智能制造：概念演化、体系解构与高质量发展

智能制造承载着新一轮工业革命的核心技术，是智能时代各国科技竞争的核心场域。作为制造强国建设的主攻方向和推进新型工业化的重要着力点，智能制造关乎我国制造业发展的全球地位和制造业高质量发展水平。推动制造业向智能制造高阶水平迈进是我国发挥海量数据和丰富应用场景优势、实现制造业由大到强的必由之路，智能制造高质量发展是重塑中国制造新优势、强壮中国制造业筋骨的题中之义。近年来，美国通过技术封锁以及“回岸制造”“近岸制造”等方式对“中国制造”进行立体化阻遏，我国制造业在多重打压中进行供应链重构和技术突围。作为新一轮工业革命的动力引擎，智能制造正在驱动制造业发展理念、制造模式、底层机理发生重大而深刻的变革，通过重塑制造业的生产要素、核心技术体系、生产组织模式及价值链，推动以标准化批量复制为导向的工业经济向以大规模个性化定制为特征的数字经济转变，在更高维度、更深层次上赋能制造业高质量发展。

然而，我国智能制造仍面临一系列深层次问题，应用潜力巨大但关键核心技术面临“卡脖子”难题，智能工厂走深向实但仍存在信息孤岛，工业互联网已迈出实质性步伐但根基不稳，智能技术为传统制造“按下加速键”但制造企业仍普遍面临数字化转型难题。立足新时代，从战略高度和理论视角思考智能制造产业发展路径具有重要的时代价值和现实意义。同时，智能制造的内涵和边界在理论和统计意义上均较为模糊，学者们对智能制造的相关研究多集中于单一技术领域或较为泛化的方向性思考，而缺乏对智能制造系统的理论解构及在此之上的技术范式分析，这阻碍了相关研究的推进和有关政策建议的提出。本文力图在厘清智能制造理论内涵并廓清其边界的基础上，对智能制造体系进行多维解构；针对智能制造发展的现实基础和既存问题，提出智能制造高质量发展思路，推动我国制造业向“微笑曲线”两端延伸，破除价值链“低端锁定”陷阱[1]。

一、智能制造概念演化与内涵界定

智能制造是新一轮工业革命的增长引擎，其理论内涵具有多维复杂性。它突破了技术创新的范畴，代表着制造范式的深层次变革。一方面，智能技术从“辅助和支持”角色演变为“部分取代”[2]，现在已然成为制造系统的“关键和核心”。智能技术与实时制造数据、业务运营充分结合，使得构建动态数据系统和推动工业软件应用成为可能。另一方面，智能制造已经成为制造业转型升级的战略方向，正在打破传统意义上的产业边界[3]，工业机器人使用密度和智能制造能力成熟度等智能化指标越来越多地被用于衡量企业竞争力和发展质量。

（一）智能制造概念溯源与内涵演化

20世纪80年代以来，根据制造车间自动化的范围和程度以及各种功能生产区域的集成程度，不同术语被用来描述自动化制造，经历了从柔性制造单元和柔性制造系统到计算机集成制造再到智能制造的演变[4]。智能制造由计算机辅助生产和计算机集成制造发展而来，早期更强调自动化和灵活制造。1988年美国学者赖特和伯恩正式出版专著《制造智能》（Manufacturing Intelligence）[5]一书，认为“智能制造”（Intelligent Manufacturing，简称IM）通过集成知识工程、制造软件系统、机器视觉和机器控制，对制造技术人员的技能和专家知识进行建模，使智能机器在没有人工干预的情况下实现小批量生产。2013年德国工业4.0白皮书及后续相关文章较多使用“Smart Manufacturing”来表述先进制造模式，多数情况下也被翻译为“智能制造”。通过还原德国工业4.0白皮书语境可以发现，“Smart Manufacturing”不等同于美国概念中的“智能制造”，可翻译为“灵智制造”。具有德国特色的灵智制造体系是其“工业4.0”战略的核心内容，该体系依托智能技术，融合虚拟网络与实体的信息—物理系统，降低综合制造成本，联结资源、人员和信息，提供一种从制造端到用户端的生产组织模式。德国更强调生产系统的灵巧性、经济性和高效性，通过嵌入式软件和智能装备实现制造系统的自动化、敏捷化、灵巧化和绿色化。作为国家制造创新网络的一部分，美国能源部在2014年12月牵头组织建设第八个创新研究院，即“智能制造创新研究院”，并为智能制造下了一个崭新的定义：智能制造是先进传感、仪器、监测、控制和过程优化的技术和实践的组合，它们将信息和通信技术与制造环境融合在一起，实现工厂和企业中能量、生产率和成本的实时管理。综上可知，美国和德国政府对“智能制造”的界定都突出了智能技术与成本控制的平衡，但与德国“灵智制造”相比，美国界定的“智能制造”则更强调生产系统的数据采集、处理和分析能力，以及保障系统自主学习、自主决策和优化提升的无人化技术和智慧底座。中国工业和信息化部2016年发布的《智能制造发展规划（2016—2020年）》将智能制造定义为“基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式”，该定义较为强调智能技术的应用。

随着制造数字化、智能化的不断发展，学者们纷纷对“智能制造”进行研究，并分别从技术基础、制造范式和系统集成等角度展开。从技术基础来看，在新一代信息技术作用下，智能制造实现了物理空间与虚拟空间的动态交互。Li等强调智能制造是将新型信息通信技术、智能科学技术、大型制造技术（包括设计、生产、管理、测试、集成）、系统工程技术、相关产品技术与产品开发的整个系统和生命周期相结合的技术手段[2]。从制造范式来看，智能制造重新定义制造体系，重构制造新范式，由单一使用智能制造设备向全产业生产流程智能化转变，培育经济增长新动能。具体来看，智能制造由横向和纵向的数据价值链组成[6]，横向链条侧重于产业链的信息整合，优化企业之间的研发、采购、制造和服务流程[7]，垂直链条侧重于企业内部从设备到云的集成，显著提高制造数据利用率和产品现场交付效率[8]。在智能制造时代，数据成为关键生产要素和使能因素并全面渗透至制造企业生产过程[9，10]，从投入和产出两端改写生产函数，调动制造企业“人—机—料—法—环—测”六大关键生产因素，满足全产业链、全价值链的要求，助推制造产业体系逐步发生多维度、多层次的巨大变革[11]。从系统集成来看，智能制造是以最佳方式集成人、物理系统和网络，实时响应制造领域复杂多样的情况[12]，通过完全集成和相互协作实现设定目标的复合系统[13，14]。作为智能制造基础技术，物联网将制造业的物理资产与网络空间进行整合，以形成网络物理系统[4]。进一步地，制造过程系统与机器智能以不同程度结合，分别形成人工智能支持的制造系统、人工智能集成的制造系统和完全智能的制造系统[15]，实现从人—物二元系统（HPS）到新一代人—网络—物理三级系统（HCPS）的转变，从底层揭示新一代智能制造的技术机理，能够有效指导新一代智能制造的理论研究和工程实践[13]。

