2025年，中国制造业增加值占全球比重已接近30%，总体规模连续16年稳居世界第一。109座灯塔工厂矗立在中国，占全球总量的近半壁江山。从一颗螺丝钉到一艘巨轮，从一片晶圆到一座核电站，中国拥有世界上最完整的工业门类、最庞大的应用场景、最丰富的工业数据资源。

但规模的优势，正在遭遇新的拷问。当人工智能以前所未有的速度渗透进每一条产线、每一道工序，全球制造业的竞争规则正在被重新书写。制造业智能化经历了数字化、网络化两个阶段，并交出了不错的答卷。而第三个阶段——智能化，才是真正决定胜负的战场。

在第二十二届工业自动化与标准化研讨会上，多位专家对这场变革形成了高度共识：新一代智能制造的核心命题，不是机器换人，不是流程上线，而是制造系统从被动执行工具向具备自主决策能力的独立主体的跃升。对中国制造而言，这既是“换道超车”的战略窗口，也是从“量的积累”迈向“质的跃升”的关键一跃。

窗口期，中国制造拿什么抓住？

“未来十年，是中国装备制造业实现智能升级的关键时期。”国家制造强国建设战略咨询委员会副主任苏波开门见山。在他看来，第四次工业革命的共性赋能技术是新一代人工智能，其与先进制造技术融合形成的新一代智能制造，将引领制造业发生革命性的转型升级，“我们必须打赢这场智能升级的战略决战。”

这一判断的背后，是对历史规律的深刻洞察。前三次工业革命，每一次都由一种共性赋能技术与制造技术深度融合所驱动：第一次是机械化，第二次是电气化，第三次是数字化。而这一次，核心驱动力是人工智能，中国有机会站在技术浪潮的最前沿。

政策信号已在密集释放。今年年初，工信部等八部门联合印发《“人工智能+制造”专项行动实施意见》，设定了2027年落地千个工业智能体、五百个标杆应用场景的量化目标。3月，国务院第十一次全体会议将“加快发展新一代智能制造”列为“十五五”期间六项牵引性、撬动性强的重点工作之一。6月，国务院常务会议进一步明确“要以发展新一代智能制造为主攻方向”。自上而下的政策层层加码，标志着中国智能制造的发展逻辑正在迎来根本性转变，即从“试点示范”走向“全面铺开”，从“效率提升”迈向“范式重构”。

战略方向已定，但落地之路仍面临诸多现实挑战。六盘山实验室主任、中国工程院院士马玉山将话题拉回到制造本身。他指出，新一代智能制造的核心目标是实现“大规模定制”，既要满足个性化需求，又要保持大规模生产的效率和成本优势。这个目标对制造系统提出了前所未有的要求：硬件可重构、软件可适配、数据全贯通。

马玉山认为，当前最大的短板集中在两个环节。首先是智能在线检测装备，他称之为智能制造的“眼睛”和“耳朵”。传统离线检测响应需要数小时、抽检率不足1%，而在线检测可实现毫秒级响应、100%全检。这不仅是效率的线性提升，更是质量控制范式的根本转变，是从事后补救走向事前预防，从抽样推断走向全量验证。其次是工艺自动创生能力。“再先进的装备，如果没有自动生成最优工艺路线的能力，就像有了顶级跑车却没有导航系统。”马玉山告诉记者，这两个短板不补齐，智能制造的全流程闭环就无从谈起。

“我们有15家领航级、500家卓越级、1万多家先进级智能工厂，但如果量大面广的中小微企业还是‘原始道路’，整个产业生态就无法真正升级。”马玉山还特别关注中小微企业的处境，并呼吁推动智能制造从“领航示范”走向“万家灯火”，让技术红利惠及产业链的每一个末梢。

制造之外，价值如何延伸？

智能制造解决的是“怎么造得更好”的问题，中国机械工业联合会副会长罗俊杰则提出了另一个关键问题：如何创造更大的价值？

“产业链上游研发设计、下游运维服务属于高附加值环节，中间加工组装利润微薄，向两端延伸服务正是制造企业攀升价值链的核心路径。”罗俊杰认为，智能制造与服务型制造并非彼此独立，而是相辅相成、互为支撑。智能制造依托数字化、智能化技术改造全生产流程，核心解决的是生产制造环节提质、降本、增效的现实难题；而服务型制造则以制造业为根基，跳出单纯售卖产品的经营模式，把个性化定制、协同研发、远程托管、再制造等服务嵌入产品全生命周期，依靠“产品+服务”一体化方案延伸产业链条。

