人工智能赋能制造业创新驱动发展态势、问题和建议

穆荣平 郭京京 李雨晨 李强 姜春 冯泽 董国位

人工智能技术已成为推动全球制造业创新发展的关键力量，其在生产自动化、智能化管理等方面的应用已成为各国制造业创新发展的重要趋势。文章全面分析人工智能赋能全球制造业创新驱动发展态势，概述主要国家在人工智能赋能制造业创新驱动发展方面的政策与举措，并在梳理我国人工智能赋能制造业创新驱动发展现状和问题的基础上，提出了相应的政策建议，旨在通过强化技术系统能力、标准引领能力、场景创造能力、人才涌现能力和风险治理能力，推动人工智能赋能我国制造业创新驱动发展。

人工智能作为一种重要的颠覆性技术，能够通过提高效率、促进创新和重塑产业结构，对传统生产方式和生产关系带来根本性变革，成为驱动形成新质生产力的重要动力来源。人工智能技术不仅极大地提高了生产效率和产品质量，还为制造业带来了全新的生产模式和商业模式，引领制造业向智能化、自动化和个性化生产转型。近年来，各国政府和制造业企业都在积极探索有效的解决方案，推动人工智能赋能制造业创新驱动发展。然而，人工智能在其赋能制造业创新驱动发展的过程中，面临着安全与治理体系不完善、关键核心技术制约、技术落地和扩展性不足、领军型与复合型人才缺乏等一系列挑战。本文旨在深入分析人工智能赋能全球制造业创新驱动发展态势，系统梳理中国人工智能赋能制造业创新发展现状与问题，研究提出推动人工智能与制造业紧密融合的政策措施与建议。

一、全球人工智能赋能制造业创新驱动发展态势

人工智能产生的技术创新效应、生产率提升效应、产业结构优化效应、缓解信息不对称等赋能方式，将对全球制造业的生产运营、资源配置、技术创新、组织管理等方面带来全方位影响。

人工智能可以通过机器学习等技术进步改变传统制造环节的资源配置和生产方式，提高创新效率和降低研发成本，推动制造业高端化。

人工智能将给制造业的生产、管理及组织形态带来全新的突破，推动制造业逐步实现智能化。

人工智能有助于促进制造业绿色技术创新，优化制造全过程中的资源利用，降低污染排放，推动制造业绿色化发展。

人工智能与先进制造技术深度融合，制造方式智能化变革加速

拥有自主感知学习和决策能力的智能机器人推动制造业向人机协同与少人化生产方式变革。机器视觉技术赋能后的工业机器人可以即时识别物体、扫描并分类缺陷，已广泛应用于供应链、质量管理等领域。日本机器人制造商基恩士将机器视觉、图像处理与边缘计算处理等技术进行创新性整合，实现质量检查智能化。此外，深度学习技术可以帮助机器人实现自主控制，并与其他机器人（或人）协作，从而提高制造系统精度和敏捷度。例如，日本机器人巨头发那科与深度学习技术龙头企业Preferred Networks合作研发工业机器人神经元网络技术，实现更高的产品制造优化目标。近期，采用自主学习算法完全独立运营机器人且无人值守的熄灯工厂或熄灯制造单元，开始在半导体、化学药品、核废料处理、电子组装等无尘要求高或高危行业内应用。

人工智能与工业物联网技术的深度融合促使制造系统呈现以数据驱动为特征的虚实融合和网络协同发展态势。根据国际权威机构Statista的统计，截至2023年，全球有超过151亿台设备连接到物联网上。基于工业物联网中的物理空间实体在数字空间的映射和重建，人工智能技术可以创造虚实合一的数字孪生体，将制造全流程以数字可视化的方式呈现。同时，人工智能技术可实现工业物联网各环节数据的实时感知、传送、分析和处理，制造系统正向以网络化协作为核心的“平台+制造”方向发展。例如，通用电气（GE）Predix平台利用深度学习和传感器等技术，实现全球7家辉煌工厂的实时数据互通，并在可扩展的全球智能生产网络中协同设计、生产和分销等环节。