（二）智能制造概念再界定及其特征分析

学术界、各国政府和相关机构从不同方面对智能制造进行了定义，为本文探讨智能制造高质量发展奠定了研究基础。本文认为，进入智能化时代，智能制造不仅仅蕴含技术跃迁带来的效率革命，更是代表了生产制造领域人工智能对人的智能替代所带来的深远的范式变革，从而孕育着新的工业文明，与人类历史上历次工业革命中主要以机器替代体力劳动为主要目标的机械化、自动化制造革命具有本质差异。基于此，本文将智能制造定义为依靠先进ICT技术与制造过程的深度融合，通过对制造业生产要素、技术体系、工艺流程和管理模式的底层重构，形成人机智能交互、价值链和生产链全流程数据实时监测和自适应控制乃至自主学习、自主决策、自主执行的新型制造模式和生产组织方式。具体来看，智能制造是基于工业软件和智能制造装备的“软”“硬”两条腿走路的新型制造模式，通过高度集成的人机智能系统，实现制造过程自主感知、智能互联、智能学习分析和智能决策。动态效率提升是智能制造的直接目标，盲目采用先进而当前无用或不易驾驭的技术很可能使“智能制造”徒有其表而效率更低。也就是说，在静态时点上，智能制造不应该简单化为技术高端化、智能化以及系统的少人化、无人化，机器的智能化程度与生产效率之间应该是一个寻求系统最优的动态均衡过程。

概括而言，智能制造具有以下显著特征：其一，智能制造以智能工厂为载体。智能制造以制造为本，智能是实现制造的手段。智能工厂作为智能制造的载体，是构建高效、节能、绿色、环保、舒适的人机协同系统的主要组织单元。其二，智能制造以生产制造关键环节和主要流程的智能化为核心。生产制造关键环节包含产品、装备、生产过程、管理、服务等内容，主要流程涉及从原材料采购到最终产品交付的全过程，各环节和各流程的智能化协同推进、相互融合，保障整体生产过程的高效和智能运作。其三，智能制造以工业互联网为关键支撑。工业互联网将传统制造业与先进的信息技术相结合，实现生产过程的数字化、智能化和高度协同化，是智能制造实现社会化协同的主要通路。经由工业互联网，设备和工厂都成为广义智能制造系统中的不同层级数据节点。其四，智能制造以端到端数据流为基础。数据实时流通共享和集成转换是实现智能制造的重要条件，是制造过程智能化发展的具体体现。智能制造伴随着数据孪生过程，通过工业互联网和大数据分析系统，工业互联网平台可以进行深度的数据挖掘和加工，以更好地服务于智能制造系统中的各个生产单元。

二、智能制造体系及其多维解构

智能制造作为新型生产方式，改变了生产要素的投入结构和组合方式，将制造自动化的概念扩展到了柔性化、智能化和集成化的方向。为明确智能制造的标准化对象和范围，《国家智能制造标准体系建设指南（2021版）》从生命周期、系统层级和智能特征三个维度对智能制造体系架构进行划分。本文认为，基于不同情境和分析目的，智能制造系统有狭义与广义之分，狭义的智能制造系统是指以智能车间或智能工厂为载体的制造体系，而广义的智能制造系统则涵盖智能工厂及其支撑和服务体系。从构成来看，可以从三个维度来理解智能制造系统：技术维度、空间载体维度和产业链维度。从技术维度来看，智能制造技术体系分为基础共性技术和标准（数据标准、集成电路、移动通信等）、智能装备技术、工业软件技术和工业互联网技术（物联网、大数据、云计算、区块链、人工智能等）；从空间载体来看，智能制造系统可以分为设备层、车间层、工厂层、企业层、网络协同层；从产业链体系来看，智能制造产业体系涵盖上游的智能制造装备、工业软件和智能制造系统解决方案、中游的智能工厂（行业应用）和下游的智能制造服务（智慧物流及仓储等）。

（一）技术体系

技术体系是指在一个特定领域内的一系列相关技术的组合和体系结构，而智能制造是利用先进智能技术实现生产过程的智能化、高效化和灵活化的制造方式，作为一个大系统和大概念，其基础支撑不是关于任何一种技术，而是多个技术的有机组合和集成。在智能制造出现之前，数字制造、虚拟制造、先进制造和可持续制造等现有制造技术已经与ICT融合，智能制造相关技术亦被单独开发或与其他技术结合开发，缺乏对智能制造技术体系的系统化概括。基于此，本文从系统层面厘清智能制造的技术体系构成，确保技术要素均在不同程度上贡献于整个智能制造系统的智能化和效能提升。