不难看出，两者发展目标高度契合，核心追求都是持续提升制造业整体价值；智能产线、智能产品是落地服务型制造的基础，而智能设计、远程运维、供应链协同等模块，既是智能制造的典型应用场景，也是服务型制造的核心业态。

罗俊杰表示，新一代智能制造正从六个维度为服务型制造注入新动能：赋能前端定制研发服务，个性化定制成为常态化业务；支撑柔性生产服务，催生共享制造、协同代工新业态；拓展智能产品后市场服务，从产品销售向全生命周期托管转型；壮大绿色循环再制造服务，开辟产业增值新蓝海；实现产业链协同服务，搭建跨主体一体化服务网络；推动服务普惠下沉，助力中小企业同步增值业务。

“过去制造业的价值创造高度集中于生产环节，但新一代智能制造正在打破这一格局。”罗俊杰告诉记者，从个性化定制、共享制造到全生命周期运维、绿色再制造，产业链上下游每一个环节都在成为价值增值的新来源。

工业AI的硬骨头，如何啃下来？

当制造业的竞争从车间延伸到全链条、全生态，一个更深层的问题浮现出来：支撑这场竞争的基础设施，即工业软件与智能系统本身，能否跟上变革的步伐？

施耐德电气（中国）有限公司工业软件和人工智能业务负责人王磊直指工业AI落地的最大障碍：数据分散、割裂、缺乏语义关联。“数据孤岛不打破，AI就没有燃料；架构不开放，智能就无从生长。”施耐德的解决方案是开放自动化——软硬件解耦，向下连接现场设备，向上对接IT应用和AI算法，每一层都实现标准化、可插拔。在上海工厂的实践中，这套架构与5G技术结合，设备复用率和运维效率均实现大幅提升，证明了开放架构在复杂工业场景中的可行性与实用价值。

“数据碎片化、隐性知识依附于人、系统集成成本高等问题，仍是工业AI从试点走向规模化的现实障碍。”深圳市汇川技术股份有限公司人工智能研究院院长董蓉向记者进一步描绘了AI正在如何重塑工业自动化的底层逻辑。在系统开发端，传统多工种串行的模式正在被AI辅助设计、AI编程人审核的并行模式取代，人从“执行者”变为“审核者”。在系统调优端，人工反复试凑让位于AI一步寻优，直接逼近最优参数组合。在系统运维端，7×24不间断感知替代了“坏了再修”的事后抢修。在工厂运营端，缺料、瓶颈、冲突在生产之前就被AI提前推演出来。

“截至2025年，生产制造环节的AI渗透率仅约19%，而实际成功率不足10%。”和利时科技集团有限公司总工程师朱毅明则点出了一个更深层的结构性矛盾：通用大模型懂语言、懂图像，但不懂物料平衡、能量守恒、反应动力学；工业控制要求确定、可重复、有边界，而AI的概率性生成机制与之天然冲突。

朱毅明给出的解方是“数据和知识双驱动”，让数据驱动的多模态大模型与时序模型，与知识驱动的因果机理模型和本体语义模型协同工作，形成“黑箱+白箱”混合推理系统，在保证安全可控的前提下将人的参与度降到最低。这套架构已在多个石化化工装置上完成验证，非计划停车大幅减少，维修成本显著下降。和利时正在构建“数字基座+认知平台+工业智能体”的能力分层体系，目标是让系统自主完成感知-认知-决策-执行的全闭环。

“工业智能的最后一公里，不在算力，不在算法，而在于让系统真正‘读懂’工厂。”多位专家的这一共识，恰好回应了马玉山院士所强调的“智能在线检测与工艺自动创生”两大短板，前者是让系统“看见”工厂的实时状态，后者是让系统“思考”如何最优地组织生产。二者相互结合，才是中国制造从“数字一代”向“智能一代”跃升的真正起点。

这场变革的深远意义，或许要再过十年才能被完整看见。但方向已经清晰：新一代智能制造，正是中国装备制造业换道超车、掌握新一轮工业革命主动权的战略选择。在这场关乎未来的竞逐中，中国制造不仅要跑得快，更要跑对方向。