通過完全集成和相互協作實現設定目標的復合系統［13-14］。作為智能制造基礎技術，物聯網將制造業的物理資產與網絡空間進行整合，以形成網絡物理系統［4］。進一步地，制造過程系統與機器智能以不同程度結合，分別形成人工智能支持的制造系統、人工智能集成的制造系統和完全智能的制造系統［15］，實現從人—物二元系統（HPS）到新一代人—網絡—物理三級系統（HCPS）的轉變，從底層揭示新一代智能制造的技術機理，能夠有效指導新一代智能制造的理論研究和工程實踐［13］。

（二）智能制造概念再界定及其特征分析

學術界、各國政府和相關機構從不同方面對智能制造進行了定義，為本文探討智能制造高質量發展奠定了研究基礎。本文認為，進入智能化時代，智能制造不僅僅蘊含技術躍遷帶來的效率革命，更是代表了生產制造領域人工智能對人的智能替代所帶來的深遠的范式變革，從而孕育著新的工業文明，與人類歷史上歷次工業革命中主要以機器替代體力勞動為主要目標的機械化、自動化制造革命具有本質差異。基于此，本文將智能制造定義為依靠先進ICT技術與制造過程的深度融合，通過對制造業生產要素、技術體系、工藝流程和管理模式的底層重構，形成人機智能交互、價值鏈和生產鏈全流程數據實時監測和自適應控制乃至自主學習、自主決策、自主執行的新型制造模式和生產組織方式。具體來看，智能制造是基于工業軟件和智能制造裝備的“軟”“硬”兩條腿走路的新型制造模式，通過高度集成的人機智能系統，實現制造過程自主感知、智能互聯、智能學習分析和智能決策。動態效率提升是智能制造的直接目標，盲目采用先進而當前無用或不易駕馭的技術很可能使“智能制造”徒有其表而效率更低。也就是說，在靜態時點上，智能制造不應該簡單化為技術高端化、智能化以及系統的少人化、無人化，機器的智能化程度與生產效率之間應該是一個尋求系統最優的動態均衡過程。

概括而言，智能制造具有以下顯著特征：其一，智能制造以智能工廠為載體。智能制造以制造為本，智能是實現制造的手段。智能工廠作為智能制造的載體，是構建高效、節能、綠色、環保、舒適的人機協同系統的主要組織單元。其二，智能制造以生產制造關鍵環節和主要流程的智能化為核心。生產制造關鍵環節包含產品、裝備、生產過程、管理、服務等內容，主要流程涉及從原材料采購到最終產品交付的全過程，各環節和各流程的智能化協同推進、相互融合，保障整體生產過程的高效和智能運作。其三，智能制造以工業互聯網為關鍵支撐。工業互聯網將傳統制造業與先進的信息技術相結合，實現生產過程的數字化、智能化和高度協同化，是智能制造實現社會化協同的主要通路。經由工業互聯網，設備和工廠都成為廣義智能制造系統中的不同層級數據節點。其四，智能制造以端到端數據流為基礎。數據實時流通共享和集成轉換是實現智能制造的重要條件，是制造過程智能化發展的具體體現。智能制造伴隨著數據孿生過程，通過工業互聯網和大數據分析系統，工業互聯網平臺可以進行深度的數據挖掘和加工，以更好地服務于智能制造系統中的各個生產單元。

二、智能制造體系及其多維解構

智能制造作為新型生產方式，改變了生產要素的投入結構和組合方式，將制造自動化的概念擴展到了柔性化、智能化和集成化的方向。為明確智能制造的標準化對象和范圍，《國家智能制造標準體系建設指南（2021版）》從生命周期、系統層級和智能特征三個維度對智能制造體系架構進行劃分。本文認為，基于不同情境和分析目的，智能制造系統有狹義與廣義之分，狹義的智能制造系統是指以智能車間或智能工廠為載體的制造體系，而廣義的智能制造系統則涵蓋智能工廠及其支撐和服務體系。從構成來看，可以從三個維度來理解智能制造系統：技術維度、空間載體維度和產業鏈維度。從技術維度來看，智能制造技術體系分為基礎共性技術和標準（數據標準、集成電路、移動通信等）、智能裝備技術、工業軟件技術和工業互聯網技術（物聯網、大數據、云計算、區塊鏈、人工智能等）；從空間載體來看，智能制造系統可以分為設備層、車間層、工廠層、企業層、網絡協同層；從產業鏈體系來看，智能制造產業體系涵蓋上游的智能制造裝備、工業軟件和智能制造系統解決方案、中游的智能工廠（行業應用）和下游的智能制造服務（智慧物流及倉儲等）。

（一）技術體系

技術體系是指在一個特定領域內的一系列相關技術的組合和體系結構，而智能制造是利用先進智能技術實現生產過程的智能化、高效化和靈活化的制造方式，作為一個大系統和大概念，其基礎支撐不是關于任何一種技術，而是多個技術的有機組合和集成。在智能制造出現之前，數字制造、虛擬制造、先進制造和可持續制造等現有制造技術已經與ICT融合，智能制造相關技術亦被單獨開發或與其他技術結合開發，缺乏對智能制造技術體系的系統化概括。基于此，本文從系統層面厘清智能制造的技術體系構成，確保技術要素均在不同程度上貢獻于整個智能制造系統的智能化和效能提升。