智能制造技术体系可以进一步分解为基础共性技术与标准、智能装备技术、工业软件技术和工业互联网技术。基础共性技术是指在多个领域发挥支撑作用，着力解决应用开发过程中的通用性、基础性问题的技术，具有可扩展性和互操作性的特征。《国家智能制造标准体系建设指南（2021版）》指出共性技术标准包括通用、安全、可靠性、检测、评价和人员能力六类，是关键技术和行业应用技术的底层支撑。智能装备技术是先进信息技术、传感技术、控制技术和自主决策算法在装备产品上的高度集成和创新融合，具有自主感知、协同决策和智能执行的技术特征。工业技术软件化是一种充分利用软件技术，实现工业技术/知识的持续积累、系统转化、集智应用、泛在部署的培育和发展过程。而工业软件技术是在制造和生产领域中应用软件解决方案以支持、优化智能化生产和管理活动的技术。工业互联网技术是一种在工业制造领域中应用于实现设备、系统和人员之间高度联结和信息共享的技术范畴，主要利用物联网、大数据分析、云计算、边缘计算、人工智能等智能技术，以实现设备、系统和人员之间的高度联结、数据共享和智能化决策。

（二）空间载体体系

“载体”是一种能够携带、传递或支持某种形式的事物的媒介、介质或实体，智能制造的载体扮演着连接物理世界和信息世界的角色，在智能制造中充当着实际的生产工具或平台。从载体来看，智能制造可以分为设备层、车间层、工厂层、企业层和网络协同层，每个层次都承载着特定的功能和任务。

具体来看，设备层是智能制造的基础，涵盖了制造过程中使用的各种设备和机器，包括传感器、执行器、机械设备、工业机器人等，通过物联网技术连接，实现实时数据采集、监测控制和参与协同制造。车间层是应用先进的制造技术和智能化设备并相互连接以形成小范围的生产单元，承担生产计划、生产调度、质量控制等功能，形成“智能感知—动态调整—质量检测—持续改进—反馈学习”的闭环来增强智能车间的敏捷响应能力。工厂层是整个智能制造体系中的关键层次，运用工业物联网、增材制造等技术促进工厂层面全要素数据可视化和实时化，实现生产、设备、能源、物流、人力等生产要素的数字化集聚（大数据中心）、网络化共享（工业互联网）和平台化协同（调度协同指挥中心）。企业层关注战略层面的决策制定、技术应用、任务调度、资源编排和供应链管理，具有高度智能化、决策科学化、要素集成化的特征，一方面通过“数字化补课”实现跨越式创新和数字化转型，另一方面厘清智能制造标准规范，确保企业各个层次和系统之间的协同性和兼容性。网络协同层通过工业互联网平台搭建起多元主体链接的桥梁，以价值链为导向实现端到端的协同制造，以系统思维提升全产业链集成下的动态响应能力。综上，智能制造“设备层—车间层—工厂层—企业层—网络协同层”的层次结构有助于厘清智能制造不同层次之间的功能划分和关系，并将智能制造体系划分为可管理的单元，使得智能制造系统更加模块化和可扩展，能够适应不同规模和需求的制造场景，实现物理世界和信息世界的深度连接。

（三）产业链体系

智能制造是制造业的高阶制造形态，天然具有产业属性。一方面，从理论层面来看，广义产业链将隐性技术与显性载体连接在一起，为深度认识智能制造提供了合适的研究视角，有助于从产业层面理解不同技术和载体如何发挥协同效应。另一方面，从实践统计层面来看，智能工厂是智能制造的生产载体，但由于智能制造的应用领域广泛，各智能工厂的智能化成熟度不一致，现实中难以统计智能工厂的产值规模，统计上通常将智能制造装备、工业软件和智能制造系统解决方案分开统计，以反映智能制造产业链发展情况。基于此，本文结合认识逻辑和统计范围，将智能制造产业链体系解构为智能制造装备、工业软件、智能制造系统解决方案和智能工厂（车间）。

智能制造装备是具有感知、分析、推理、决策、控制和执行功能的制造装备的统称，指用于生产和制造过程中的高级制造设备，是先进制造技术和智能技术在装备产品上的集成应用。从特征来看，区别于传统装备制造，智能制造装备综合了先进制造、数字控制、智能传感、人工智能技术等多种技术，从而具备了自我感知、自主决策、分析规划、纠错容错、自我学习、网络集成、诊断修复等多种智能特征，提高了制造过程敏捷性和适应性，极大提升了装备的加工质量和使用效率。从内涵来看，智能制造装备涵盖制造全流程的智能单机、自动化系统集成及生产线集成，将制造技术、信息技术和人工智能技术相结合，本质上涉及智能控制技术在制造业中的应用[16]。从效用来看，智能制造装备通过自动化、智能化和高度精确的制造过程，强化企业内部协同和上下游协同，显著提高生产率、制造精度和柔性制造水平。

工业软件是工业技术、流程的程序化封装与复用[17]，是智能制造的“神经中枢”。根据产品用途，工业软件可以分为研发设计类（如CAE、CAM）、生产控制类（如MES）、经营管理类（如ERP）、运维服务类（如APM）、嵌入式类（如DNC）等。根据工艺流程，工业软件可以分为工业管理学软件和工业物理学软件[18]，后者以研发工具如计算机辅助设计（CAD）等为主，强调对工业内核的深度挖掘。从发展模式来看，国外形成纵向一体化、横向贯通和软硬结合的三种发展模式，工业软件既具有软件的性质，又具有明显的工业属性。进一步地，工业软件是智能制造系统的基石和支点，是工业知识沉淀的结晶，承载着制造业从研发设计到销售运用全生命周期的全部数据。研究表明，一辆新车高达40%的成本是由其电子和软件内容决定的[9]，汽车行业70%以上的创新都是由软件驱动的[9，19]。而大型工业软件的研发周期一般是3—5年，被市场认可则需要10年左右，且很难被简单复制。

智能制造系统解决方案强调利用先进的信息和制造技术来实现灵活、智能和可重新配置的制造流程，实现纵向集成和横向集成的整体解决方案[20]。其中，纵向集成是把系统解决方案的不同层次和模块整合在一起，并根据需求对模块的拓扑结构进行重组；横向集成则是实现不同制造阶段的软件、数据库和装备之间端到端的协同，破除数据壁垒，以实现更高的效率和灵活性。智能制造系统解决方案主要由软件、硬件、系统服务等部分组成，此处的软件指嵌入于整体解决方案中的应用软件。在现实中，智能制造系统解决方案的提供商通常是工业互联网平台企业、云服务平台和数字化转型服务商，与工业软件不同，系统解决方案主要以无形产品形式交付。2016年，在工业和信息化部的指导下，我国成立智能制造系统解决方案供应商联盟，利用人工智能、大数据分析和机器学习等技术，以实现智能决策、自适应控制和预测性维护。作为智能制造典型应用场景，智能制造系统解决方案规模持续扩大，年平均增长率超过10%，形成一批高质量覆盖全生命周期的细分行业解决方案，从供给端改善市场生态，从需求端强化对症下药，涵盖工厂、产品、生产和管理四个过程的九大典型应用场景。

