制造業不再是AI技術的跟隨者，而是落地的主戰場和主引擎

對話嘉賓

（以姓氏筆畫為序）

周伯文

上海人工智能實驗室主任、首席科學家

游" "瑋

埃夫特智能機器人股份有限公司董事長

戴" "兵

合肥市科技局副局長

“此智能已經非彼智能”

《決策》：國務院《關于深入實施“人工智能+”行動的意見》將“人工智能+制造”列為重點之一。在您看來，這一部署相比以往“智能制造”概念，有哪些關鍵的跨越？

周伯文：制造業是立國之本、強國之基，是國民經濟的重要支柱。人工智能是引領新一輪科技革命和產業變革的戰略性主導技術，具有溢出帶動性很強的“頭雁效應”。“人工智能+制造”是實施“人工智能+”行動的重要內容，對于促進我國制造業高質量發展，加快建設制造強國，具有十分重要的意義。

工信部在審議《工業和信息化部信息化和工業化融合2025年工作要點》時，明確提出要實施“人工智能+制造”行動，加快重點行業智能升級，打造智能制造“升級版”。從“智能制造”到“人工智能+制造”，概念的轉變不僅釋放出國家層面對“人工智能+制造”深度融合的高度重視，也為制造業在新一輪技術革命中指明了方向：制造業不再是AI技術的跟隨者，而是落地的主戰場和主引擎。

游瑋：智能制造這個概念提了很久，國家在“十一五”“十二五”期間就提出了智能制造的發展方向，它與“人工智能+制造”的概念有所區別。

第一，內涵不同。“人工智能+制造”是人工智能的一個重要賦能領域，同時也為制造明確了一個可以依靠的核心技術能力，但智能制造的側重點還是在制造，它對于AI或者人工智能的著力點，沒有“人工智能+制造”這么明顯。

第二，“智能制造”概念興起于弱人工智能時代，當時AI的能力和應用范圍均十分有限。而如今提出的“人工智能+制造”，則立足于AI能力的巨大躍升，特別是大模型在海量數據驅動下，實現了任務泛化能力的實質性突破。因此，雖然二者都冠以“智能”之名，但“此智能早已非彼智能”。

擁抱AI就是

擁抱新型工業化的未來

《決策》：我們觀察到，北京、上海、溫州等地已在政策與機構設置上率先行動。您如何研判這種態勢？對區域經濟格局將會產生哪些影響？

周伯文：從地方政策來看，自從2024年國務院政府工作報告中提出要持續推進“人工智能+”行動之后，各地政府紛紛結合自身產業特色，出臺人工智能專項政策，并針對制造業領域有相應的規劃，地方緊迫感可見一斑。這不僅是一次技術迭代和產業升級，更是一場決定城市命運、重塑區域格局、關乎國家競爭力的“戰略卡位戰”。

人工智能以其基礎性、平臺性和通用性特點，不僅能提升生產效率，更將重構制造產業范式。它通過驅動生產模式、產品形態和商業模式的全面創新，重塑制造業競爭格局。對于制造企業而言，擁抱AI就是擁抱新型工業化的未來，企業唯有積極布局實踐，才能在智造浪潮中搶占先機。

戴兵：北京、上海、溫州等地都是在本地資源稟賦基礎上，發揮產業特色及區域優勢，夯實人工智能的技術底座（算力、算法、數據），進一步統籌匯聚產業資源，以應用場景開放為牽引，推進“人工智能+制造”落地見效。

以合肥為例，在承接國家及安徽省“人工智能+”行動方案等文件任務的基礎上，合肥以技術強基為基石、強化應用為支撐、培育生態為導向，依托市委科技委工作機制，統籌推進人工智能領域重點場景挖掘、對接及建設工作。