智能制造技術體系可以進一步分解為基礎共性技術與標準、智能裝備技術、工業軟件技術和工業互聯網技術。基礎共性技術是指在多個領域發揮支撐作用，著力解決應用開發過程中的通用性、基礎性問題的技術，具有可擴展性和互操作性的特征。《國家智能制造標準體系建設指南（2021版）》指出共性技術標準包括通用、安全、可靠性、檢測、評價和人員能力六類，是關鍵技術和行業應用技術的底層支撐。智能裝備技術是先進信息技術、傳感技術、控制技術和自主決策算法在裝備產品上的高度集成和創新融合，具有自主感知、協同決策和智能執行的技術特征。工業技術軟件化是一種充分利用軟件技術，實現工業技術/知識的持續積累、系統轉化、集智應用、泛在部署的培育和發展過程。而工業軟件技術是在制造和生產領域中應用軟件解決方案以支持、優化智能化生產和管理活動的技術。工業互聯網技術是一種在工業制造領域中應用于實現設備、系統和人員之間高度聯結和信息共享的技術范疇，主要利用物聯網、大數據分析、云計算、邊緣計算、人工智能等智能技術，以實現設備、系統和人員之間的高度聯結、數據共享和智能化決策。

（二）空間載體體系

“載體”是一種能夠攜帶、傳遞或支持某種形式的事物的媒介、介質或實體，智能制造的載體扮演著連接物理世界和信息世界的角色，在智能制造中充當著實際的生產工具或平臺。從載體來看，智能制造可以分為設備層、車間層、工廠層、企業層和網絡協同層，每個層次都承載著特定的功能和任務。

具體來看，設備層是智能制造的基礎，涵蓋了制造過程中使用的各種設備和機器，包括傳感器、執行器、機械設備、工業機器人等，通過物聯網技術連接，實現實時數據采集、監測控制和參與協同制造。車間層是應用先進的制造技術和智能化設備并相互連接以形成小范圍的生產單元，承擔生產計劃、生產調度、質量控制等功能，形成“智能感知—動態調整—質量檢測—持續改進—反饋學習”的閉環來增強智能車間的敏捷響應能力。工廠層是整個智能制造體系中的關鍵層次，運用工業物聯網、增材制造等技術促進工廠層面全要素數據可視化和實時化，實現生產、設備、能源、物流、人力等生產要素的數字化集聚（大數據中心）、網絡化共享（工業互聯網）和平臺化協同（調度協同指揮中心）。企業層關注戰略層面的決策制定、技術應用、任務調度、資源編排和供應鏈管理，具有高度智能化、決策科學化、要素集成化的特征，一方面通過“數字化補課”實現跨越式創新和數字化轉型，另一方面厘清智能制造標準規范，確保企業各個層次和系統之間的協同性和兼容性。網絡協同層通過工業互聯網平臺搭建起多元主體鏈接的橋梁，以價值鏈為導向實現端到端的協同制造，以系統思維提升全產業鏈集成下的動態響應能力。綜上，智能制造“設備層—車間層—工廠層—企業層—網絡協同層”的層次結構有助于厘清智能制造不同層次之間的功能劃分和關系，并將智能制造體系劃分為可管理的單元，使得智能制造系統更加模塊化和可擴展，能夠適應不同規模和需求的制造場景，實現物理世界和信息世界的深度連接。

（三）產業鏈體系

智能制造是制造業的高階制造形態，天然具有產業屬性。一方面，從理論層面來看，廣義產業鏈將隱性技術與顯性載體連接在一起，為深度認識智能制造提供了合適的研究視角，有助于從產業層面理解不同技術和載體如何發揮協同效應。另一方面，從實踐統計層面來看，智能工廠是智能制造的生產載體，但由于智能制造的應用領域廣泛，各智能工廠的智能化成熟度不一致，現實中難以統計智能工廠的產值規模，統計上通常將智能制造裝備、工業軟件和智能制造系統解決方案分開統計，以反映智能制造產業鏈發展情況。基于此，本文結合認識邏輯和統計范圍，將智能制造產業鏈體系解構為智能制造裝備、工業軟件、智能制造系統解決方案和智能工廠（車間）。

智能制造裝備是具有感知、分析、推理、決策、控制和執行功能的制造裝備的統稱，指用于生產和制造過程中的高級制造設備，是先進制造技術和智能技術在裝備產品上的集成應用。從特征來看，區別于傳統裝備制造，智能制造裝備綜合了先進制造、數字控制、智能傳感、人工智能技術等多種技術，從而具備了自我感知、自主決策、分析規劃、糾錯容錯、自我學習、網絡集成、診斷修復等多種智能特征，提高了制造過程敏捷性和適應性，極大提升了裝備的加工質量和使用效率。從內涵來看，智能制造裝備涵蓋制造全流程的智能單機、自動化系統集成及生產線集成，將制造技術、信息技術和人工智能技術相結合，本質上涉及智能控制技術在制造業中的應用［16］。從效用來看，智能制造裝備通過自動化、智能化和高度精確的制造過程，強化企業內部協同和上下游協同，顯著提高生產率、制造精度和柔性制造水平。

工業軟件是工業技術、流程的程序化封裝與復用［17］，是智能制造的“神經中樞”。根據產品用途，工業軟件可以分為研發設計類（如CAE、 CAM）、生產控制類（如MES）、經營管理類（如ERP）、運維服務類（如APM）、嵌入式類（如DNC）等。根據工藝流程，工業軟件可以分為工業管理學軟件和工業物理學軟件［18］，后者以研發工具如計算機輔助設計（CAD）等為主，強調對工業內核的深度挖掘。從發展模式來看，國外形成縱向一體化、橫向貫通和軟硬結合的三種發展模式，工業軟件既具有軟件的性質，又具有明顯的工業屬性。進一步地，工業軟件是智能制造系統的基石和支點，是工業知識沉淀的結晶，承載著制造業從研發設計到銷售運用全生命周期的全部數據。研究表明，一輛新車高達40%的成本是由其電子和軟件內容決定的［9］，汽車行業70%以上的創新都是由軟件驅動的［9，19］。而大型工業軟件的研發周期一般是3—5年，被市場認可則需要10年左右，且很難被簡單復制。