智能工厂旨在通过集成先进的数字化技术和自动化系统，实现制造生产的高度智能化和高效化。智能工厂借助物联网、大数据分析、人工智能等技术，将制造过程中的各个环节实现数字化连接和协同，以提高生产效率、灵活性和质量管理。在智能工厂中，传感器和嵌入式系统用于实时监测生产环境、设备状态和产品质量。通过实时数据采集和分析，智能工厂能够进行实时决策和优化生产过程。此外，人工智能技术被广泛应用于生产计划、调度和质量控制等方面，以提高整体的生产效能。智能工厂注重生产过程中的自动化和数字化集成，自动化系统涵盖了各个生产阶段，包括原材料处理、生产装配、物流管理等，数字化集成则通过整合各种信息系统，实现生产数据的实时共享和管理。这种高度集成的数字化环境有助于提高生产线的灵活性和适应性，使企业更好地应对市场需求的变化。

三、我国智能制造高质量发展的现实基础

作为新一代信息技术与先进制造业深度融合的新型生产方式，智能制造是新一轮产业变革的核心，已成为制造业变革的发展趋势，是推动我国制造业转型升级的重要抓手和“换道超车”领跑的重大机遇。党的二十大报告将高质量发展作为全面建设社会主义现代化国家的首要任务。高质量发展本质上是以质量为价值取向的发展理念和发展方式[21]，追求长期导向的动态效率最大化。智能制造高质量发展同样也不追求短期走得快，而是追求长期走得稳。这就要求在智能化技术、系统集成度和系统运行成本及效率之间寻求一种平衡，在特定时点上绝不是技术越先进越好、系统集成度越高越好。智能制造高质量发展包括智能制造核心产业本身的健康发展和传统产业智能化改造的高效实施。从智能制造核心产业的高质量发展来看，一方面，以需求为牵引，引领集成技术创新，攻克智能制造关键技术在复杂工艺应用中的现实难题。工业和信息化部电子工业标准化研究院的数据显示，我国三年内突破关键技术近600项，形成400余个智能制造行业知识库和数据模型。另一方面，改善供给侧市场生态，在工业控制系统、工业机器人、MES等智能制造关键装备和工业软件领域打破国外长期垄断，实现市场份额的重大突破。从传统产业智能化改造的高质量发展来看，智能化技术通过作用于产业边界、交易成本、价值增值和供需精准匹配等加强向制造业的渗透，保障“量的合理增长”和“质的有效提升”的“质量齐升”[10]，实现知识溢出效应和技术扩散效应[22]，强化智能制造关键核心技术和知识重组对制造业高质量发展的赋能作用。

（一）智能制造应用潜力巨大但关键核心技术面临“卡脖子”难题

智能制造是一个覆盖更宽泛领域和技术的系统工程，我国智能制造高质量发展蕴含着巨大的潜力，智能制造应用水平与规模经过近十年的发展已处于全球领先行列，应用规模持续增长。根据工业和信息化部的数据，智能制造装备行业市场规模由2017年的1.27万亿元增长至2022年的2.68万亿元，2023年上半年已经超过3.2万亿元。工业软件市场规模2022年度增至2 407亿元，同比增长14.3%，高出全行业整体水平3.1个百分点。智能制造系统解决方案市场规模自2019年起以平均50%的速度增长，2022年增至0.8万亿元，主要分布在通用机械、石油化工、专用机械等重要行业；截至2023年3月，智能制造系统解决方案提供商超过6 000家，其中主营业务收入超10亿元的达40余家，覆盖超过90%的制造业，优质供给能力不断提升。

先进制造技术为智能制造打好了工厂内数字化和网络化的基础，新一代信息技术及人工智能技术促动并支撑智能制造向网络化协同和智能化方向发展[23]。虽然智能制造的本质并非技术革命，但智能制造产业所涉及的技术范围较广、技术难度较高，难以短时间内简单复制，技术壁垒较为显著，新进入者较难掌握关键核心技术，同时人才稀缺带来的人才壁垒与难以获取客户资源使智能制造产业进入门槛较高。作为新一轮工业革命的核心驱动力，智能制造通过软硬件结合实现了对智能制造范式的改变，软件通过编程和算法形成对制造系统的逻辑控制，硬件通过传感器和装置设备等形成对制造系统的物理控制。在工业互联网推动制造范式革命的背景下，我国智能制造产业关键核心技术面临“卡脖子”难题，体现为单点关键核心技术受制于人、系统集成技术国产替代较弱、系统解决方案供给能力不足。从单点技术来看，一方面，我国工业软件中研发设计类和生产控制类软件国产化程度仍然较低，95%以上的研发设计类工业软件依赖进口，对基础工艺研发和关键工艺流程缺乏单点突破和集成研发，与制造业深度融合不足；另一方面，智能制造装备中高端工业控制芯片、工业机器人等核心器件和装备国产化率较低，产品稳定性不足，下游应用渗透率不高，关键核心技术迭代受限。从系统集成技术来看，智能制造涉及企业生产全生命周期的硬件、软件、各子系统和数据库的集成，具有复杂性、可扩展性和协同互联特征；涉及不同端口的标准协议，存在不同系统和数据端口的兼容性、互操作性和适配性难题。从系统解决方案来看，智能制造涉及工艺、装备、软件、网络的系统集成和深度融合，具有敏捷柔性生产特点，但蕴含产业机理和制造原理的系统解决方案创新性和适配性不强，应用场景受限，中国自主的系统解决方案有待拓宽挖掘。

