问题：制造业转型进入深水区——既要稳增长、提质量——也要应对全球产业链重构带来的竞争压力。传统依靠要素投入拉动的增长方式边际效应减弱，企业研发设计、生产组织、质量管理、供应链协同等环节，面临成本上升、效率瓶颈与需求快速变化等挑战。此外，人工智能加速演进，正在成为重塑产业体系的重要变量。如何把新技术转化为现实生产力，推动制造体系向高端化、智能化、绿色化升级，成为工业发展的关键课题。 原因：专项行动的出台，源于现实基础与战略考量的叠加。一是新一轮科技革命和产业变革持续推进，人工智能在算法、算力、数据各上不断突破，为制造业提升全要素生产率提供了新路径。二是我国制造业体系完整、门类齐全，产业链覆盖终端产品、核心零部件、关键材料和装备，为新技术规模化应用提供了广阔场景与承接能力。三是信息基础设施持续完善，5G、工业互联网、算力网络等发展为“数智融合”夯实底座，推动数据要素在生产系统中更顺畅地流动并形成闭环。四是政策导向更聚焦，从底座攻关到重点场景应用、从试点示范到规模推广，形成相对稳定的推进机制，增强企业投入预期与创新动力。 影响：从实践看，人工智能与制造业融合正从单点试验走向体系化推进，带来生产组织方式与价值创造逻辑的变化。其一，研发端加速迭代。通过通用大模型、行业大模型和工业智能体在设计仿真、工艺优化、知识管理等场景落地，企业可缩短研发周期、提高方案质量，实现从经验驱动向数据与模型驱动转变。其二，制造端提质降本。人工智能推动设备状态感知、质量检测、排产调度、能耗管理等环节协同优化，使生产要素配置从静态走向动态，生产系统向自主感知、协同决策、实时演化升级。其三，产业组织形态加快演进。随着规模化应用推进，制造业与生产性服务业融合加深，服务型制造、平台型制造等新模式加快发展，有助于企业提升附加值、改善在国际价值链中的位置。有关数据也反映出这个趋势：工业企业应用大模型及智能体的比例提升，工业机器人产量与应用范围扩大，智能工厂建设提速，制造业对数字技术投入持续增长，显示我国制造业数字化转型、智能化升级正在迈向更广范围、更深层次。 对策：推动“人工智能+制造”走深走实，关键在于打通技术突破、场景落地与生态协同，形成可持续的产业能力。一要强化关键核心技术供给与安全可靠能力。围绕工业软件、工业控制、传感器、边缘计算、工业大模型训练与推理等薄弱环节加快攻关，提升关键环节自主可控与可验证能力，夯实产业底座。二要以场景为牵引推进规模化应用。聚焦高价值、可复制的典型场景，建立“试点—评估—推广”的闭环机制，推动从单个车间智能化向全流程、全链条优化升级。三要推进数据治理与标准体系建设。提升工业数据采集、标注、管理与共享水平，完善接口、协议与评价标准，降低跨系统协同成本，促进不同设备、软件与平台互联互通。四要夯实人才与组织能力。面向一线工艺、运维、质量等岗位开展复合型技能培训，推动企业管理流程与岗位体系适配智能化生产，避免“技术上马、组织不匹配”。五要完善产业生态与金融支持。鼓励龙头企业带动上下游协同创新，培育专业化解决方案服务商，通过多元化金融工具支持中小企业“用得起、用得好”。 前景：到2027年实现关键核心技术安全可靠供给、产业规模和赋能水平保持前列，是阶段性目标，也是推动新型工业化迈向高质量发展的路径指引。可以预期，随着底座能力增强、场景加速沉淀、标准体系完善，人工智能将在高端装备、汽车、电子信息、通用设备等领域带来更多可量化的效率与质量提升，并继续带动绿色低碳改造、供应链韧性增强以及新产品、新业态培育。与此同时，全球竞争也将倒逼我国加快构建开放协同、可控可信的产业生态，在推进应用创新的同时守住安全底线与产业底线。
人工智能与制造业的融合是一场深刻的产业变革，既是机遇也是挑战。我国已具备较为扎实的技术基础、产业基础和政策支撑。展望未来，仍需加强关键核心技术攻关，推动人工智能在更多制造业场景中的创新应用，支持企业开展智能体试点建设，不断提升工业全流程智能化水平。同时，要在人才培养、标准制定、安全保障等同步发力，确保融合沿着健康、可持续的方向推进。只有把技术创新、产业应用与治理能力一起做实，才能实现人工智能与制造业的“双向奔赴”，推动我国制造业迈向更高质量、更高水平的发展阶段，为建设制造强国、科技强国提供有力支撑。