當人工智慧浪潮席捲全球，製造業正成為新的競爭高地。2026年全國兩會，“打造智能經濟新形態”首次寫入政府工作報告，成為未來人工智慧應用落地的重要方向。
  
記者近日在製造大省浙江多地採訪瞭解到，人工智慧正從實驗室走向生產線，深度嵌入研發設計、生產製造和企業管理等環節，推動傳統製造業發生深刻變化。
  
人工智慧與製造業的“雙向奔赴”，正在加速到來。
  
人工智慧加速製造業深刻重塑
  
來到浙江多家企業的車間，記者看到，當前人工智慧與製造業的融合，正從單點試點走向全流程滲透，重構研發、生產、運營、服務等關鍵環節的價值創造邏輯，實現效率提升、成本降低、品質優化、場景拓展等多重目標。
  
——推動生產模式發生根本性變革。走進杭州中策橡膠高性能子午胎智能工廠，幾十輛自動導向車（AGV）沿著既定路線精准穿梭，機械臂以微米級精度完成輪胎硫化工藝。中策橡膠集團朝陽公司總經理蔣志強表示，AI化車間能夠以平均每3.1秒的速度下線一條輪胎，並且不間斷地運轉，生產效率提升300%，產品不良率降低至0.5%。
  
——實現資源配置的優化升級。“過去，生產流程不透明、庫存混亂、設備管理粗放等問題曾長期困擾製造業。”依託自研的全制程數據化管理平臺，浙江銳鷹傳感技術有限公司在物料採購、庫存管理和物流配送等環節的回應速度提升了50%以上。銳鷹IT部門負責人施小虎表示，利用AI技術賦能業務鏈條，可加速構建一個業務流程透明、生產過程可控、經營結果可測的現代化管理體系。
  
——重構消費與生產的鏈接方式。如今，越來越多的企業通過AI演算法分析用戶行為數據，推出個性化定制產品，如服裝行業的智能量體定制、家電行業的場景化功能配置。位於浙江嘉興的麒盛科技股份有限公司，研發構建了睡眠干預演算法模型，並以生產的智能床產品作為早篩載體，為消費者提供睡眠品質監測。該公司董事長唐國海表示，AI技術的賦能，正推動製造業企業從產品提供商向方案解決商轉變。
  
不同類型工廠裏的生產圖景，清晰指向同一趨勢：人工智慧正從單個車間的技術應用，演變為影響整個製造體系運行方式的重要力量。
  
國際數據公司（IDC）報告顯示，中國工業企業的智能體滲透率已經從2024年的9.6%提高到2025年的47.5%。站在歷史拐點，工信部明確提出目標：到2027年推廣500個“AI+製造”典型應用場景，也標誌著中國製造業AI應用正從“單點試點”邁向“全行業普惠”的關鍵跨越。
  
AI入廠“最後一公里”難題待解
  
儘管人工智慧與製造業的深度融合正快速進入應用部署階段，但受訪的企業家和相關領域專家也表示，從熱潮到落地，仍有模型安全、數據壁壘、應用成本、人才供給等“最後一公里”關鍵痛點需要突破。
  
銳鷹科技開發部經理尤煥傑說，當前，有些企業存在“AI焦慮”，將AI視為能夠解決工業問題的“萬能靈藥”，“現有的大模型在語義理解和統計關聯上表現出色，但在物理規則理解和空間推理等方面仍存在局限，而工業領域生產鏈條長，涉及的數據和知識複雜，AI有可能產生指令性錯誤，對生產環節造成不可挽回的系統性風險。”
  
另外，AI的匹配度也存在挑戰。福瑞泰克（浙江）智能系統股份有限公司總監陳昱說，企業就遇到在實驗室環境中訓練好的模型，部署到真實、多變的工業場景之後，其性能下降了的情況。這是因為現實數據與訓練數據存在差異，這種對特定物理場景的依賴性，導致AI解決方案和製造業流程的匹配度有待完善。
  
“數據壁壘”和算力成本影響AI在製造業的部署優化。杭州熾橙數字科技有限公司董事長紀堯華坦言，當前製造商難以規模化應用AI的原因在於其數據基礎仍然薄弱。製造企業的生產數據多涉及核心機密與知識產權，跨企業、甚至企業內部不同分公司間的數據共用都存在壁壘。沒有高質量數據的獲取，就制約了工業AI模型的進一步開發，AI應用也難以得到全局性的優化。
  
算力成本同樣制約AI技術在製造業的大規模應用。不少受訪企業負責人表示，難以承受高昂的算力成本。“我們測算過，如果自建算力伺服器，光顯卡成本就要1200萬元，現在我們只能選擇使用公有雲服務，但又會產生數據安全和網路延遲等新問題。”施小虎說。
  
值得關注的是，AI複合型人才短缺制約融合發展步伐。受訪人士表示，中國智能製造人才供給仍存在缺口，高端複合型研發人才短缺，一線技能人才智能化適配度不足，制約了融合發展進程。麒盛科技股份有限公司副總經理曹輝表示，從企業招引情況來看，有的高學歷者欠缺工作經驗，在設備操作、需求轉化等方面存在明顯不足；一些懂製造業的技能人才又不太懂AI，難以將業務需求轉化為AI應用場景。
  
加速構建“人工智慧+製造”供給體系
  
日前，工業和資訊化部、中央網信辦、國家發展改革委等8部門印發《“人工智慧+製造”專項行動實施意見》，以加快推進人工智慧技術在製造業融合應用。
  
走訪過程中，多位受訪對象表示人工智慧賦能製造業已非選擇題，而是必答題，應在戰略規劃、生態構建、人才培養和治理體系等方面進行系統變革，破解融合堵點，繼續保持人工智慧賦能製造業的全球領先優勢。
  
一方面，政府層面要抓試點、打樣板、促推廣，打造一流的政策支持環境。天能控股集團董事長張天任表示，必須從國家戰略層面系統謀劃，出臺專項政策，支持建設產業集群級人工智慧賦能平臺，降低技術應用成本，破解中小企業數位化困境，加速人工智慧在產業集群中的普及滲透和深度賦能。
  
紀堯華等人建議，政府和行業協會應搭建公共服務平臺，提供算力、數據、演算法等基礎資源，降低創新門檻。比如圍繞製造業數據平臺、垂類模型和行業共用知識庫，共同打造行業級“智能體大腦”，共建行業數據標準，推動數據資源高質量供給，為“人工智慧+製造”提供核心數據支撐。
  
另一方面，要加強對AI複合型人才的培養。曹輝建議，要立足產業實際需求，打破高校、科研院所與企業間的壁壘，深化產教融合、科教融匯，優化人才培養方案，增設人工智慧與製造業融合相關課程模組，精准培育既通曉製造業生產流程、又掌握人工智慧技術的複合型人才，實現人才培養與產業需求同頻對接。
  
傳化集團董事長徐冠巨說，建設“人工智慧+製造”複合型人才培養與認證體系，重點培育懂產業、懂AI的“產業AI架構師”。制定人工智慧時代複合型人才能力認定標準，明確“產業AI架構師”的培養方向與評價依據，開展全鏈條人才培養，加速複合型人才規模化供給。

來源：經濟參考報