（二）智能工厂走深向实但存在信息孤岛

智能工厂基于数据驱动、虚实融合、柔性敏捷和全局协同，在数字空间超越生产本身实现高效规划和基于知识的工艺迭代，走深向实构建柔性化生产能力，以大批量规模化生产的低成本实现多品类的订单交付。智能工厂的本质是人机交互，旨在实现多元业务互联互通和挖掘数据价值，解决生产设施在日益复杂的世界中因动态和快速变化的边界条件而产生的问题。从发展态势来看，根据《中国智能制造产业发展报告》，2020年我国智能工厂市场规模为8 560亿元，2022年已突破1万亿元，未来几年我国智能工厂仍将保持10%以上的年均增速，预计2025年有望超过1.4万亿元。聚焦实践发展，国内研究机构智能制造研究院（e-works Research）提出智能工厂金字塔结构，根据管理基础、工业互联、工厂数字化、物流与供应链、工业自动化和工业智能评选出2023年百强杠杆智能工厂，旨在寻找智能制造行业细分领域的领先企业和最佳实践。其评选出的百强智能工厂分布在电子/电器、机械装备等12个行业；49%的智能工厂建设投资总体规模在1亿元至10亿元之间，30%的智能工厂建设投资在1亿元以下；57%的智能工厂为民营企业，32%为国有企业；57%的智能工厂为上市企业。灯塔工厂是智能制造技术应用示范者和引领者，截至2023年底，全球153家灯塔工厂中位于中国的有62座，占比40.5%，位列全球第一。从行业属性来看，全球灯塔工厂集中于离散型制造业，美国和德国集中于生物技术、半导体等高端产业，中国则集中于产业链下游的家电制造和电子制造，高端制造和品牌打造仍有较大提升空间和发展潜力。

然而，智能工厂建设涉及智能装备、智能传感器、工业软件和系统解决方案等供应商，集成难度较大，技术复杂度高，需要高昂的成本和大量资金，对于中小企业会造成较大的负担。实践中有些智能工厂只注重购买高端数控设备，而缺乏相应软件系统的支持，导致数据在各设备之间难以流畅共享和交互；有些企业数据自动化采集和车间联网程度较低，生产线之间还需要中转库转运，难以实现对设备状态的实时监测和预测性维护，可能导致生产中断和设备损耗增加。同时，从技术层面来看，我国还缺乏适合建设智能工厂数据中心的软件平台，更缺少能够“无需编码或少量编码”快速开发各类工业App的敏捷开发框架。

（三）工业互联网已迈出实质性步伐但根基不稳

作为智能制造的关键使能技术，工业互联网通过物联网、大数据、人工智能等现代信息技术的集成应用，实现设备、系统和人员之间的高效互动和协同工作。我国工业互联网体系架构1.0到2.0的迭代增强了工业互联网平台对制造系统的适配性，通过对工业全要素、全价值链和产业链的重构，进一步强化了数据价值挖掘和分析应用，实现自上而下优化数据闭环，推动微笑曲线向数据驱动的价值闭环转变。工业互联网平台中边缘计算、Iaa S技术、数字孪生、工业区块链等关键核心技术，将工业世界和数字世界连接为一体，以软硬结合的方式实现产业链协同。工业互联网成为全球工业强国竞争的主战场，美、中、日、德四国在工业互联网赛道上领跑，我国工业互联网在数据挖掘、沉淀和复用等方面持续发力。从总体来看，我国工业互联网进入快速增长期，工业互联网平台应用普及率由2021年的17.5%增长至2022年的22.2%¹，且呈现加速提升态势。2022年基于工业互联网平台开展数字化管理、智能化制造、网络化协同、个性化定制、服务化延伸的企业比例分别达42.0%、20.9%、29.8%、12.1%和30.1%，较2021年均有明显提升。从产业规模来看，2022年我国工业互联网核心产业规模²超过了1.2万亿元，同比增长15.5%，工业互联网产业增加值规模³达到4.25万亿元，同比增长3.5%。赛迪顾问预测，未来5G应用场景的80%会在工业互联网平台，且更看好“自上而下”模式生长的工业互联网平台。

1国家工业信息安全发展研究中心：《工业互联网平台应用数据地图（2022年）》，https://mp.weixin.qq.com/s/lYO7zGA8T8L0uCGS5VLLAQ。

2工业互联网核心产业包括工业互联网网络、平台、安全三大功能体系，以及应用解决方案等，具体包括工业互联网网络、工业互联网平台与工业软件、工业互联网安全、工业数字化装备、工业互联自动化等五大产业。

3工业互联网产业增加值规模是指工业互联网带动一、二、三产的增加值规模。

国内外按照驱动不同将工业互联网平台分为三种类型，分别是软件驱动类、制造经验驱动类以及技术驱动类。软件驱动类工业互联网平台（如ThingWorx和用友精智）具有多样化的客户群体，SaaS服务能力突出，行业聚焦和纵深不足，生态合力仍有提升空间；制造经验驱动类工业互联网平台（如Mind Sphere和卡奥斯COSMOPlat）工业机理理解透彻，行业Know-How积淀深厚，基于工业生产逻辑打通“产品—项目—生态”的发展路径，未来需要继续深耕行业和场景，持续拓宽走深向实；技术驱动类工业互联网平台（如IBM WatsonIoT和Ocean ConnectIoT平台）具有较强的数据整合能力和行业号召力，以生态链“链主”身份参与竞争，软硬一体的组合仍需强化联结效应。

从实践来看，我国工业互联网进入发展快车道，应用场景不断拓宽，已从概念普及进入实践的生根阶段。然而，与国外相比，我国工业互联网行业属性明显，标准化程度低，体现为工业互联网落地生根过程中存在IT（信息技术）和OT（运营技术）融合深度不足的“下不来”和“工具陷阱”难题，根源在于工业互联网是工业发展工具，并非工业本身，解决不了工业本身存在的问题。面对工业企业的海量数据和碎片化应用场景，工业互联网在模式、体系、技术和思路上与消费互联网存在较大差异，工业互联网生态发展难以简单复制消费互联网的构建和应用路径。因此，现有工业互联网发展存在落地适配性问题，难以通过搭建起庞大的“神经系统”来收集分析海量信息、解决问题以及预判问题的源头，也就难以实现“对症下药”，从而为智能制造高质量发展提供解决方案。同时，工业互联网涉及底层技术的深入应用和行业数据要素的全过程渗透，由于跨行业可复用性差，工业互联网平台企业缺乏普遍接受的标准和协议，可能导致不同设备和系统之间的操作干扰问题，增加了部署的复杂性和难度。

