2026年9月9日，中国工业互联网研究院院长鲁春丛在2026全球工业互联网大会上以《加快推进“AI+制造”》为题作主旨报告。
以下为报告全文
加快推进“AI+制造”
“AI+制造”深刻改变制造业生产模式和产业形态，人工智能这个“最大变量”，正加速转化为推进新型工业化的“最大增量”。习近平总书记指出，“要推动人工智能科技创新与产业创新深度融合，构建企业主导的产学研用协同创新体系，助力传统产业改造升级，开辟战略性新兴产业和未来产业发展新赛道”。制造业是立国之本、强国之基，是实体经济的主战场。我国制造业要实现全面领先，离不开工业互联网的全面应用、与时俱进，离不开“人工智能+”的技术赋能。
当前，以大模型为代表的新一代人工智能正加速从“数字世界”向“物理世界”延伸，前沿模型能力跃升推动工业智能体走向实用化，AI正从单点感知向全局认知与决策智能跨越，“物理AI”技术的突破加速了商业应用，为生产力整体跃升注入强劲动能。面对这一重大战略价值，美国、欧盟、日韩等主要经济体及全球科技巨头均在加速布局，国家间竞争已从“制造能力”比拼逐步聚焦到“智能能力”较量。在我国迈向制造强国前列的进程中，“AI+制造”蕴藏巨大发展潜力。推进新型工业化客观上要求人工智能技术实现深度赋能，我国拥有全球最完整、门类最齐全的工业体系，为AI提供了最宝贵的“全场景”应用土壤；同时，海量高价值的真实物理交互数据构筑了我国在国际竞争中难以复制的“非对称优势”。面对新一轮科技革命的汹涌浪潮，深入推进“AI+制造”，已成为应对未来挑战、构筑先进制造业长远竞争力的必然选择。
一、我国发展“AI+制造”具备坚实基础
我国坚持稳中求进，在政策、基建、技术及应用等方面构筑起推进“AI+制造”的系统性优势，从底层技术突破到产业规模化应用的发展基础不断夯实。
政策引领作用不断激发。国务院印发《关于深入实施“人工智能+”行动意见》，“十五五”规划纲要与2026年《政府工作报告》均明确强调抢占产业应用制高点、全方位赋能千行百业。《“人工智能+制造”专项行动实施意见》《工业互联网和人工智能融合赋能行动方案》接续印发，全面启动“工业数据筑基”“模数共振”以及人工智能应用服务商培育等专项行动。
数智基建提供坚实保障。工业级网络通信基座加速升级，截至2026年7月底，我国已建成5G基站超515万个，5G-A带来的确定性网络(TSN)与通感一体技术，有效满足了工业核心控制环节对“毫秒级极低时延”和“极高可靠性”的苛刻要求。算力枢纽向“绿”向“新”演进，全国智能算力规模爆发式增长至2185EFLOPS，位居全球前列，新建大型算力设施绿电应用占比加速迈向80%以上，为海量工业数据的实时处理与大模型落地提供了绿色高效的保障。
技术产业生态加速成势。基础大模型与开源生态日益繁荣，2025年我国AI核心产业规模达1.2万亿元，以通义千问、DeepSeek、Kimi等为代表的国产大模型矩阵已然成型，开源大模型全球累计下载量突破100亿次。具身智能产品快速迭代，2026年上半年我国人形机器人出货量超4万台(全球占比达97%)，并在多家主流车企的真实产线上批量“上岗”。相关企业持续壮大人工智能服务商队伍，培育了一批懂工业机理、善交付运营的复合型人才，如前线部署工程师(FDE)直达企业现场，端到端将AI产品接入用户真实业务系统，有效破解了AI技术与复杂工业场景间的工程化适配难题。
典型应用场景纵深拓展。应用广度持续跃升，2026年上半年规模以上制造业企业AI应用普及率已超30%，累计建成数万家各级智能工厂。同时，我国AI推理数据量首次超过训练数据量，标志着产业全面进入“训练与推理并重、应用驱动迭代”的新阶段。应用深度加速向核心环节渗透，工业大模型在钢铁、汽车、石化等重点行业的产品研发、微米级视觉质检、设备预测性维护、供应链动态协同等高价值场景中，完成了从试点验证向规模化落地的关键跨越。
二、推进“AI+制造”的“六级架构”
工业应用场景客观上形成了一个自下而上、贯穿OT(控制技术)与IT(信息技术)的“六级架构”。越往上层(L4—L6)越偏向信息化和“大脑”，AI技术在数据分析、资源调度等IT环境中较易发挥优势；越往下层(L1—L3)越偏向自动化控制和“小脑、四肢”，对毫秒级低时延、高可靠性和绝对确定性的要求极高。工业的底层逻辑始终是“稳定性优于激进性”，AI算法的“黑箱”特性使得其在OT核心控制环节的渗透仍面临巨大挑战。因此，要推动“大小脑协同”：以云端大模型作为“大脑”负责复杂推理，以边缘侧专业小模型作为“小脑”保障精准执行，自上而下渗透，自下而上支撑。
