摘要

人工智能正由“叠加式工具”转向通用目的技术（General-PurposeTechnology，GPT）级生产函数重构器，依托“工业互联网+工业大模型”双底座，人工智能与制造业融合进入体系化突破阶段。本文梳理制造业从自动化、数字化迈向智能制造2.0/智造业新形态的范式演进脉络，从技术渗透、数据要素化、决策自主化、组织耦合化四个维度解构人工智能赋能制造业的内在机理；构建“设备-车间-企业-产业链-产业生态”五级分析架构，系统剖析智能质检、预测性维护、柔性排产、生成式研发、工业智能体等典型应用场景；基于2009-2022年地级市面板数据与A股制造业企业微观数据，运用双重机器学习方法开展实证检验，证实人工智能对稳住制造业比重、提升全要素生产率、培育新质生产力存在显著的非线性门槛效应。研究识别当前融合进程中的突出瓶颈：关键使能技术存在“达・芬奇难题”、工业数据适配性不足、中小企业“不敢转、不会转、转不起”、复合型人才供给缺口、算法治理体系缺位。立足“十五五”时期发展阶段，从新型基础设施建设、垂直大模型栈培育、场景化投资引导、人机协同组织再造、分级分类算法治理五个维度提出政策实施路径。研究表明，人工智能赋能制造业并非简单的“机器换人”线性替代，而是依靠数据智能结构性替代规模成本、缓解鲍莫尔病的代际组织跃迁；同时需要构建包容性制度安排，对冲区域发展鸿沟与技能分配鸿沟。

关键词：人工智能；智能制造2.0；工业互联网；工业大模型；新质生产力；制造业比重；数实融合；分级治理

一、引言

我国制造业增加值占GDP比重自2006年达到峰值后逐步回落，学界将该现象背后潜藏的风险概括为“过早去工业化”。与发达国家高收入发展阶段的服务业自然扩张不同，我国工业化进程尚未全面完成就出现制造业比重下滑，对就业吸纳、技术外溢扩散与产业链供应链安全形成潜在冲击。

与此同时，以深度学习、多模态感知、生成式人工智能、强化学习为代表的第三代人工智能快速迭代，叠加5G-A/时间敏感网络（Time-SensitiveNetwork，TSN）、边缘计算、数字孪生、工业互联网平台，推动制造系统由传统“可编程自动化”转向“感知-认知-决策-执行”闭环自主运行模式。2025年8月国务院印发《关于深入实施“人工智能+”行动的意见》（国发〔2025〕11号），将“人工智能+制造”列为重点主攻方向；2025年12月工业和信息化部出台《工业互联网和人工智能融合赋能行动方案》，提出到2028年推动不少于5万家企业实施新型工业网络改造，在20个重点行业建成高质量行业数据集，工业互联网平台普及率提升至55%以上。

现有相关文献呈现“三多三少”特征：技术综述类研究较多，宏观因果计量实证偏少；头部灯塔工厂案例分析较多，面向中小企业的作用机制研究偏少；聚焦技术红利正向效应研究较多，收入分配与算法治理议题探讨偏少。本文边际贡献主要体现在三方面：第一，将智能制造2.0/智造业新形态界定为范式跃迁关键节点，打通技术演进、经济绩效、制度保障三层分析叙事；第二，引入20252026年最新双重机器学习因果证据，同时检验人工智能稳制造业比重、培育新质生产力双重效应；第三，构建“达・芬奇难题-征用焦虑-过度自动化陷阱”三重约束分析框架，并配套提出分级分类治理方案。

二、范式演进：从自动化到“智造业”新形态

2.1三阶段技术跃迁

自动化阶段（工业2.0-工业3.0）：依靠可编程逻辑控制器（ProgrammableLogicController，PLC）、数字控制器（NumericalControl，NC）按照预设固定逻辑完成生产执行，人承担程序编写与现场监护职能，系统不具备自主学习能力。

数字化阶段（工业3.0-工业4.0）：制造执行系统（ManufacturingExecutionSystem，MES）、企业资源计划（EnterpriseResourcePlanning，ERP）、数据采集与监控系统（SupervisoryControlAndDataAcquisition，SCADA）大规模部署，实现生产流程数据记录留存，但核心决策仍由人主导；预测分析技术初步应用，模型输出结果不回写生产控制闭环。

智能融合阶段（智能制造2.0/工业5.0）：以生成式人工智能为内核，工业大模型、智能体（Agent）深度嵌入操作技术（OperationalTechnology，OT）层；系统能够在不确定工况环境下持续迭代训练、改写生产执行参数；人机关系由主从服从转向协同协作，同时将产业韧性、绿色低碳、伦理约束纳入系统目标。

汪红驹、丁少斌（2026）将该阶段概括为“智造业新形态”：数实融合不再局限于信息技术（InformationTechnology，IT）与OT简单叠加，算法演变为准固定资本，数据成为核心可变生产要素，工业智能体发展成为新型经营主体。

