面向新一轮科技革命和产业变革，制造业是实体经济的根基，也是人工智能技术落地见效的主战场。
工业和信息化部等八部门近日印发《“人工智能+制造”专项行动实施意见》，围绕关键核心技术突破、数据资源建设、应用场景落地、产业生态培育与安全治理能力提升作出系统部署，提出到2027年我国人工智能关键核心技术要实现安全可靠供给，产业规模与赋能水平稳居世界前列。
问题：从“能用”到“好用、敢用”，制造业智能化仍存堵点。
近年来，人工智能与制造业融合不断加速，质检、工艺优化、设备运维、供应链管理等环节应用面持续扩大，但在一些关键领域仍面临“技术供给不稳、数据质量不高、场景碎片化、投入产出难评估、安全合规压力增大”等现实挑战。
一方面，部分核心算法、算力平台、工业软件与关键部件需要更高水平的自主可控与工程化能力；另一方面，工业现场数据来源多样、标准不一、治理成本高，限制了模型训练与规模化复制。
与此同时，数据安全、知识产权、合规管理等风险也对产业协作提出更高要求。
原因：技术迭代快与产业体系复杂叠加，供给侧与需求侧需同步升级。
制造业链条长、工序复杂、设备异构，应用往往需要跨系统集成与长期运行验证，难以用单一产品“即插即用”。
同时，大模型等新技术带来能力跃迁，但在工业领域要真正产生生产力，必须建立高质量行业数据、明确工艺机理与业务指标，并实现与工业控制、生产执行、供应链系统的有机衔接。
技术侧“可用”不等同于产业侧“可规模复制”，这也是政策强调“高质量数据集”“典型场景”“标杆企业”与“生态主导型企业”的重要逻辑。
影响：专项行动将推动制造业效率变革与产业链韧性提升。
一旦关键核心技术实现更高水平的安全可靠供给，叠加工业高质量数据集和典型场景推广，将有望加快从研发设计、生产制造到运维服务的全流程智能化，推动企业降本增效、缩短交付周期、提升良品率与能源利用效率。
同时，面向复杂多变的外部环境，智能化手段有利于提升供应链可视化与预测能力，增强产业链安全与韧性。
对区域发展而言，人工智能企业集聚度较高的地区将进一步形成“技术研发—场景验证—产业化落地”的正向循环，带动更多上下游中小企业融入生态。
对策：以“技术—数据—场景—生态—治理”一体推进，形成可落地的路线图。
根据实施意见，面向目标任务将重点发力多项工程化举措：其一，推动3至5个通用大模型在制造业深度应用，形成具有行业特点的特色大模型，强化对典型工序、复杂装备与工业知识的适配能力；其二，打造100个工业高质量数据集，为模型训练、评测与迭代提供标准化、可复用的数据基础；其三，推广500个典型应用场景，突出可衡量、可复制、可推广的示范效应；其四，培育2至3家具有全球影响力的生态主导型企业，带动专精特新中小企业成长，培育赋能应用服务商，选树1000家标杆企业，以“龙头带动、链式协同”方式推动规模化应用；其五，建设全球领先的开源开放生态，全面提升安全治理能力，推动形成可持续的技术迭代和产业协作机制。
值得关注的是，产业发展热度与企业数量增长并不等同于高质量发展。
相关工商信息数据显示，截至目前我国人工智能相关企业存续超过500万家，近五年来注册数量总体呈逐年增长态势，2025年新增注册企业超过120万家。
区域分布上，广东人工智能相关企业数量居全国首位，约占全国总量的六分之一；北京、江苏、山东、浙江等地紧随其后。
企业数量迅速增长，折射出市场主体活跃与创新创业氛围浓厚，也意味着行业竞争加剧、优胜劣汰提速。
面对高技术门槛和数据安全、合规等风险，产业合作需要更加重视尽职调查与风险识别，完善合同边界、数据管理和安全审查机制，避免“重速度、轻治理”带来隐患。
前景：在政策牵引与市场需求共振下，“人工智能+制造”有望进入规模化深耕阶段。
随着高质量数据集建设推进、行业模型持续迭代、典型场景加快复制，以及安全治理体系不断完善，制造业智能化将从单点试验走向系统集成，从局部提效走向全链条优化。
下一阶段的关键在于：能否持续突破关键核心技术、形成可度量的价值闭环；能否建立统一的数据标准与评测体系，提升跨企业、跨行业的可迁移能力；能否通过开放协同构建可持续生态，让更多中小企业“用得起、用得好、用得安全”。
人工智能已成为推动产业变革和经济发展的关键力量。
我国明确提出到2027年实现人工智能关键核心技术自主可靠供给的目标，标志着我国在这一战略性新兴产业中的发展定位更加清晰、路径更加明确。
从500多万家企业的蓬勃生长，到专项行动的系统部署，再到开源生态的全球构建，我国正以更加主动的姿态，在人工智能浪潮中把握机遇、应对挑战，努力实现从跟跑到并跑再到领跑的转变。