制造业全价值链加速智能高端转型，服务化绿色化新模式涌现

研发设计、质量管控、设备维护、生产调度等制造业全价值链关键环节加速实现智能化转型。在研发设计环节，人工智能可使研发人员进行大量模拟和验证，提高研发设计效率。加拿大Entos生物技术制药公司采用自动化合成开发工具，通过深度学习算法加速新药物开发和缩短小分子疗法设计的研发周期。在质量管控环节，人工智能将工程师的缺陷检测经验转化为深度学习算法，大幅提高缺陷检测准确度与效率。在设备维护方面，人工智能可实现设备故障预警和预见性维护，降低计划外生产中断成本。德国博世公司依靠人工智能算法和大数据，系统性分析由振动、温度等传感器采集的数据，检测故障模式并进行动态维护。近年来，人工智能开始应用于高复杂性、高动态性的生产调度流程，通过对生产设备参数的动态调节提高生产效率。通用电气将数字孪生技术与机器学习策略相结合，优化风力涡轮机的生产调度流程，预计每年为全球风电行业节省高达6亿美元。

人工智能催生新业态新模式，推动制造业服务化绿色化发展。制造业龙头企业将行业内的标准化流程转换为模块化的操作系统，面向产业链上下游及同行企业提供个性化人工智能解决方案，实现向系统解决方案提供商的转变。通用电气与印孚瑟斯技术公司合作开发行业领先的网络建模和人工智能技术，为客户提供电网相关的服务解决方案。霍尼韦尔国际充分利用物联网和人工智能大数据分析技术，围绕钢铁等重点高能耗高排放行业，提供一站式智慧能源管理方案，实现节能减排和绿色生产。

政产研深度协同构建创新生态体系，跨界合作推进新技术应用

政产研深度协作开展人工智能基础理论及通用共性技术研究，推进人工智能技术在制造领域的应用和转化，构建良好创新生态体系。一方面，主要国家与产业界组建人工智能研发创新中心，推动多学科交叉的基础研究。美国国家人工智能研究院以打造“政府-产业-研究院”协同合作的人工智能创新研发体系为目标，积极促成美国政府部门与谷歌、亚马逊等公司成立合作项目，开展智能部件、系统和关键核心技术攻关。2019年1月，欧盟发起“AI FOR EU”计划，通过人工智能需求和开放合作平台集结来自21个成员国的79家顶尖研发机构与企业，以整合算力、算法和数据资源。另一方面，主要国家强化政府和产业界的合作，加速人工智能在制造业领域的商业化应用和转化。德国人工智能研究中心（DFKI）是全球上规模最大的非营利性人工智能基础研究组织，近30年已成功孵化80多家公司。美国在40个州、87个区域内都拥有人工智能研究和商业化应用中心，它们已成为学术界、工业界和政府间合作的重要枢纽。

领先制造企业与人工智能企业跨界合作，推进人工智能技术实现规模化应用。据Synergy Research Group数据显示，亚马逊、微软、谷歌等领先云供应商拥有全球大型数据中心的50%以上，搭建了包含底层算力、数据存储、云计算在内的数字基础平台，强化了人工智能基础设施要素保障水平。丰田工业将其终极动态物联网全球架构（GUADI）部署于微软智能云Azure，可在云端系统中积累数据并创建模型，自动检测可能导致产品缺陷的设置并调整为最佳参数。西门子将谷歌云的数据服务和机器学习技术整合到其数字工厂自动化方案中，通过基于云技术的人工智能算法模型实现产品目视检测，以及预测装配线上的机器磨损等制造环节的人工智能应用。

人工智能数据开放与共享趋势增强，数据治理重要性日益凸显

主要国家积极构建基于共同利益且公平竞争的数据标准框架协议，为人工智能在制造业领域应用提供数据要素制度保障。2018年4月，英国政府颁布《产业战略：人工智能部门协议》（Industrial Strategy: AI Sector Deal），提出改进现有数据基础设施，制定能够互相操作且尽可能开放的数据规范，并激励业界共同构建一个公正安全的共享数据框架。2018年，美国政府发布《开放政府数据方案》（Open Government Data Act），要求向私营部门开放透明、可靠、可交互的高质量政府数据以支持决策，充分释放数据价值。欧洲议会于2022年4月通过《欧洲数据治理法》（European Strategy for Data），旨在为各种智能设备、自动化生产线、自动驾驶汽车等产生的非个人数据，提供在成员国之间进行公平访问和共享的框架，以增强全欧洲的数据共享机制和数据可用性。