智能制造系統解決方案強調利用先進的信息和制造技術來實現靈活、智能和可重新配置的制造流程，實現縱向集成和橫向集成的整體解決方案［20］。其中，縱向集成是把系統解決方案的不同層次和模塊整合在一起，并根據需求對模塊的拓撲結構進行重組；橫向集成則是實現不同制造階段的軟件、數據庫和裝備之間端到端的協同，破除數據壁壘，以實現更高的效率和靈活性。智能制造系統解決方案主要由軟件、硬件、系統服務等部分組成，此處的軟件指嵌入于整體解決方案中的應用軟件。在現實中，智能制造系統解決方案的提供商通常是工業互聯網平臺企業、云服務平臺和數字化轉型服務商，與工業軟件不同，系統解決方案主要以無形產品形式交付。2016年，在工業和信息化部的指導下，我國成立智能制造系統解決方案供應商聯盟，利用人工智能、大數據分析和機器學習等技術，以實現智能決策、自適應控制和預測性維護。作為智能制造典型應用場景，智能制造系統解決方案規模持續擴大，年平均增長率超過10%，形成一批高質量覆蓋全生命周期的細分行業解決方案，從供給端改善市場生態，從需求端強化對癥下藥，涵蓋工廠、產品、生產和管理四個過程的九大典型應用場景。

智能工廠旨在通過集成先進的數字化技術和自動化系統，實現制造生產的高度智能化和高效化。智能工廠借助物聯網、大數據分析、人工智能等技術，將制造過程中的各個環節實現數字化連接和協同，以提高生產效率、靈活性和質量管理。在智能工廠中，傳感器和嵌入式系統用于實時監測生產環境、設備狀態和產品質量。通過實時數據采集和分析，智能工廠能夠進行實時決策和優化生產過程。此外，人工智能技術被廣泛應用于生產計劃、調度和質量控制等方面，以提高整體的生產效能。智能工廠注重生產過程中的自動化和數字化集成，自動化系統涵蓋了各個生產階段，包括原材料處理、生產裝配、物流管理等，數字化集成則通過整合各種信息系統，實現生產數據的實時共享和管理。這種高度集成的數字化環境有助于提高生產線的靈活性和適應性，使企業更好地應對市場需求的變化。

三、我國智能制造高質量發展的現實基礎

作為新一代信息技術與先進制造業深度融合的新型生產方式，智能制造是新一輪產業變革的核心，已成為制造業變革的發展趨勢，是推動我國制造業轉型升級的重要抓手和“換道超車”領跑的重大機遇。黨的二十大報告將高質量發展作為全面建設社會主義現代化國家的首要任務。高質量發展本質上是以質量為價值取向的發展理念和發展方式［21］，追求長期導向的動態效率最大化。智能制造高質量發展同樣也不追求短期走得快，而是追求長期走得穩。這就要求在智能化技術、系統集成度和系統運行成本及效率之間尋求一種平衡，在特定時點上絕不是技術越先進越好、系統集成度越高越好。智能制造高質量發展包括智能制造核心產業本身的健康發展和傳統產業智能化改造的高效實施。從智能制造核心產業的高質量發展來看，一方面，以需求為牽引，引領集成技術創新，攻克智能制造關鍵技術在復雜工藝應用中的現實難題。工業和信息化部電子工業標準化研究院的數據顯示，我國三年內突破關鍵技術近600項，形成400余個智能制造行業知識庫和數據模型。另一方面，改善供給側市場生態，在工業控制系統、工業機器人、MES等智能制造關鍵裝備和工業軟件領域打破國外長期壟斷，實現市場份額的重大突破。從傳統產業智能化改造的高質量發展來看，智能化技術通過作用于產業邊界、交易成本、價值增值和供需精準匹配等加強向制造業的滲透，保障“量的合理增長”和“質的有效提升”的“質量齊升”［10］，實現知識溢出效應和技術擴散效應［22］，強化智能制造關鍵核心技術和知識重組對制造業高質量發展的賦能作用。

（一）智能制造應用潛力巨大但關鍵核心技術面臨“卡脖子”難題

智能制造是一個覆蓋更寬泛領域和技術的系統工程，我國智能制造高質量發展蘊含著巨大的潛力，智能制造應用水平與規模經過近十年的發展已處于全球領先行列，應用規模持續增長。根據工業和信息化部的數據，智能制造裝備行業市場規模由2017年的1.27萬億元增長至2022年的2.68萬億元，2023年上半年已經超過3.2萬億元。工業軟件市場規模2022年度增至2 407億元，同比增長14.3%，高出全行業整體水平3.1個百分點。智能制造系統解決方案市場規模自2019年起以平均50%的速度增長，2022年增至0.8萬億元，主要分布在通用機械、石油化工、專用機械等重要行業；截至2023年3月，智能制造系統解決方案提供商超過6 000家，其中主營業務收入超10億元的達40余家，覆蓋超過90%的制造業，優質供給能力不斷提升。