（四）智能技术为传统制造“按下加速键”但仍面临数字化转型难题

数字化转型是一个多层次、多维度的概念，本质是新一代信息技术驱动下的，以技术为支点、以业务为内核的管理、业务和商业模式的深层次变革与重构。数字化转型不仅需要优化流程降低成本、创新产品服务提供方式，而且需要进行组织结构和核心能力重组优化。智能技术的广泛应用，一方面使得传统制造企业在智能技术的驱动下，聚焦价值生成和价值驱动，以业务价值为导向，重新审视业务流程中的增值环节，助推智能技术在企业内部全面渗透；另一方面改变了单一流程化的传统制造模式，通过多环节的技术赋能促进传统制造转型升级，使其在附加值更高的微笑曲线两端获得更高利润。从智能制造赋能过程来看，在研发设计环节，创建虚拟模型，进行仿真测试，加宽企业的技术“护城河”；在生产制造环节，利用自动化生产线和机器人提高生产效率，通过物联网IoT和传感器技术监测生产参数，提高大规模定制水平；在销售环节，通过高度协同的智能制造降低企业的供应链成本，并利用柔性化生产无缝衔接生产与需求，帮助企业强化品牌和服务优势。

然而，当前我国传统制造还处于“2.0补课、3.0普及、4.0示范”的多进程并行发展的复杂阶段。从2.0到4.0的阶段跃迁，绝非简单的“机器替代人”，还需要生产组织模式和管理思维的系统转变。传统制造业数字化转型存在转型价值目标不清晰、价值效益不易显现、数字化模式难以响应日益不确定发展的要求、数据要素驱动作用尚未充分发挥的“不敢转、不会转”的现实难题。低端制造产业产能过剩，先进制造装备、核心零部件、半导体制造、高性能材料等中高端产业的保障能力供给不足，导致我国装备制造业低端市场同质化竞争严重，中高端市场发展面临关键核心技术“卡脖子”困境。具体来看，传统制造业为我国制造业转型升级和制造大国建设贡献了重要力量，但在数智技术升级迭代的今天，存在技术和管理“两张皮”、数字思维和能力存在差距的发展困境，不同业务间存在数据壁垒，海量数据要素作用尚未充分发挥，想转但是没有技术和人才支撑，进而导致了“转型找死，不转等死”的窘境。对于传统离散型制造业来说，需要较强的柔性制造能力和产业链协同能力，但在数字化转型过程中，制造设备结构化和敏捷性不足，不同设备间缺乏统一的数据标准和接口，数据要素尚未向生产全过程渗透进而转化为企业转型升级的生产力。对于传统流程型制造业来说，智能制造对制造过程连续性提出了较高要求，需要较强的精细化管理能力，存在供应链上下游协同作用不明显、精细化管理颗粒度较大、供需适配性亟须强化提高等问题。

四、智能制造高质量发展的推进策略

在百年未有之大变局加速演进的当下，智能制造高质量发展成为大国博弈和全球价值体系重构的焦点。如何在新一轮全球产业变革中抓住智能制造这一时代机遇，实现从“跟跑”到“领跑”的跨越，是建设制造强国的重要议题。作为全球唯一一个拥有联合国产业分类中全部工业门类的国家，我国智能制造高质量发展具有坚实的产业体系基础。然而，我国智能制造水平与发达国家相比仍存在一定差距。基于现实基础分析和智能制造体系解构，本文提出“一个核心、三个加快、三个推动”的智能制造高质量发展思路，即以关键核心技术攻关与国产替代为核心，加快智能制造装备、工业软件和智能制造系统解决方案高端化智能化发展，推动智能工厂全面推广落地、打造传统制造业数字化转型样板、建设工业互联网标准体系，培育推广智能制造新型制造模式，加快形成新质生产力，发展立足我国制造优势的智能制造新范式。

（一）以关键核心技术攻关与国产替代为核心

关键核心技术是包含多点位、多形态和多种知识基础的技术体系[24]，是关乎智能制造高质量发展的突破口。只有把关键核心技术掌握在自己手里，推进关键核心技术攻关和国产替代研发，才能从根本上解决“卡脖子”难题，实现后发技术赶超。聚焦高端装备、高端材料、高端机床、科学仪器和核心基础件等智能制造产业，瞄准基础研究，举全国和全产业之力攻关基础技术和共性技术，突破一批关键核心零部件和元器件。加大研发力度，努力啃“硬骨头”，选择突破口进行重点突破，力争在具有非对称竞争优势环节和关键核心技术上率先突破，随后借助外溢效应，推动智能制造全产业变革。采取“单点突破+集成攻关”的推进思路，单点突破智能制造产业的“卡脖子”技术，深耕关键核心技术链[25]，聚焦细分场景进行突破性创新，重构核心技术国产替代路径，把握关键核心技术开发和共享的控制权，实现关键核心技术自主可控；集成攻关涉及全产业链基础原理的共性技术，创新产业链协同模式，推动上下游同频共振，搭建工业互联网平台，采用多种攻关模式相结合，加快制造设备和工业软件的关键核心技术突破，实现上游高端供给和下游有效需求的精准匹配以及各个环节的实时决策和资源高效配置。