主要国家采用监管立法、政策指南及新兴技术溯源保护等方式，应对与人工智能相关的数据治理问题。2021年6月，欧洲数据保护委员会（EDPB）和欧洲数据保护监督局（EDPS）联合呼吁全面禁止“任何使用人工智能自动识别可公开访问的人类特征的行为”。2022年10月，拜登政府提出的《人工智能权利法案蓝图》（Blueprint for an AI Bill of Rights），设立了安全有效的系统、算法歧视保护、数据隐私等5项基本原则。2021年11月，联合国教科文组织通过的《人工智能伦理问题建议书》（Recommendations on the Ethical Aspects of Artificial Intelligence）成为首个全球性人工智能伦理框架。区块链等新兴技术也可实现数据溯源，以及对人工智能模型和算法的版权保护，为人工智能治理问题提供新解决方案。强生创新制药、拜耳集团等全球顶尖制药企业与英伟达及4家人工智能初创公司合作成立Melloddy联盟项目，通过共享基于区块链和联邦学习的建模平台，在不侵犯成员数据隐私和知识产权的情况下，利用多家药物公司的数据训练药物研发算法和模型。

二、主要国家人工智能赋能制造业创新发展政策

加强人工智能赋能制造战略部署

美国制定先进制造业国家战略，强调人工智能在先进制造业发展中的作用。2022年10月，白宫发布了2022版《先进制造业国家战略》（National Strategy For Advanced Manufacturing），旨在保持美国在全球先进制造业领域的领先地位。围绕三大支柱，该战略确立了“引领智能制造的未来”的具体目标，并在目标实施路径中强调重点推进机器学习、数据访问、隐私保护、加密技术和风险评估领域的研发，促进人工智能在制造业中的广泛应用。

德国积极调整人工智能战略，促进人工智能研发，提升人工智能制造国际竞争力。2020年12月，德国政府对2018年版的《人工智能战略》（Artificial Intelligence Strategy）进行了修订，计划到2025年，将政府对AI的资助从3亿欧元增加到50亿欧元，重点投入到现代化的计算基础设施建设中，并通过新的超级计算机提高计算能力。此外，德国还计划加强人工智能能力中心建设，并将其与应用枢纽所在地的区域经济相结合，以打造具有全球吸引力的人工智能生态系统，为欧洲人工智能网络和“人工智能欧洲制造”竞争力提升奠定基础。

落实人工智能关键技术攻关举措

美国加大对关键人工智能技术的支持力度。2021年美国《无尽前沿法案》（Endless Frontier Act）将要求美国国家科学基金会（NSF）在5年内向人工智能与机器学习、高性能计算、半导体和先进计算机硬件等十大关键技术领域投入1000亿美元。美国国家人工智能安全委员会（NSCAI）于2021年发布了一项《最终报告》（Final Report），在未来5年内额外拨出120亿美元用于微电子研究、开发和基础设施建设。2023年美国《人工智能研究和发展战略计划：2023更新版》（National Artificial Intelligence Research And Development Strategic Plan 2023 Update）强调重点研究可扩展的通用人工智能系统、开发更强大和可靠的机器人、推进改善人工智能的硬件革新等。

日本通过开发、嵌入和部署机器学习算法等技术适应特定领域制造业应用。2021年6月，新能源产业技术综合开发机构发布《人工智能技术全局研发行动方案》（Japan’s AI Research And Development Directions: AI Action Plan），明确了12项急需发展的人工智能关键技术，包括：实现人类与人工智能之间高级交流的“通过符号推理和深度学习结合来理解意义的人工智能”、能够应对广阔时间和空间的“创造深度强化学习的新架构”、产业所需的“优化完整制造流程的人工智能”等。2021年1月，日本政府拟定第六期《科学技术创新基本计划（2021—2025年）》，将人工智能技术确立为战略性基础技术，并将通过战略创新计划（SIP）、登月型研发资助计划等重点支持。

完善人工智能创新生态系统建设

美国围绕人工智能研究院打造全国范围内制造业人工智能创新生态系统。2023年5月，美国NSF与其他联邦机构、高等教育机构、企业和其他利益相关者合作，宣布投资1.4亿美元，建立7所新的国家人工智能研究院，这意味着美国NSF和资助合作伙伴已经向人工智能研究院研究网络投资近5亿美元，使该网络几乎覆盖了美国的每个州。

