川观智库研究员 张敏

在科技革命与产业变革加速背景下，人工智能成为制造业范式重塑的关键变量。“人工智能+制造”不再是单点技术叠加，而是以数据要素、算法模型与算力底座为支撑的系统性变革，需要在政策牵引下形成可复制、可推广的融合路径。近日，国务院发展研究中心市场经济研究所副所长、研究员魏际刚和北京工业大学经济与管理学院教授、博士生导师王超联合发表文章，围绕推动“人工智能+制造”深度融合发展，提出“数字底座—能力内核—治理环境”协同推进策略。

文章认为，“人工智能+制造”正在重塑工业生产新范式，成为突破全要素生产率增长瓶颈的重要路径、培育新质生产力的重要引擎，也有助于行业、企业构建“模数共振”的内生增长机制，形成可持续竞争优势。未来，人工智能的技术演进也将驱动制造业体系重建。

制造业门类众多、工艺体系差异显著，文章认为未来制造业的重点行业可通过因业施策、分类推进实现差异化转型。其中，装备制造行业可聚焦智能研发、工艺优化与柔性生产组织；电子信息行业可通过突破设计验证效率与精密制造良率瓶颈，如在芯片与复杂电子系统的设计验证侧，可引入面向EDA（电子设计自动化）流程的机器学习与生成式方法，提升布局布线、规则检查与问题定位效率；原材料行业可推进全流程智能优化与安全风险预警，兼顾能效与稳态运行。

尽管“人工智能+制造”的深度融合是大势所趋且发展前景广阔，但文章也指出两者的深度融合仍面临现实挑战与结构性矛盾。一是由于制造业现场具有强耦合、多扰动、强约束等典型特征，对人工智能系统的实时性、可靠性与“失效安全（fail-safe）”要求高等，因此“人工智能+制造”的技术成熟度与工程鲁棒性仍是规模化应用的首要瓶颈。二是数据安全与合规治理压力上升，企业在“可用”与“可控”之间面临张力。三是复合型人才短缺与标准互操作不足叠加，形成了“扩散速度受限”的结构性约束。

怎样应对挑战、解决矛盾，推动两者深度融合？文章提出须构建“三层同构”的实施路径。一是夯实“数字底座”，以高质量数据与弹性算力破解瓶颈，总体上可按“标准化治理—高质量数据集—可信共享”三步推进。二是健全“能力内核”，以中试验证、评测基准与可解释性提升技术供给质量，针对工业场景“落地难、复用难、可信难”的共性问题，从中试平台、评测体系与可信机制三方面补齐能力短板。三是完善“治理环境”，以标准、安全与生态协同保障规模化扩散，围绕标准体系、风险治理与产业生态三条主线，降低互操作成本、明确责任边界、提升扩散效率。

【未经授权，严禁转载！联系电话028-86968276】