（二）加快智能制造装备高端化集群化发展

智能制造装备是机电系统与人工智能系统的高度融合，与传统制造装备相比，具有自主感知、自主学习和自我适应等智能化特征，并对智能技术提出了较高要求。从智能制造高质量发展来看，亟须加快智能制造装备高端化和集群化发展。一方面，推动智能制造装备高端化发展。基于模块化设计理念，运用高强度合金、复合材料等提高装备的性能和轻量化水平，采用先进制造工艺（如3D打印、激光切割）提高设备精度。重点推动工业机器人的高端化发展，在减速器、控制器、伺服系统等关键零部件和结构设计、加工与装配等关键工艺技术取得持续突破的基础上，往减速机、电机、编码器以及驱动控制一体化集成方向持续深耕。另一方面，智能制造装备不仅仅是单一的装备，更是一个制造系统，产业集群是推动智能制造装备高质量发展的关键路径。推动工业机器人和增材制造等新兴产业的集群化发展，引导资源和创新要素向产业基础好、发展潜力大的地区集聚，建设一批主导产品特色鲜明、创新要素高度集聚、产业生态体系完善的智能制造装备产业集群，形成智能制造发展的关键支撑。同时，积极推动和引领智能制造装备的国际标准制定，抢占国际制高点。

（三）加快工业软件自主研发和国产化替代

工业软件是国家科技软实力的重要体现。相对于一般软件，工业软件专业集成性高、研发难度大、体系设计复杂烦琐、技术门槛高、研发周期长、研发迭代速度慢。CAD、CAE、EDA等研发设计类工业软件，应用场景和范围广泛，但国产化率仅为5%左右。为此，应通过发展工业软件领军企业和搭建创新性开源社区平台来推进工业软件自主研发和国产替代，特别是研发设计类工业软件的攻关。具体而言，可采用“揭榜挂帅”的方式，以工业软件领军企业为核心，聚焦工业软件的关键核心技术，协同产业上下游企业，整合资源集智攻关，形成以领军企业为核心的战略研发格局，强化集成创新和研发设计类工业软件研发，摆脱工业软件“卡脖子”困境。搭建工业软件开源社区和平台，围绕工艺模型、知识组件、算法工具等的开放共享，重点发展建模、仿真、模拟和分析的高性能计算领域的工业软件，鼓励更多创新主体参与。构建智能制造工业软件专业技术人才信息系统和培养体系，促进高端人才在区域内合理配置，实现人才供需精准匹配和动态流动，为推动工业软件国产替代提供坚实的人才基础。

（四）加快培育优质专业可复制的智能制造系统解决方案

智能制造系统解决方案供应商是推动我国智能制造高质量发展的中坚力量，也是我国经济社会发展的重要创新驱动力和市场主体。加快智能制造系统解决方案供应商与制造企业在供需互动、联合创新中推进工艺、装备、软件、网络的系统集成和深度融合，大力发展基于工业云的智能制造系统解决方案，围绕工业核心业务流，沉淀重点行业场景化模型，构建全局数据运营平台，实现数万级测点秒级实时采集，创造出满足新阶段、新需求的解决方案。同时，聚焦工业和信息化部公布的25个智能制造系统解决方案应用场景和攻关方向，注重服务主体的专业性、服务对象的细分垂直性、服务内容的融合创新性，关注细分领域行业和中小企业，在新技术应用、新模式探索、新业态创新上形成一批更优质、更专业、更具有可复制性的解决方案，加速智能制造系统解决方案“走出去”，在全世界发出中国声音、提供中国方案。进一步地，推动智能制造系统解决方案供应商多元化和专业化发展，从被动接受客户需求转变为主动引导或为客户量身定制解决方案，参与或主导所在领域智能制造标准制定。从提供综合解决方案逐步向提供细分领域行业解决方案纵深发展，提高行业成套解决方案供给能力，引领行业向专精方向发展。

（五）推动引领示范性智能工厂全面推广落地

智能工厂作为智能制造应用的重要载体，是一种物理深度融合的生产系统。2023年工业和信息化部支持遴选了421家国家示范工厂，推动各地建成万亿家数字化车间和智能工厂，树立了5 500多个可复制可推广的典型场景范例。加快可复制可推广的示范性智能工厂的推广应用，亟须通过智能化改造、企业间集成和产业间协同来推动智能工厂落地。首先，针对建有制造工厂的传统制造业，从基础建设、使能技术和系统集成等方面对传统工厂进行智能化改造。发挥软件和硬件使能技术的核心驱动作用，部署物联网设备和传感器，升级网络设备，确保足够的带宽和低延迟，实现设备之间的联通和数据采集。同时，建设云计算和边缘计算平台，实现数据的存储、处理和分析，集成物联网平台，实现设备之间的互联互通和制造工厂智能化转型。其次，通过不同工厂和企业的战略合作实现智能工厂横向集成，加快网络信息物理生产系统（CPPS）建设，高效整合不同工厂的信息，提高生产决策的准确性和实时性，实现生产数据、工艺信息、质量数据的共享和互通，促进供应链优化整合。最后，以智能工厂为主战场推动生态系统构建和协同作用发挥，将具有引领示范性的智能工厂纳入更大范围产业链中，通过数字化技术和信息共享强化各个环节之间的协同效应，实现智能制造生态链的协调运作。

（六）推动打造传统制造业数字化转型样板

数字化转型并非数智技术的简单运用，而是一种企业业务、商业模式和核心能力的变革重组。传统制造业各个细分行业差距较大，行业属性和处于产业链不同层次的企业差别较明显。2020年，国资委提出打造国有企业数字化转型四类样本，位列首位的就是打造制造类企业数字化转型示范样板，强调以智能制造为主攻方向，搭建互联网工业平台，提高制造设备联网率和关键工序数控化率，形成一批具有较强示范借鉴意义的制造企业。基于此，传统制造业需要在战略上实现从“技术导向”“业务导向”到“价值导向”的转变，聚焦创造价值增量的环节，构建快速响应、动态柔性的价值网络生态，拓展制造业价值增值发展空间。具体可采取“软硬结合、内外兼修”转型战略，软件层面聚焦工业互联网平台建设，促进价值链、供应链、产业链三链协同和资源整合，硬件层面部署物联网设备和智能传感器，释放海量数据的价值效应，打通制造业务环节的价值链，构建生态发展模式。一方面，抢抓新一轮产业革命和数智技术的“机会窗口”，利用信息技术驱动行业变革、网络智能化发展、生态集成引领知识创造与传播，驱动数字经济价值创新和塑造全新数字空间；另一方面，推动传统制造业数字化转型，扎扎实实做好“数字化补课”，在技术、业务、数字思维、商业模式等方面向示范企业看齐，提高制造企业的业务水平和运作效率，解放员工脑力和体力，提高创新能力，拓宽业务应用范围，形成基于不同类型制造业、产业链不同层次的制造业数字化转型示范样板，推动我国传统制造企业迈向数字化网络化智能化协同制造。