當前各地圍繞“人工智能+制造”的卡位競爭，正深刻重塑區域間的經濟格局。這一進程將加速打破傳統產業梯度轉移的路徑依賴，推動形成以“人工智能賦能深度”為關鍵標尺的新梯隊。擁有完整產業鏈基礎的地區，若能率先完成人工智能全鏈條滲透，通過龍頭企業帶動上下游，可以實現產業能級的躍遷，從“制造基地”升級為“智造策源地”，這也為合肥這樣擁有特色主導產業和堅定戰略定力的城市，提供了“換道超車”的歷史性機遇。

《決策》：“人工智能+制造”行動的深入實施，將會為經濟社會發展注入哪些新動能？

周伯文：新質生產力是近年來政策語境中的高頻詞，其核心在于以科技創新為主導，突破傳統要素驅動的增長瓶頸。“人工智能+制造”正是新質生產力的典型代表之一。它不僅能改造傳統產業，更能催生工業互聯網平臺、智能機器人、高性能傳感器、工業軟件等一整條前沿產業鏈。它的意義在于“無中生有”和“有中煥新”，這是中國經濟結構實現戰略性調整的關鍵所在。隨著“人工智能+制造”行動深入實施不斷深化，必將推動中國制造業邁向更高質量、更具韌性的發展新階段。

自動化是前提，

數字化是基礎，智能化是目標

《決策》：機器人作為人工智能技術落地的關鍵載體與驅動制造業升級的核心引擎，如何看待機器人發揮的作用？

游瑋：人工智能與機器人融合，催生了“具身智能”。AI為機器人賦予自主決策的“大腦”，而機器人為AI提供了在物理世界執行任務的“身體”。二者結合，使機器從被動執行轉向自主感知與行動。

實現智能制造，要跨越自動化、數字化、智能化三大階段。自動化是前提：必須先用機器替代人工作業，才能實現高頻、可靠的數據采集；數字化是基礎：將自動化設備（如數控機床、工業機器人）產生的物理信息轉化為系統性的數字信息，為智能化積累可信、可用的數據資產；智能化是目標：在數字化基礎上，利用數據驅動模型，最終形成智能決策能力。

從我國制造業發展來看，流程工業的自動化與數字化基礎較好，已成為“AI+制造”的先行者，比如海螺水泥；而大量離散制造業仍面臨自動化未完成的挑戰，需要“補課”才能邁向智能化。

現在很多企業存在一個短板，就是知識工程建設與數據生態缺失。許多企業尤其是中小微企業，缺乏對工藝參數、客戶反饋等核心數據的系統化積累與管理。這些數據正是訓練垂類AI模型的關鍵。因此，亟須提升企業數據意識，并構建合理的數據分享與變現機制，才能真正推動中國制造業走向數據驅動的智能制造。

《決策》：在全球機器人市場規模突破千億美元、AI與制造深度融合的當下，如何將機器人的技術潛力轉化為產業競爭力？

游瑋：相對于旺盛的市場需求，目前整個機器人產業的規模還很小，中國市場的工業機器人年銷售規模在30萬臺左右，而服務機器人市場尚未真正成型，尤其缺乏通用智能服務機器人，機器人市場規模和市場潛在需求不匹配。

究其原因，是技術體系和關鍵技術點尚未突破，包括進口工業機器人在內的絕大多數工業機器人，都屬于傳統的編程型工業機器人，應用場景局限于少品種大批量連續制造。而受限于實際工業場景數據集規模，數據質量和算力限制，目前很難訓練出一個具有跨行業跨應用高準確率高泛化能力的智能機器人。

一個可行解決路徑是以特定行業和特定應用場景作為約束條件，把問題做封閉，做到在封閉空間內的泛化，這才能大幅降低對于數據集規模的依賴，提升準確率。在這一領域，中國企業不能單純跟隨，需要利用后發技術優勢、場景和數據優勢，實現顛覆式創新以徹底激發機器人的市場規模。

我認為，有三個需要重點建設和攻關的方向，一是機器人控制需要實現軟件分層解耦和標準化；二是構建低代碼集成應用開發環境和智能化組件庫，加快開發者生態培育；三是需要探索具有合理投入產出比的通用智能機器技能訓練所需的數據采集方式和學習方法；四是構建全球首款智能機器人通用軟件底座，形成一套自主可控的機器人技能開發工具鏈，賦能制造業提質降本增效，形成國際市場核心競爭力。