2.2智能经济与制造业的“化学反应”

刘诚（2026）指出，实体经济与智能技术深度融合的本质，是利用数据智能对规模成本形成结构性替代，缓解“生产率悖论”与鲍莫尔病。机器自主能力提升之后，服务业非贸易部门人工成本上涨压力不再单向挤压制造业利润空间，制造业可以依托人工智能技术实现产业留存。这一机制解释了人工智能同时具备“稳住制造业比重”与“培育新质生产力”两大宏观功能的内在逻辑。

三、融合机理：四维解构

3.1技术渗透机理

人工智能能力由云端持续向边缘端下沉：卷积神经网络（ConvolutionalNeuralNetwork，CNN）、Transformer模型部署至工业视觉相机；长短期记忆网络（LongShortTermMemory，LSTM）、时间卷积网络（TemporalConvolutionalNetwork，TCN）嵌入PLC软逻辑；近端策略优化（ProximalPolicyOptimization，PPO）强化学习算法植入高级计划排程（AdvancedPlanningandScheduling，APS）系统；小样本迁移学习有效缓解产线换型场景下标注样本稀缺难题。技术渗透突破传统专家规则库的能力天花板，实现非结构化工艺经验知识的可计算化表达。

3.2数据要素化机理

工业互联网汇聚“人-机-料-法-环-测”六类异构现场数据，经过人工智能训练加工，生产现场数据由生产副产物转化为可复用的生产资料。工信部提出在20个重点行业建设高质量数据集，本质上是推进工业数据资产确权、打通数据流通的前置基础工程。

3.3决策自主化机理

描述性分析、诊断性分析、预测性分析、规范性分析四层分析能力向上收敛：视觉质检自动拦截缺陷产品，设备剩余使用寿命（RemainingUsefulLife，RUL）预警触发备件调度，能耗曲线自主寻优。部分生产决策权让渡给智能系统，管理层级压缩；观察-判断-决策-行动循环（Observe-Orient-Decide-Act，OODA）由小时级压缩至毫秒级。

3.4组织耦合化机理

制造组织形态由传统“科层制+流水线”向“物理实体×智能算法”耦合组织演化。工艺工程师工作重心转向模型标注、效果验证；IT、OT、质量管控、供应链等部门组建“制造智能部”；企业绩效考核指标新增“模型迭代频次”“模型自动采纳率”等内容。组织模式重构是全要素生产率跃迁的隐性载体。

四、场景重构：五级架构与高价值落点

4.1五级融合架构

人工智能与制造业五级融合架构

层级	对象	AI注入内容	典型指标
设备层	机床/机器人/传感器	异常检测、边缘推理、热误差补偿	设备综合效率（OverallEquipmentEffectiveness，OEE）、平均无故障工作时间（MeanTimeBetweenFailure，MTBF）
车间层	产线/工段	视觉质检、动态排产、自动导引车（AutomatedGuidedVehicle，AGV）调度	生产节拍、一次良品率
企业层	MES/ERP/SCM	需求预测、库存优化、工艺生成	订单准交率、现金周转周期
产业链层	上下游企业/平台	产能共享、碳足迹追踪、智能体议价	协同交易成本、断供恢复时长
生态层	产业集群/工业园区	模型池、数据信托、公共算力券	中小企业上云用云率

4.2六大高价值场景

智能质检：在3C、锂电、汽车零部件行业实现漏检率低于0.1%，可替代约70%人工目检工位。

预测性维护：融合振动、电流、声学多模态信号，实现设备故障提前730天预警；电梯工厂案例显示设备停机时间下降30%。

柔性排产：基于强化学习的APS系统在订单波动±40%条件下实现自主重排；某白电企业旺季产品交付周期缩短22%。

生成式研发：计算机辅助设计（Computer-AidedDesign，CAD）结合拓扑生成技术，船舶、高铁装备研发周期平均缩短28.4%。

工业智能体：工业大模型拆解感知-认知-决策-执行基础原语，调用SCADA、MES系统接口；2025年工业企业大模型及智能体应用率由9.6%提升至47.5%。

绿色闭环优化：人工智能对焙烧、注塑等工艺曲线寻优，单位产值能耗下降8%15%。

五、经济效应：宏观稳比重与微观新质生产力

5.1宏观：人工智能缓解过早去工业化风险

基于2009-2021年地级市面板数据实证结果显示，人工智能专利存量每提升1个标准差，制造业就业比重下行斜率放缓0.3-0.5个百分点。作用渠道包含技术渗透、资本流入、协同成本下降三条路径。双重门槛检验表明，地区人均GDP跨过6万元、8万元两个阈值后，人工智能赋能的边际效应递增；行政等级较高、数字信息基建完善的城市获得更强赋能效果。说明人工智能红利并非自动普惠，数字基础设施是重要前置条件。