先進制造技術為智能制造打好了工廠內數字化和網絡化的基礎，新一代信息技術及人工智能技術促動并支撐智能制造向網絡化協同和智能化方向發展［23］。雖然智能制造的本質并非技術革命，但智能制造產業所涉及的技術范圍較廣、技術難度較高，難以短時間內簡單復制，技術壁壘較為顯著，新進入者較難掌握關鍵核心技術，同時人才稀缺帶來的人才壁壘與難以獲取客戶資源使智能制造產業進入門檻較高。作為新一輪工業革命的核心驅動力，智能制造通過軟硬件結合實現了對智能制造范式的改變，軟件通過編程和算法形成對制造系統的邏輯控制，硬件通過傳感器和裝置設備等形成對制造系統的物理控制。在工業互聯網推動制造范式革命的背景下，我國智能制造產業關鍵核心技術面臨“卡脖子”難題，體現為單點關鍵核心技術受制于人、系統集成技術國產替代較弱、系統解決方案供給能力不足。從單點技術來看，一方面，我國工業軟件中研發設計類和生產控制類軟件國產化程度仍然較低，95%以上的研發設計類工業軟件依賴進口，對基礎工藝研發和關鍵工藝流程缺乏單點突破和集成研發，與制造業深度融合不足；另一方面，智能制造裝備中高端工業控制芯片、工業機器人等核心器件和裝備國產化率較低，產品穩定性不足，下游應用滲透率不高，關鍵核心技術迭代受限。從系統集成技術來看，智能制造涉及企業生產全生命周期的硬件、軟件、各子系統和數據庫的集成，具有復雜性、可擴展性和協同互聯特征；涉及不同端口的標準協議，存在不同系統和數據端口的兼容性、互操作性和適配性難題。從系統解決方案來看，智能制造涉及工藝、裝備、軟件、網絡的系統集成和深度融合，具有敏捷柔性生產特點，但蘊含產業機理和制造原理的系統解決方案創新性和適配性不強，應用場景受限，中國自主的系統解決方案有待拓寬挖掘。

（二）智能工廠走深向實但存在信息孤島

智能工廠基于數據驅動、虛實融合、柔性敏捷和全局協同，在數字空間超越生產本身實現高效規劃和基于知識的工藝迭代，走深向實構建柔性化生產能力，以大批量規模化生產的低成本實現多品類的訂單交付。智能工廠的本質是人機交互，旨在實現多元業務互聯互通和挖掘數據價值，解決生產設施在日益復雜的世界中因動態和快速變化的邊界條件而產生的問題。從發展態勢來看，根據《中國智能制造產業發展報告》，2020年我國智能工廠市場規模為8 560億元，2022年已突破1萬億元，未來幾年我國智能工廠仍將保持10%以上的年均增速，預計2025年有望超過1.4萬億元。聚焦實踐發展，國內研究機構智能制造研究院（e-works Research）提出智能工廠金字塔結構，根據管理基礎、工業互聯、工廠數字化、物流與供應鏈、工業自動化和工業智能評選出2023年百強杠桿智能工廠，旨在尋找智能制造行業細分領域的領先企業和最佳實踐。其評選出的百強智能工廠分布在電子/電器、機械裝備等12個行業；49%的智能工廠建設投資總體規模在1億元至10億元之間，30%的智能工廠建設投資在1億元以下；57%的智能工廠為民營企業，32%為國有企業；57%的智能工廠為上市企業。燈塔工廠是智能制造技術應用示范者和引領者，截至2023年底，全球153家燈塔工廠中位于中國的有62座，占比40.5%，位列全球第一。從行業屬性來看，全球燈塔工廠集中于離散型制造業，美國和德國集中于生物技術、半導體等高端產業，中國則集中于產業鏈下游的家電制造和電子制造，高端制造和品牌打造仍有較大提升空間和發展潛力。

然而，智能工廠建設涉及智能裝備、智能傳感器、工業軟件和系統解決方案等供應商，集成難度較大，技術復雜度高，需要高昂的成本和大量資金，對于中小企業會造成較大的負擔。實踐中有些智能工廠只注重購買高端數控設備，而缺乏相應軟件系統的支持，導致數據在各設備之間難以流暢共享和交互；有些企業數據自動化采集和車間聯網程度較低，生產線之間還需要中轉庫轉運，難以實現對設備狀態的實時監測和預測性維護，可能導致生產中斷和設備損耗增加。同時，從技術層面來看，我國還缺乏適合建設智能工廠數據中心的軟件平臺，更缺少能夠“無需編碼或少量編碼”快速開發各類工業App的敏捷開發框架。

（三）工業互聯網已邁出實質性步伐但根基不穩

作為智能制造的關鍵使能技術，工業互聯網通過物聯網、大數據、人工智能等現代信息技術的集成應用，實現設備、系統和人員之間的高效互動和協同工作。我國工業互聯網體系架構1.0到2.0的迭代增強了工業互聯網平臺對制造系統的適配性，通過對工業全要素、全價值鏈和產業鏈的重構，進一步強化了數據價值挖掘和分析應用，實現自上而下優化數據閉環，推動微笑曲線向數據驅動的價值閉環轉變。工業互聯網平臺中邊緣計算、IaaS技術、數字孿生、工業區塊鏈等關鍵核心技術，將工業世界和數字世界連接為一體，以軟硬結合的方式實現產業鏈協同。工業互聯網成為全球工業強國競爭的主戰場，美、中、日、德四國在工業互聯網賽道上領跑，我國工業互聯網在數據挖掘、沉淀和復用等方面持續發力。從總體來看，我國工業互聯網進入快速增長期，工業互聯網平臺應用普及率由2021年的17.5%增長至2022年的22.2%，且呈現加速提升態勢。2022年基于工業互聯網平臺開展數字化管理、智能化制造、網絡化協同、個性化定制、服務化延伸的企業比例分別達42.0%、20.9%、29.8%、12.1%和30.1%，較2021年均有明顯提升。從產業規模來看，2022年我國工業互聯網核心產業規模超過了1.2萬億元，同比增長15.5%，工業互聯網產業增加值規模達到4.25萬億元，同比增長3.5%。賽迪顧問預測，未來5G應用場景的80%會在工業互聯網平臺，且更看好“自上而下”模式生長的工業互聯網平臺。