（七）推动工业互联网标准体系建设

推动工业互联网安全、设备、业务流程和合规性标准体系建设完善，建立统一的通信协议、数据格式和接口标准，以确保不同厂商、设备和系统能够实现互联互通，在经验沉淀与创新发展间嫁接桥梁，进而充分释放“标准化+工业互联网平台”的最大潜力。按照标准体系动态更新机制，加快成立5G+工业互联网融合研发中心等创新合作组织，从明确基础标准、构建技术标准、建设标准体系、试验验证、国际化等方面进行部署，建设立足智能制造产业实践、先进适用的工业互联网标准体系。具体而言，一方面，以价值提升为目标导向，识别多方利益相关者“建平台、用平台、管平台”的需求和痛点，推进工业互联网的网络互联互通工程，加强IT与OT网络深度融合，加快工业互联网标识解析体系建设。另一方面，牵头机构制定适用于各自行业的工业互联网标准，从工业互联网体系架构、标准体系结构、标准体系框架等展开，开发基于开放标准的平台和协议，鼓励“中国标准走出去”，推进工业互联网平台国际标准制定，以便不同厂商设备和系统互联互通和高度集成，打通“数据壁垒”，破解“信息孤岛”。

参考文献

[1]龙飞扬，施贞怀，殷凤．制造业嵌入双重价值链：演进逻辑、现实依据与路径选择[J]．改革，2023(10):146-155.

[2]LI B,HOU B,YU W,et al.Applications of artificial intelligence in intelligent manufacturing:A review[J].Frontiers of Information Technology&Electronic Engineering,2017,18:86-96.

[3]DAVIS J,EDGAR T,GRAYBILL R,et al.Smart manufacturing[J].Annual Review of Chemical and Biomolecular Engineering,2015,6:141-160.

[4]KUSIAK A.Smart manufacturing[M]//Springer handbook of automation.Cham:Springer International Publishing,2023:973-985.

[5]WRIGHT P K,BOURNE D A.Manufacturing intelligence[M].Massachusetts:Addison-Wesley Longman Publishing Co.,Inc.,1988:31-33.

[6]CHEN B,WAN J,SHU L,et al.Smart factory of industry 4.0:Key technologies,application case,and challenges[J].Ieee Access,2017,6:6505-6519.

[7]WAN J,ZHANG D,SUN Y,et al.VCMIA:A novel architecture for integrating vehicular cyber-physical systems and mobile cloud computing[J].Mobile Networks and Applications,2014,19:153-160.

[8]YAN H,YANG J,WAN J.KnowIME:A system to construct a knowledge graph for intelligent manufacturing equipment[J].Ieee Access,2020,8:41805-41813.

[9]SHOREY R.Emerging trends in vehicular communications[J].IEEE New York Presentation,June,2014,8.

[10]杨浩昌，罗雨成，李廉水．智能制造对制造业高质量发展的影响研究———基于“量”与“质”的视角[J/OL].科学学研究，https://doi.org/10.16192/j.cnki.1003-2053.20230906.001.

[11]HUANG Q.Intelligent manufacturing[M]//Understanding China's manufacturing industry.Singapore:Springer Nature Singapore,2022:111-127.

[12]KANG H S,LEE J Y,CHOI S S,et al.Smart manufacturing:Past research,present findings,and future directions[J].International Journal of Precision Engineering and Manufacturing-Green Technology,2016,3:111-128.

[13]ZHOU J,LI P,ZHOU Y,et al.Toward newgeneration intelligent manufacturing[J].Engineering,2018,4(1):11-20.

[14]TRENTESAUX D,MILLOT P.A human-centred design to break the myth of the"magic human"in intelligent manufacturing systems[J].Service Orientation in Holonic and Multiagent Manufacturing,2016:103-113.

[15]OZTEMEL E.Intelligent manufacturing systems[M]//Artificial intelligence techniques for networked manufacturing enterprises management.London:Springer London,2010:1-41.

[16]LI F,LIU W,BI K.Exploring and visualizing spatial-temporal evolution of patent collaboration networks:A case of China's intelligent manufacturing equipment industry[J].Technology in Society,2021,64:101483.

[17]中国工业技术软件化产业联盟．中国工业软件产业白皮书（2020）[R/OL].(2020-02-04)[2024-02-04].https://www.caitis.cn/bps-article.html?id=44.

[18]林雪萍．工业软件简史[M]．上海：上海社会科学院出版社，2021:4-10.

[19]GRIMM K.Software technology in an automotive company-major challenges[C]//25th international conference on software engineering,2003.Proceedings.IEEE,2003:498-503.

[20]ZHONG R Y,XU X,KOLTZ E,et al.Intelligent manufacturing in the context of industry4.0:A review[J].Engineering,2017,3(5):616-630.

[21]田秋生．高质量发展的理论内涵和实践要求[J]．山东大学学报（哲学社会科学版），2018(6):1-8.

[22]成琼文，郭波武，张延平，等．后发企业智能制造技术标准竞争的动态过程机制———基于三一重工的纵向案例研究[J]．管理世界，2023(4):119-139.

[23]张伯旭，等．智能制造：助推高精尖产业发展[M]．北京：机械工业出版社，2018:25-30.

[24]刘建丽．“凹凸世界”背景下的关键核心技术突破路径选择———基于集成电路产业技术特质的分析[J]．求索，2023(3):118-126.

[25]胡登峰，黄紫微，冯楠，等．关键核心技术突破与国产替代路径及机制———科大讯飞智能语音技术纵向案例研究[J]．管理世界，2022(5):188-209.

李娇，中国社会科学院大学博士研究生。

刘建丽,李娇.智能制造：概念演化、体系解构与高质量发展[J].改革,2024,(02):75-88.