5.2微观：新质生产力提升的因果证据

以国家人工智能创新应用先导区作为准自然实验，基于2013-2022年A股制造业企业样本开展双重机器学习，政策冲击推动企业新质生产力指数提升12.7%。内部传导路径体现为数字创新能力、数据利用能力提升；外部路径体现为政府补助、资本市场分析师关注。数据资产积累较厚、高技术行业、东部地区企业弹性更大。另有文献以国家智能制造示范项目为准实验得到一致结论：优化人力资本结构、降低信息成本、缓解融资约束发挥中介作用。

5.3效率红利与分配张力

《中国智能制造发展报告》测算，应用人工智能的制造企业平均生产效率提升30%，不良率下降25%-40%。劳动收入份额呈现U型变化特征：转型初期普工岗位替代压低劳动收入占比，中期高技能人才补位带动份额回升。如果劳动者再培训体系缺位，容易固化“沿海高技能—内陆低技能”的区域技能鸿沟。

六、现实约束：三重难题与四类断层

6.1关键使能技术“达・芬奇难题”

工业大模型存在幻觉问题；边缘端人工智能芯片耐温抗振工业环境适应性不足；工业OT协议标准繁杂；电气/电子/可编程电子安全相关系统功能安全国际标准（IEC61508）认证落地困难。单项技术可以完成演示验证，整套系统难以规模化量产落地。

6.2数据适用性与技术适配性错配

工厂现场约80%生产数据处于非结构化状态；通用大模型不理解加工公差、工艺约束；老旧PLC硬件不支持边缘推理部署；装备、原材料、消费电子等行业工艺差异巨大，缺少可复制推广的标准化范式。

6.3中小企业“三不困境”与过度自动化陷阱

中小企业普遍存在“不敢转（担忧改造引发停产风险）、不会转（复合型人才缺失）、转不起（投资回报周期大于3年）”现实困境。部分龙头企业陷入过度自动化误区：重硬件采购，轻视模型迭代，生产数据无法回流闭环，项目投资回报不及预期。

6.4复合人才缺口与算法治理真空

既精通制造工艺，又掌握人工智能框架（PyTorch等）的复合型工程师供给不足。人工智能幻觉可能造成质检失效、物料清单（BillofMaterials，BOM）泄露、排产将生产压力转嫁上游供应商等现实风险，尚未建立分级分类的算法治理制度框架。

七、“十五五”融合路径：五维政策包

7.1适度超前布局新型基础设施

统筹推进5G-A、TSN、边缘智算、工业光总线建设；落实2028年前完成5万家企业新型工业网络改造，平台普及率达到55%，工业设备连接规模1.2亿台套目标；推行公共算力券、模型券，降低中小企业智能化转型门槛。

7.2建设垂直大模型栈与行业模型池

构建“千亿参数通用基础大模型→行业LoRA微调→设备端小模型蒸馏”三级技术栈；依托工业互联网平台搭建模型池与工业智能体市场；针对20个重点行业高质量数据集，采用政府购买数据清洗服务、企业脱敏贡献原始数据的模式共建行业数据集。

7.3推行场景化有效投资

引导中小企业优先从智能视觉质检、预测性维护等投资回报周期小于12个月的单点场景切入；支持大型企业建设数字孪生+工业智能体中枢；政府以“AI诊断券”替代传统硬件直接补贴，发挥龙头企业链式赋能实现“大带小”。

7.4人机协同组织重构

推动企业设立“制造智能部”统筹IT、OT、工艺业务；绩效考核增加模型自动采纳率等指标；职业教育增设工业人工智能应用相关工种，高校推行校企双导师培养模式，补齐复合型人才短板。

7.5实施分级分类治理

按照生产安全关键度划分三级管理：非关键场景（如辅助质检）实行备案制；关键场景（焊接、制药生产）强制要求算法可解释性与功能安全认证；极高风险关键场景（核电装备、航空发动机制造）执行“人机双签确认”制度。建立算法影响评估（AlgorithmImpactAssessment，AIA）、工业数据分类分级、对抗样本红队测试机制。

八、结论与展望

“十五五”时期，人工智能与制造业深度融合将由培育壮大阶段迈向支柱引领阶段。技术层面实现云-边-端协同与工业智能体规模化落地；经济层面发挥稳住制造业比重、培育新质生产力双重价值；制度层面依靠分级分类治理守住安全底线，兼顾发展包容性。理论层面，生产函数发生重构：数据成为可变要素，算法成为准固定资本，工业智能体成为新型生产经营主体。政策层面不能简单为人工智能而人工智能，应当围绕场景投资回报、数据产权制度、技能再分配三位一体设计政策工具。

后续可拓展研究方向：第一，安全关键工业系统下工业大模型认证理论体系；第二，工业智能体与工匠隐性知识之间的博弈均衡；第三，人工智能赋能制造业的共同富裕分配效应。只有实现技术闭环迭代、明晰数据产权、强化组织学习、完善包容性政策协同发力，才能做到以智稳制、以智强制，规避智能工厂孤岛化，防范中小企业被边缘化风险。