德国依托人工智能能力中心加强从研发到商业化的人工智能生态系统建设。人工智能能力中心是德国人工智能研究的中流砥柱。德国政府着力建设人工智能能力中心，资助这些中心实现科学突破，创造新的初创企业和商业模式，加速研究转移，培养人工智能专家并创造新的就业机会，形成国际网络并确保德国在人工智能领域的技术主权。此外，德国联邦教研部出台《人工智能行动计划》（Action Plan Artificial Intelligence），将提供人工智能工具、人工智能技能和人工智能基础设施视为未来基础服务设施的一部分，为德国的人工智能生态系统创造良好基础。

强化人工智能动态监管体系建设

欧盟对人工智能风险提出管控要求。2021年4月，欧盟委员会发布了全球首部全面规范人工智能的监管法案——《人工智能法案》（EU AI Act）。该法案以风险管理为核心框架，构建了人工智能全流程监管机制。风险流程监管方面，倡导在国家或欧盟层级设立“监管沙盒”，以加强对个人数据收集行为的规范。风险控制方面，该法案将人工智能系统划分为不可接受、高度、低度和最小4个风险等级，并重点聚焦前两类风险进行立法约束，特别对高风险系统的各环节提出了清晰的监管要求。

德国厘定人工智能系统测试标准。2020年11月19日，由德国联邦教研部和德国工程院资助的“学习系统平台”（Plattform Lernende Systeme）发布了《人工智能系统认证》（Certification of AI Systems），厘定了测试标准。该白皮书提出了基本标准要求和部分自愿标准，其中最低的基本标准包括透明、安全、不受歧视和保护隐私，自愿标准包含用户友好性、可持续性等，通常由独立第三方予以确认，在同一人工智能系统在不同应用场景下，可能存在不同的认证要求。

三、中国人工智能赋能制造业创新发展现状与问题

中国人工智能赋能制造业创新发展现状

人工智能赋能制造业创新发展政策体系不断优化。

推动人工智能和实体经济深度融合的顶层设计不断完善。党的十九大报告指出，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合。2017年，《国务院关于印发新一代人工智能发展规划的通知》指出，推动人工智能与各行业融合创新。

人工智能算力基础设施建设政策体系持续深化。2022年8月，《企业技术创新能力提升行动方案（2022—2023年）》提出，推动国家超算中心、智能计算中心等面向企业提供低成本算力服务。2023年10月，《算力基础设施高质量发展行动计划》进一步提出完善算力综合供给体系、提升算力高效运载能力等重点任务。

人工智能示范应用场景建设政策体系加速布局。2019年8月，《国家新一代人工智能创新发展试验区建设工作指引》提出开展人工智能技术应用示范。2022年7月，《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》出台，提出制造领域优先探索工业大脑、机器人协助制造、机器视觉工业检测、设备互联管理等智能场景。

人工智能赋能制造业创新发展能力建设不断增强。

加速布局建设算力基础设施。截至2022年年底，我国已建成超650万架标准数据中心机架，2018—2022年年均增长率超过30%。同时，我国数据中心算力总规模已超过180 EFLOPS，在全球排名中位列第二。根据国家发展和改革委员会等多部门2022年2月联合印发的政策文件，在京津冀、长三角、粤港澳大湾区等重点区域宣布设立国家算力枢纽节点，并对张家口等10个国家数据中心集群进行布局规划。

人工智能创新能力显著提升。统计数据显示，我国人工智能专利申请总量达389 571项，全球占比超70%，总量相当于美国同类专利申请量的8.2倍。在人工智能核心技术的研发上，我国已在自主开发的人工智能芯片和图形处理器（GPU）芯片方面取得了显著成果。例如，华为麒麟系列、腾讯紫霄和沧海等成果，已被实际应用于数据中心、云计算等关键领域。

工业互联网和人工智能创新平台建设持续强化。截至2022年年末，我国已形成240余个具备行业影响力的工业互联网平台，头部平台设备接入量突破8100万台（套）。科学技术部2019年8月出台专项政策文件，指导阿里云、腾讯、百度、华为等15家领军企业，在城市大脑、自动驾驶、视觉计算等前沿领域建成国家新一代人工智能开放创新平台。