國內外按照驅動不同將工業互聯網平臺分為三種類型，分別是軟件驅動類、制造經驗驅動類以及技術驅動類。軟件驅動類工業互聯網平臺（如ThingWorx和用友精智）具有多樣化的客戶群體，SaaS服務能力突出，行業聚焦和縱深不足，生態合力仍有提升空間；制造經驗驅動類工業互聯網平臺（如MindSphere和卡奧斯COSMOPlat）工業機理理解透徹，行業Know-How積淀深厚，基于工業生產邏輯打通“產品—項目—生態”的發展路徑，未來需要繼續深耕行業和場景，持續拓寬走深向實；技術驅動類工業互聯網平臺（如IBM Watson IoT和OceanConnect IoT平臺）具有較強的數據整合能力和行業號召力，以生態鏈“鏈主”身份參與競爭，軟硬一體的組合仍需強化聯結效應。

從實踐來看，我國工業互聯網進入發展快車道，應用場景不斷拓寬，已從概念普及進入實踐的生根階段。然而，與國外相比，我國工業互聯網行業屬性明顯，標準化程度低，體現為工業互聯網落地生根過程中存在IT（信息技術）和OT（運營技術）融合深度不足的“下不來”和“工具陷阱”難題，根源在于工業互聯網是工業發展工具，并非工業本身，解決不了工業本身存在的問題。面對工業企業的海量數據和碎片化應用場景，工業互聯網在模式、體系、技術和思路上與消費互聯網存在較大差異，工業互聯網生態發展難以簡單復制消費互聯網的構建和應用路徑。因此，現有工業互聯網發展存在落地適配性問題，難以通過搭建起龐大的“神經系統”來收集分析海量信息、解決問題以及預判問題的源頭，也就難以實現“對癥下藥”，從而為智能制造高質量發展提供解決方案。同時，工業互聯網涉及底層技術的深入應用和行業數據要素的全過程滲透，由于跨行業可復用性差，工業互聯網平臺企業缺乏普遍接受的標準和協議，可能導致不同設備和系統之間的操作干擾問題，增加了部署的復雜性和難度。

（四）智能技術為傳統制造“按下加速鍵”但仍面臨數字化轉型難題

數字化轉型是一個多層次、多維度的概念，本質是新一代信息技術驅動下的，以技術為支點、以業務為內核的管理、業務和商業模式的深層次變革與重構。數字化轉型不僅需要優化流程降低成本、創新產品服務提供方式，而且需要進行組織結構和核心能力重組優化。智能技術的廣泛應用，一方面使得傳統制造企業在智能技術的驅動下，聚焦價值生成和價值驅動，以業務價值為導向，重新審視業務流程中的增值環節，助推智能技術在企業內部全面滲透；另一方面改變了單一流程化的傳統制造模式，通過多環節的技術賦能促進傳統制造轉型升級，使其在附加值更高的微笑曲線兩端獲得更高利潤。從智能制造賦能過程來看，在研發設計環節，創建虛擬模型，進行仿真測試，加寬企業的技術“護城河”；在生產制造環節，利用自動化生產線和機器人提高生產效率，通過物聯網IoT和傳感器技術監測生產參數，提高大規模定制水平；在銷售環節，通過高度協同的智能制造降低企業的供應鏈成本，并利用柔性化生產無縫銜接生產與需求，幫助企業強化品牌和服務優勢。

然而，當前我國傳統制造還處于“2.0補課、3.0普及、4.0示范”的多進程并行發展的復雜階段。從2.0到4.0的階段躍遷，絕非簡單的“機器替代人”，還需要生產組織模式和管理思維的系統轉變。傳統制造業數字化轉型存在轉型價值目標不清晰、價值效益不易顯現、數字化模式難以響應日益不確定發展的要求、數據要素驅動作用尚未充分發揮的“不敢轉、不會轉”的現實難題。低端制造產業產能過剩，先進制造裝備、核心零部件、半導體制造、高性能材料等中高端產業的保障能力供給不足，導致我國裝備制造業低端市場同質化競爭嚴重，中高端市場發展面臨關鍵核心技術“卡脖子”困境。具體來看，傳統制造業為我國制造業轉型升級和制造大國建設貢獻了重要力量，但在數智技術升級迭代的今天，存在技術和管理“兩張皮”、數字思維和能力存在差距的發展困境，不同業務間存在數據壁壘，海量數據要素作用尚未充分發揮，想轉但是沒有技術和人才支撐，進而導致了“轉型找死，不轉等死”的窘境。對于傳統離散型制造業來說，需要較強的柔性制造能力和產業鏈協同能力，但在數字化轉型過程中，制造設備結構化和敏捷性不足，不同設備間缺乏統一的數據標準和接口，數據要素尚未向生產全過程滲透進而轉化為企業轉型升級的生產力。對于傳統流程型制造業來說，智能制造對制造過程連續性提出了較高要求，需要較強的精細化管理能力，存在供應鏈上下游協同作用不明顯、精細化管理顆粒度較大、供需適配性亟須強化提高等問題。

四、智能制造高質量發展的推進策略

在百年未有之大變局加速演進的當下，智能制造高質量發展成為大國博弈和全球價值體系重構的焦點。如何在新一輪全球產業變革中抓住智能制造這一時代機遇，實現從“跟跑”到“領跑”的跨越，是建設制造強國的重要議題。作為全球唯一一個擁有聯合國產業分類中全部工業門類的國家，我國智能制造高質量發展具有堅實的產業體系基礎。然而，我國智能制造水平與發達國家相比仍存在一定差距。基于現實基礎分析和智能制造體系解構，本文提出“一個核心、三個加快、三個推動”的智能制造高質量發展思路，即以關鍵核心技術攻關與國產替代為核心，加快智能制造裝備、工業軟件和智能制造系統解決方案高端化智能化發展，推動智能工廠全面推廣落地、打造傳統制造業數字化轉型樣板、建設工業互聯網標準體系，培育推廣智能制造新型制造模式，加快形成新質生產力，發展立足我國制造優勢的智能制造新范式。

