当前，人工智能加速与实体经济融合，制造业生产组织、研发模式与经营管理方式正在发生结构性变化。
在全球产业链重构与新一轮科技革命叠加的背景下，如何把技术优势转化为产业竞争力，成为制造业转型升级的关键课题。
工业和信息化部等8部门发布《“人工智能+制造”专项行动实施意见》，以政策“施工图”形式提出目标、任务和路径，为人工智能在制造领域的规模化应用提供制度牵引。
问题：从“能用”走向“好用、敢用、用得起” 在不少行业和企业层面，人工智能应用仍面临“三重门槛”。
一是应用碎片化，部分企业停留在局部环节“点状改造”，难以覆盖研发设计、中试验证、生产制造、营销服务和运营管理的全流程。
二是基础薄弱，数据分散、标准不一，算力与工程化能力不足，导致模型训练与部署成本高、周期长。
三是安全与可靠性要求更高，制造业对稳定运行、质量控制和安全生产高度敏感，算法可靠、数据合规、系统安全成为“必须项”。
原因：制造业数字化积累与智能化需求进入加速期 制造业具备流程复杂、场景多样、装备密集等特点，既产生海量数据，也对实时决策提出更高要求。
随着工业互联网、传感器与边缘计算普及，企业数据采集与在线监测能力提升，为模型训练与工业智能体落地提供了基础。
同时，外部竞争加剧倒逼企业提升效率、降低能耗、稳定质量、缩短交付周期。
政策层面强调“技术供给”和“赋能应用”两端发力，正是基于产业升级的现实需要：一端推动智能产业化，提高关键技术供给能力；一端推动产业智能化，把人工智能嵌入制造全链条，形成可复制、可推广的应用范式。
影响：以目标牵引推动产业从试点示范迈向规模化落地 实施意见提出，到2027年实现人工智能关键核心技术安全可靠供给，产业规模和赋能水平保持世界前列，释放出明确的时间表与路线图。
在应用侧，提出推动3—5个通用大模型在制造业深度应用，推出1000个高水平工业智能体，打造100个工业领域高质量数据集，推广500个典型应用场景，并选树1000家标杆企业。
这些量化指标有利于形成“模型—数据—场景—企业”协同推进的工作闭环，推动制造业从单点技术引入转向系统性能力建设。
在企业实践中，人工智能对提质增效的作用开始具象化。
以纺织等对温湿度控制要求较高的车间为例，传统设备依靠人工调控、精度有限且故障难以提前预判。
山东金信空调集团通过在风机加装传感器、利用工业大模型进行数据训练与优化，实现风量参数随工况自动调整，车间温湿度控制更精准，设备检修周期显著缩短。
这类案例表明，人工智能不仅能改善单台设备性能，更能向工艺优化、能耗管理与运维体系延伸，推动生产方式从“经验驱动”转向“数据与模型驱动”。
从行业维度看，矿山勘探、冶炼加工等流程型制造对智能调控需求迫切。
有色金属行业发布大模型并探索嵌入全链条应用，反映出重点行业正在从“试点尝鲜”迈向“体系化改造”，有望带动上游资源开发、中游加工制造、下游质量与物流等环节的协同优化。
对策：以“指南+场景+生态”降低门槛、扩大覆盖 为解决企业“不会用、用不好”的现实痛点，相关部门配套发布《制造业企业人工智能应用指南》，从评估与规划、基础能力提升、高质量数据集构建、算力资源布局、模型选型与调优、部署集成以及安全防护等方面给出操作路径，突出可落地、可执行，推动企业少走弯路。
同时，意见强调培育生态主力军。
一方面鼓励龙头企业、央企国企先行先试，提供规模化场景并研发工业智能体，探索新型生产与服务模式；另一方面，推进中小企业数字化赋能，支持其开展智能化改造并加快应用复制推广。
为降低中小企业成本，意见提出鼓励地方探索“算力券”“模型券”等支持方式，强化公共服务供给，形成“公共平台+行业服务商+中小企业”协作模式，推动能力普惠化。
在安全治理方面，意见提出提升安全治理能力、构建开源开放生态并贡献中国方案，释放出“发展与安全并重”的政策导向。
对制造业而言，安全不仅是网络与数据安全，还包括模型可控、系统稳定、运行可追溯以及对关键生产环节的可靠保障。
前景：从政策牵引走向竞争优势，制造业将迎来新一轮“智能跃迁” 可以预期，随着通用大模型与行业数据、工业机理深度结合，制造业应用将从质量检测、设备运维等“高收益、易落地”环节，逐步扩展到研发设计、工艺优化、供应链协同和全生命周期服务。
未来竞争焦点将集中在三方面：一是高质量工业数据与标准体系建设能力，决定模型效果与可复用性；二是工业智能体工程化与规模化部署能力，决定从试点到推广的速度；三是安全可靠与合规治理能力，决定“敢不敢用、能不能长期用”。
在政策目标牵引与产业实践迭代下，制造业有望形成一批可复制的行业方案，带动产业链上下游协同升级。
人工智能与制造业的深度融合不仅是技术革命，更是产业生态的重构。
此次专项行动的推出，标志着我国在抢占未来制造业高地方面迈出关键一步。
如何平衡技术创新与安全治理、推动大中小企业协同发展，将成为下一步的重要课题。