人工智能赋能制造业创新发展，应用水平不断提升。

人工智能在制造业领域的应用率与普及率持续上升。截至2023年7月，我国已累计建成数字化车间和智能工厂近8000个，其中达到智能制造能力成熟度2级以上水平的智能工厂超过2500个。工业和信息化部数据显示，2022年我国智能制造装备国内市场满足率已超过50%，截至2023年7月，我国智能制造装备产业规模超过3.2万亿元。

人工智能应用向多元场景纵深发展。随着工业级场景需求不断升级，计算机视觉、数字孪生、边缘计算与分布式智能等人工智能技术在制造业得到深入应用。智能预测维护、智能计划排产、智能质量控制是我国制造业人工智能应用的主要场景；据德勤咨询公司预测，到2025年，这3类人工智能应用场景的市场规模将分别增长至42.7亿元、29.7亿元、23.2亿元，年复合增长率将分别达到49%、52%、51%。

人工智能赋能制造业创新发展人才培养机制不断优化。

人工智能人才培养力度不断加强。据教育部网站公布的《2021年度普通高等学校本科专业备案和审批结果》显示，我国高校新增专业点中（含审批专业）人工智能专业以新增95个专业点的数量位列当年增设专业榜首。据统计，截至2022年底，全国已有4批次共440所高校获得人工智能专业办学资质，占全国本科院校总量的34.6%。

人工智能人才培养成效不断凸显。2022年我国人工智能领域产业人才存量约达94.88万人，其中本科以上学历占比超过77.6%。清华大学Aminer平台发布的2022年度人工智能全球最具影响力学者榜单中，中国共有232人次入选，全球占比达到11.6%。

中国人工智能赋能制造业创新发展存在的主要问题

安全与治理体系建设有待完善。

在安全方面，我国尚缺乏人工智能安全相关的纲领性文件，虽有多部文件涉及人工智能安全风险议题，但相关政策对算法伦理、道德规范等非技术性安全问题的覆盖与关注仍存在不足。

在治理方面，我国人工智能治理标准规范和治理原则等配套性制度的制定与实施相较于产业发展仍存在较大滞后性，对于人工智能治理问题难以形成有效应对方式和解决措施。现行政策框架虽已明确要求建立风险监测评估机制，但尚未明确监测主体、实施路径、责任划分等操作性实施细则，人工智能治理体系建设仍难以切实推进。

关键核心技术突破仍存在制约。

我国人工智能芯片自给率仍然较低，国产GPU尚无法支撑前沿人工智能模型对算力的需求。截至2020年12月，中国人工智能芯片关键核心技术专利数量为123个，仅占全球人工智能芯片关键核心技术专利的5.09%，且在中国人工智能芯片产业全部专利数中的比例低至0.6%。

技术落地性与扩展性亟待强化。

传统算法对制造业场景的支撑不足，通用计算架构难以有效应用于具体产业实践。工业场景对端侧推理需求和实时性计算的要求日益提升，现有算法与通用计算架构难以满足日益增长的专业需求与高水平计算要求，限制了人工智能对制造业的深度赋能。

领军型与复合型人才相对不足。

我国缺乏人工智能行业领军型人才。据统计，1966—2021年，为计算机事业作出突出贡献的图灵奖获奖者共75名，我国仅有1名学者获奖。

人工智能复合型人才不足。根据《全球工业互联网创新发展报告》，目前我国工业互联网领域人工智能、数据挖掘和分析等高技术复合型人才极为紧缺。

四、中国人工智能赋能制造业创新发展政策取向

强化人工智能赋能制造业创新发展的技术系统能力建设。

实施人工智能赋能制造业创新能力建设重大专项，强化人工智能赋能制造业技术创新体系与战略性高技术设施平台建设。围绕人工智能开源软硬件、自主无人系统、人工智能基础数据与安全检测等重点领域，建设以相关领域国家实验室为核心，全国重点实验室、国家技术创新中心、国家工程研究中心、国家制造业创新中心和国家企业技术中心为支撑的制造业数字转型技术创新体系，加快建设人工智能赋能制造业重大科技基础设施与条件平台，夯实人工智能赋能制造业物质技术基础。