（一）以關鍵核心技術攻關與國產替代為核心

關鍵核心技術是包含多點位、多形態和多種知識基礎的技術體系［24］，是關乎智能制造高質量發展的突破口。只有把關鍵核心技術掌握在自己手里，推進關鍵核心技術攻關和國產替代研發，才能從根本上解決“卡脖子”難題，實現后發技術趕超。聚焦高端裝備、高端材料、高端機床、科學儀器和核心基礎件等智能制造產業，瞄準基礎研究，舉全國和全產業之力攻關基礎技術和共性技術，突破一批關鍵核心零部件和元器件。加大研發力度，努力啃“硬骨頭”，選擇突破口進行重點突破，力爭在具有非對稱競爭優勢環節和關鍵核心技術上率先突破，隨后借助外溢效應，推動智能制造全產業變革。采取“單點突破+集成攻關”的推進思路，單點突破智能制造產業的“卡脖子”技術，深耕關鍵核心技術鏈［25］，聚焦細分場景進行突破性創新，重構核心技術國產替代路徑，把握關鍵核心技術開發和共享的控制權，實現關鍵核心技術自主可控；集成攻關涉及全產業鏈基礎原理的共性技術，創新產業鏈協同模式，推動上下游同頻共振，搭建工業互聯網平臺，采用多種攻關模式相結合，加快制造設備和工業軟件的關鍵核心技術突破，實現上游高端供給和下游有效需求的精準匹配以及各個環節的實時決策和資源高效配置。

（二）加快智能制造裝備高端化集群化發展

智能制造裝備是機電系統與人工智能系統的高度融合，與傳統制造裝備相比，具有自主感知、自主學習和自我適應等智能化特征，并對智能技術提出了較高要求。從智能制造高質量發展來看，亟須加快智能制造裝備高端化和集群化發展。一方面，推動智能制造裝備高端化發展。基于模塊化設計理念，運用高強度合金、復合材料等提高裝備的性能和輕量化水平，采用先進制造工藝（如3D打印、激光切割）提高設備精度。重點推動工業機器人的高端化發展，在減速器、控制器、伺服系統等關鍵零部件和結構設計、加工與裝配等關鍵工藝技術取得持續突破的基礎上，往減速機、電機、編碼器以及驅動控制一體化集成方向持續深耕。另一方面，智能制造裝備不僅僅是單一的裝備，更是一個制造系統，產業集群是推動智能制造裝備高質量發展的關鍵路徑。推動工業機器人和增材制造等新興產業的集群化發展，引導資源和創新要素向產業基礎好、發展潛力大的地區集聚，建設一批主導產品特色鮮明、創新要素高度集聚、產業生態體系完善的智能制造裝備產業集群，形成智能制造發展的關鍵支撐。同時，積極推動和引領智能制造裝備的國際標準制定，搶占國際制高點。

（三）加快工業軟件自主研發和國產化替代

工業軟件是國家科技軟實力的重要體現。相對于一般軟件，工業軟件專業集成性高、研發難度大、體系設計復雜煩瑣、技術門檻高、研發周期長、研發迭代速度慢。CAD、CAE、EDA等研發設計類工業軟件，應用場景和范圍廣泛，但國產化率僅為5%左右。為此，應通過發展工業軟件領軍企業和搭建創新性開源社區平臺來推進工業軟件自主研發和國產替代，特別是研發設計類工業軟件的攻關。具體而言，可采用“揭榜掛帥”的方式，以工業軟件領軍企業為核心，聚焦工業軟件的關鍵核心技術，協同產業上下游企業，整合資源集智攻關，形成以領軍企業為核心的戰略研發格局，強化集成創新和研發設計類工業軟件研發，擺脫工業軟件“卡脖子”困境。搭建工業軟件開源社區和平臺，圍繞工藝模型、知識組件、算法工具等的開放共享，重點發展建模、仿真、模擬和分析的高性能計算領域的工業軟件，鼓勵更多創新主體參與。構建智能制造工業軟件專業技術人才信息系統和培養體系，促進高端人才在區域內合理配置，實現人才供需精準匹配和動態流動，為推動工業軟件國產替代提供堅實的人才基礎。

（四）加快培育優質專業可復制的智能制造系統解決方案

智能制造系統解決方案供應商是推動我國智能制造高質量發展的中堅力量，也是我國經濟社會發展的重要創新驅動力和市場主體。加快智能制造系統解決方案供應商與制造企業在供需互動、聯合創新中推進工藝、裝備、軟件、網絡的系統集成和深度融合，大力發展基于工業云的智能制造系統解決方案，圍繞工業核心業務流，沉淀重點行業場景化模型，構建全局數據運營平臺，實現數萬級測點秒級實時采集，創造出滿足新階段、新需求的解決方案。同時，聚焦工業和信息化部公布的25個智能制造系統解決方案應用場景和攻關方向，注重服務主體的專業性、服務對象的細分垂直性、服務內容的融合創新性，關注細分領域行業和中小企業，在新技術應用、新模式探索、新業態創新上形成一批更優質、更專業、更具有可復制性的解決方案，加速智能制造系統解決方案“走出去”，在全世界發出中國聲音、提供中國方案。進一步地，推動智能制造系統解決方案供應商多元化和專業化發展，從被動接受客戶需求轉變為主動引導或為客戶量身定制解決方案，參與或主導所在領域智能制造標準制定。從提供綜合解決方案逐步向提供細分領域行業解決方案縱深發展，提高行業成套解決方案供給能力，引領行業向專精方向發展。