《決策》：人工智能技術為制造業解鎖了新的價值創造路徑，從而催生了新的商業模式。對此，您有何觀察？

游瑋：在我看來，所有模式創新的基礎，必須是技術與商業的深度耦合。技術創新與商業模式創新是“1與0”的關系：技術創新是前面的“1”，是根基；商業模式創新是后面的“0”，是放大。沒有堅實的技術作為“1”，再華麗的商業模式也只是空中樓閣，反之，若只有技術這個“1”而缺乏商業模式的“0”，則技術的價值將被嚴重限制，難以實現規模化應用與市場突破。例如，埃夫特推出的“以租代售”模式創新，正是將高端制造技術普惠至中小微企業的關鍵橋梁。

高水平數據治理

《決策》：企業在推進“人工智能+制造”過程中，面臨的最大共性障礙是什么？

周伯文：最大的共性挑戰是：制造企業大都缺乏AI-ready數據。大模型訓練依賴大量高質量的數據，但制造企業常常缺乏足夠的標準化、結構化的AI訓練數據。例如，不同部門或系統之間的數據格式、單位或定義不一致，且存在大量非結構化數據，導致數據整合困難，影響AI模型的訓練和應用。

高水平數據治理是“人工智能+制造”行動落實的關鍵，當前行業已經通過強化數據標準、推動數據資產化、建立質量與安全管理體系等手段，推動制造業數據治理邁向更高水平。上海人工智能實驗室也在努力提升行業數據質量，例如，打造并開源智能文檔解析引擎MinerU，支持將復雜文檔精確地轉化為可用于大模型訓練的AI-Ready數據，助力制造業穩步推進“人工智能+制造”行動落地成效。

《決策》：面對“人工智能+制造”的新機遇，地方政府如何找準獨特的切入點和突破口？

戴兵：一是立足本地特色。比如合肥，依托豐富科教資源，發揮多重國家發展戰略疊加優勢，充分發揮合肥綜合性國家科學中心等科研平臺創新效能，建設AI物質創制中心、安全人工智能實驗室等高能級創新平臺，推動智能制造、智能網聯汽車等特定領域的垂類大模型研發與關鍵技術攻關，為“人工智能+制造”提供堅實的底層技術支撐。

二是深化場景賦能。基于三大科創引領高地建設和合肥市產業布局，以及中小企業數字化轉型、高企數字化轉型等政策契機，構建全領域多層次場景應用體系。

三是激活創新主體活力。開展“人工智能+”領域揭榜掛帥，自上而下自下而上相結合推進場景供需雙方共研共創開展場景建設。通過建設人工智能領域創新聯合體，推動本地存量企業接續培育，圍繞AI芯片、數據計算、垂類模型、具身智能等方向開展雙招雙引，做大做強人工智能先導區等產業生態集聚區，充分發揮創新活力。

游瑋：為加速“人工智能+制造”落地，我有三點建議：第一，建立可信數據流通機制。建議由政府引導成立獨立第三方數據管理平臺，對中小微企業提供的商業數據進行專業脫敏與價值評估，在保護企業核心利益前提下，打通面向大模型訓練與機器人研發的高質量數據供給通道。

第二，創新嵌入式數據采集模式。推廣數據眾包模式，鼓勵通過工業穿戴設備等載體，在焊接等實際作業中同步采集高質量數據，并建立合理收益分配機制，使一線工人成為數據貢獻者與受益者。同時，由行業協會牽頭制定統一數據治理標準。

第三，構建商業化數據采集場景。支持建設高真實度的機器人應用場景（如面向服務場景的機器人未來社區），在開放運營中自然積累人機交互數據。通過門票等商業收入反哺數據采集與科研投入，形成“商業-數據-科研”可持續閉環。