实施“人工智能赋能制造业（AI for Manufacturing）创新发展专项”，推进人工智能赋能制造业前沿引领技术创新和关键核心技术攻关。支持数字赋能制造业发展范式变革愿景驱动下人工智能技术预见和技术路线图研究，推进工业认知智能、工业操作系统、工业元宇宙、工业软件、大规模异构互联、智能调控等重大技术系统攻关。

强化人工智能赋能制造业创新发展的标准引领能力建设。

实施人工智能赋能制造业技术标准重大专项，健全人工智能赋能制造业标准化技术组织和工作体系，推进人工智能赋能“研发设计、中试验证、生产制造、营销服务、运营管理”等制造业全流程标准化。围绕智能工厂、智慧供应链建设中智能化技术要求，开展工业知识表达、工业知识图谱构建、工业场景大模型等标准研制，规范信息感知、自主控制、系统协同、个性化定制、检测维护、过程优化等方面的技术要求，优先针对智能工业机器人、工业物联网等发展需求，推动机器末端接口标准化。

推进人工智能赋能制造业标准化国际合作。支持中国科技领军企业和相关领域国家科研机构加入国际标准组织涉及人工智能赋能制造业创新发展的标准化活动，承担技术委员会国内技术对口单位功能或重要工作组召集人功能，牵头或者参与制定关键技术国际标准和标准体系，以标准引领制造业创新能力建设和国际竞争力提升。

强化人工智能赋能制造业创新发展的场景创造能力建设。

实施人工智能赋能制造业创新发展场景创造重大工程，支持覆盖产品“研发、设计、制造、销售和服务”全生命周期的制造领域人工智能应用场景创造，以场景创造驱动技术系统迭代升级。依托国家新一代人工智能创新发展试验区、国家人工智能创新应用先导区等，开发场景创造关键技术系统（平台），在智能机器人、智能汽车、智能音箱、可穿戴设备、虚拟现实等领域，支持创新主体联合开发工业大脑、机器人协助制造、机器视觉工业检测、设备互联管理等标杆示范应用场景，提升场景创造能力。

实施人工智能赋能制造业创新发展场景创造数据基础设施平台建设工程，提升相关行业大样本数据库质量和开放共享水平，为场景创造提供数据支持。采用区块链、隐私计算等新技术，加强人工智能赋能制造业创新发展应用场景数据集聚，建设一批典型应用场景的高质量公共训练数据集/数据库，提供知识图谱、算法训练、产品优化等共性服务，推动人工智能数据资源开放共享。

强化人工智能赋能制造业创新发展的人才涌现能力建设。

强化制造相关领域科技领军企业、国家科研机构等国家战略科技力量的人才集聚培养的主体责任。建立重大专项（工程）任务实施和基础设施平台建设过程中人才涌现机制，聚焦人工智能赋能制造业创新发展重点领域和关键环节，培养人工智能赋能制造业转型升级科技领军人才和青年后备军。

建立“央地协同”的人工智能赋能制造业转型升级的人才发展和激励机制。开展人工智能赋能制造业人才“育、引、留、用”专项行动，不断完善人才发展机制和人才激励政策，强化重大专项（工程）任务实施和基础设施平台建设的人才发展高地功能，强化区域制造业数字转型示范区（园区）的人才孵育成长的基地功能，强化人工智能赋能制造业人才奖励力度。

强化人工智能赋能制造业创新发展的风险治理能力建设。

建立健全人工智能赋能制造业的风险治理法律法规体系。在制定人工智能治理原则、伦理规范、法规条例等基础上，围绕人工智能数据、算法、系统等重点环节，系统完善人工智能风险治理的宏观法律体系，提升人工智能风险治理水平。

开展人工智能赋能制造业转型升级风险监管试点。建立健全人工智能风险等级体系，合理审慎监管人工智能软件、工具、算力和数据资源，鼓励制造企业开展数据安全和算法模型安全管理认证，提升人工智能赋能制造业转型升级的应用安全性，规范技术治理，形成安全有序发展格局。

（作者单位：中国科学院科技战略咨询研究院，中国科学院大学公共政策与管理学院，内蒙古大学经济管理学院，浙大城市学院商学院。）

【未经授权，严禁转载！联系电话028-86968276】