（五）推動引領示范性智能工廠全面推廣落地

智能工廠作為智能制造應用的重要載體，是一種物理深度融合的生產系統。2023年工業和信息化部支持遴選了421家國家示范工廠，推動各地建成萬億家數字化車間和智能工廠，樹立了5 500多個可復制可推廣的典型場景范例。加快可復制可推廣的示范性智能工廠的推廣應用，亟須通過智能化改造、企業間集成和產業間協同來推動智能工廠落地。首先，針對建有制造工廠的傳統制造業，從基礎建設、使能技術和系統集成等方面對傳統工廠進行智能化改造。發揮軟件和硬件使能技術的核心驅動作用，部署物聯網設備和傳感器，升級網絡設備，確保足夠的帶寬和低延遲，實現設備之間的聯通和數據采集。同時，建設云計算和邊緣計算平臺，實現數據的存儲、處理和分析，集成物聯網平臺，實現設備之間的互聯互通和制造工廠智能化轉型。其次，通過不同工廠和企業的戰略合作實現智能工廠橫向集成，加快網絡信息物理生產系統（CPPS）建設，高效整合不同工廠的信息，提高生產決策的準確性和實時性，實現生產數據、工藝信息、質量數據的共享和互通，促進供應鏈優化整合。最后，以智能工廠為主戰場推動生態系統構建和協同作用發揮，將具有引領示范性的智能工廠納入更大范圍產業鏈中，通過數字化技術和信息共享強化各個環節之間的協同效應，實現智能制造生態鏈的協調運作。

（六）推動打造傳統制造業數字化轉型樣板

數字化轉型并非數智技術的簡單運用，而是一種企業業務、商業模式和核心能力的變革重組。傳統制造業各個細分行業差距較大，行業屬性和處于產業鏈不同層次的企業差別較明顯。2020年，國資委提出打造國有企業數字化轉型四類樣本，位列首位的就是打造制造類企業數字化轉型示范樣板，強調以智能制造為主攻方向，搭建互聯網工業平臺，提高制造設備聯網率和關鍵工序數控化率，形成一批具有較強示范借鑒意義的制造企業。基于此，傳統制造業需要在戰略上實現從“技術導向”“業務導向”到“價值導向”的轉變，聚焦創造價值增量的環節，構建快速響應、動態柔性的價值網絡生態，拓展制造業價值增值發展空間。具體可采取“軟硬結合、內外兼修”轉型戰略，軟件層面聚焦工業互聯網平臺建設，促進價值鏈、供應鏈、產業鏈三鏈協同和資源整合，硬件層面部署物聯網設備和智能傳感器，釋放海量數據的價值效應，打通制造業務環節的價值鏈，構建生態發展模式。一方面，搶抓新一輪產業革命和數智技術的“機會窗口”，利用信息技術驅動行業變革、網絡智能化發展、生態集成引領知識創造與傳播，驅動數字經濟價值創新和塑造全新數字空間；另一方面，推動傳統制造業數字化轉型，扎扎實實做好“數字化補課”，在技術、業務、數字思維、商業模式等方面向示范企業看齊，提高制造企業的業務水平和運作效率，解放員工腦力和體力，提高創新能力，拓寬業務應用范圍，形成基于不同類型制造業、產業鏈不同層次的制造業數字化轉型示范樣板，推動我國傳統制造企業邁向數字化網絡化智能化協同制造。

（七）推動工業互聯網標準體系建設

推動工業互聯網安全、設備、業務流程和合規性標準體系建設完善，建立統一的通信協議、數據格式和接口標準，以確保不同廠商、設備和系統能夠實現互聯互通，在經驗沉淀與創新發展間嫁接橋梁，進而充分釋放“標準化+工業互聯網平臺”的最大潛力。按照標準體系動態更新機制，加快成立5G+工業互聯網融合研發中心等創新合作組織，從明確基礎標準、構建技術標準、建設標準體系、試驗驗證、國際化等方面進行部署，建設立足智能制造產業實踐、先進適用的工業互聯網標準體系。具體而言，一方面，以價值提升為目標導向，識別多方利益相關者“建平臺、用平臺、管平臺”的需求和痛點，推進工業互聯網的網絡互聯互通工程，加強IT與OT網絡深度融合，加快工業互聯網標識解析體系建設。另一方面，牽頭機構制定適用于各自行業的工業互聯網標準，從工業互聯網體系架構、標準體系結構、標準體系框架等展開，開發基于開放標準的平臺和協議，鼓勵“中國標準走出去”，推進工業互聯網平臺國際標準制定，以便不同廠商設備和系統互聯互通和高度集成，打通“數據壁壘”，破解“信息孤島”。

參考文獻

［1］龍飛揚，施貞懷，殷鳳．制造業嵌入雙重價值鏈：演進邏輯、現實依據與路徑選擇［J］．改革，2023（10）：146-155.

［2］LI B， HOU B， YU W， et al. Applications of artificial intelligence in intelligent manufacturing： A review［J］. Frontiers of Information Technology amp; Electronic Engineering， 2017， 18： 86-96.

［3］DAVIS J， EDGAR T， GRAYBILL R， et al. Smart manufacturing［J］. Annual Review of Chemical and Biomolecular Engineering， 2015， 6： 141-160.

［4］KUSIAK A． Smart manufacturing［M］//Springer handbook of automation. Cham： Springer International Publishing， 2023：973-985.

［5］WRIGHT P K， BOURNE D A． Manufacturing intelligence［M］． Massachusetts：Addison-Wesley Longman Publishing Co.， Inc.， 1988： 31-33.

［6］CHEN B， WAN J， SHU L， et al. Smart factory of industry 4.0： Key technologies， application case， and challenges［J］. Ieee Access， 2017， 6： 6505-6519.

［7］WAN J， ZHANG D， SUN Y， et al. VCMIA： A novel architecture for integrating vehicular cyber-physical systems and mobile cloud computing［J］. Mobile Networks and Applications， 2014， 19： 153-160.

［8］YAN H， YANG J， WAN J. KnowIME： A system to construct a knowledge graph for intelligent manufacturing equipment［J］. Ieee Access， 2020， 8： 41805-41813.

［9］SHOREY R. Emerging trends in vehicular communications［J］. IEEE New York Presentation， June， 2014， 8.

［10］楊浩昌，羅雨成，李廉水．智能制造對制造業高質量發展的影響研究——基于“量”與“質”的視角［J/OL］.科學學研究，https：//doi.org/10.16192/j.cnki.1003-2053.20230906.001.

［11］HUANG Q． Intelligent manufacturing［M］//Understanding China's manufacturing industry. Singapore： Springer Nature Singapore， 2022： 111-127.

［12］KANG H S， LEE J Y， CHOI S S， et al. Smart manufacturing： Past research， present findings， and future directions［J］. International Journal of Precision Engineering and Manufacturing-Green Technology， 2016， 3： 111-128.

［13］ZHOU J， LI P， ZHOU Y， et al. Toward new-generation intelligent manufacturing［J］. Engineering， 2018， 4（1）： 11-20.

［14］TRENTESAUX D， MILLOT P. A human-centred design to break the myth of the \"magic human\" in intelligent manufacturing systems［J］. Service Orientation in Holonic and Multi-agent Manufacturing， 2016： 103-113.

［15］OZTEMEL E． Intelligent manufacturing systems［M］//Artificial intelligence techniques for networked manufacturing enterprises management. London： Springer London， 2010： 1-41.

［16］LI F， LIU W， BI K. Exploring and visualizing spatial-temporal evolution of patent collaboration networks： A case of China's intelligent manufacturing equipment industry［J］. Technology in Society， 2021， 64： 101483.

［17］中國工業技術軟件化產業聯盟．中國工業軟件產業白皮書（2020）［R/OL］．（2020-02-04）［2024-02-04］．https：//www.caitis.cn/bps-article.html？id=44.

［18］林雪萍．工業軟件簡史［M］．上海：上海社會科學院出版社，2021：4-10.

［19］GRIMM K. Software technology in an automotive company-major challenges［C］//25th international conference on software engineering， 2003. Proceedings. IEEE， 2003： 498-503.

［20］ZHONG R Y， XU X， KOLTZ E， et al. Intelligent manufacturing in the context of industry 4.0： A review［J］. Engineering， 2017， 3（5）： 616-630.

［21］田秋生．高質量發展的理論內涵和實踐要求［J］．山東大學學報（哲學社會科學版），2018（6）：1-8.

［22］成瓊文，郭波武，張延平，等．后發企業智能制造技術標準競爭的動態過程機制——基于三一重工的縱向案例研究［J］．管理世界，2023（4）：119-139.

［23］張伯旭，等．智能制造：助推高精尖產業發展［M］．北京：機械工業出版社，2018：25-30.

［24］劉建麗．“凹凸世界”背景下的關鍵核心技術突破路徑選擇——基于集成電路產業技術特質的分析［J］．求索，2023（3）：118-126.

［25］胡登峰，黃紫微，馮楠，等．關鍵核心技術突破與國產替代路徑及機制——科大訊飛智能語音技術縱向案例研究［J］．管理世界，2022（5）：188-209.

Intelligent Manufacturing： Conceptual Evolution， System Deconstruction and High-quality Development

LIU Jian-li"" LI Jiao

Abstract： As a high-level manufacturing format and a new production mode， intelligent manufacturing has become the core driving force of a new round of industrial revolution. At present， China's manufacturing industry is in a critical period of transformation and upgrading， quality improvement and efficiency improvement. Traditional industries need to renew their vitality through the transformation of old and new kinetic energy. Emerging technology industries and future industries need to seize the global commanding heights through competitive manufacturing models， and the high-quality development of intelligent manufacturing has become the key support for China's manufacturing industry to embed into the high-end global value chain. Intelligent manufacturing is characterized by intelligent factory as the carrier， intelligent key links and main processes of manufacturing as the core， industrial internet as the key support and end-to-end data flow as the basis. Promote the high-quality development of intelligent manufacturing， follow the high-quality development idea of \"one core， three accelerations and three promotion\"， focus on tackling key core technologies， accelerate the high-end intelligent development of intelligent manufacturing equipment， industrial software and intelligent manufacturing system solutions， promote the comprehensive promotion of smart factories， build a digital transformation model of traditional manufacturing industries and build an industrial internet standard system.

Key words： intelligent manufacturing；manufacturing power；high-quality development

基金項目：國家社會科學基金重大項目“智能制造關鍵核心技術國產替代戰略與政策研究”（21amp;ZD132）；國家社會科學基金重大項目“數字經濟推動新興產業創新的制度邏輯與系統構建研究”（ZZamp;ZD099）；中國社會科學院登峰戰略企業管理優勢學科建設項目。

作者簡介：劉建麗，中國社會科學院工業經濟研究所研究員、中國社會科學院大學博士生導師；李嬌，中國社會科學院大學博士研究生。