L1设备单元层(感知执行)：核心是单体设备智能化。软件形态为基础测控嵌入式软件；数据特征为微秒/毫秒级高频物理信号。
L2产线层(智能控制)：核心是产线级协同与排产优化。软件形态为智能控制与优化软件(FOS)；数据特征为多变量工艺机理映射数据。
L3车间层(监控优化)：核心是车间内要素智能调度。软件形态为生产执行与调度软件(MOS)；数据特征为闭环反馈的制造执行轨迹数据。
L4工厂层(制造管理)：核心是全局资源优化与智慧运营。软件形态为全局智慧运营软件；数据特征为支撑数字孪生的全局贯通数据。
L5企业层(经营管理)：核心是企业级智能决策。软件形态为大模型驱动的经营管理软件(EOS)；数据特征为打破孤岛的强业务属性决策数据。
L6生态层(产业协同)：核心是产业链价值共创。软件形态为产业协同平台；数据特征为多方互信的共享数据。
三、“AI+制造”企业应用的“六大任务”
加快推动“AI+制造”，需把握其基本特征，按照“场景牵引、技术适用、一体赋能”的体系化思路，从设备、产线、车间、工厂、企业到产业生态，逐级推进“AI+制造”实践。
任务一：装备是根本
智能装备是人工智能与制造业融合的物理载体与执行终端。没有智能化的躯体，再聪明的AI也无法干预物理世界。一方面，要推进传统装备的“唤醒”与升级。针对海量存量老旧设备，加快加装智能传感器、边缘智能网关和支持AI算力的智能控制器，让传统的“哑设备”具备数据采集和端侧推理能力，实现从被动维修向预测性维护的跃升。另一方面，要突破核心智能部件，抢抓具身智能发展机遇。集中力量攻克多模态感知融合、高精度运动控制等技术，大力发展高负载、高精度的工业机器人。特别是要推动人形机器人在复杂装配、危险环境巡检、物流搬运等工业场景的先导应用，实现AI大脑与机械躯体的协同演进。
任务二：算力和网络是基础
海量工业数据的实时处理和大模型的规模化应用，对算力与网络提出了前所未有的要求。必须破解“联不稳”“算不快”的数字基建瓶颈。在网络端，随着高清视觉质检、柔性制造的大量应用，对网络带宽和时延提出了刚性要求。要构建“端—边—云”扁平化、控网算一体的新型工业网络。在算力端，要按照“产业云行业部署、企业云按需部署、边缘云实时响应”的架构，打造“三云”协同的智算能力。边缘云部署在生产现场，实现就近计算；企业云承载生产调度，辅助决策；产业云提供大模型训练等大算力服务。通过三云互联，实现算力的分层、协同与高效利用。
任务三：互联是前提
AI要有“米”下锅，首先要解决“采不上”“看不懂”的数据源头难题。当前工业现场仍存在严重的互联阻碍：老旧机床用传统串口，新产线用千兆网口；西门子走Profinet协议，施耐德用Modbus，“万国牌”设备如同“方言”各说各话。推进互联互通，重点要推动“人机料法环测”等工业全要素的泛在互联。不仅要在物理层面打破封闭，让所有设备都能说上“普通话”，更要在语义层面实现深度贯通。ERP里的“订单”、MES里的“工单”、SCADA里的“批次号”往往指的是同一件事，要构建标准化信息模型与工业语义字典，弥合语义断层，让AI真正理解数据背后的业务逻辑和工艺机理。
任务四：数据是关键
在推进工业智能应用中，“七分在数据、三分在模型”。当前许多通用大模型缺乏真实的工厂运行数据，对实际生产指导意义有限。必须深入实施工业数据筑基行动，将“脏活累活”变成高价值数据资产。重点要建设三类高质量数据集：一是反映供需波动与实体信息的“产业链数据集”；二是反映资源优化与财务状况的“企业运营数据集”；三是反映设备状态与工艺参数的“企业生产数据集”。例如，中国工业互联网研究院联合汽车、铝、煤机装备等龙头企业开展高质量数据集建设；牵头建设的产业链培育服务平台，已形成覆盖全国6000多万家企业的基础数据库，并对企业进行产业链精准定位，为产业分析和强链补链提供了坚实的数据底座；依托国家工业互联网大数据中心，大力推进工业可信数据空间建设，破解企业“不愿供、不敢供”的顾虑。
任务五：场景是牵引
解决“用在哪”“怎么用”的难题，必须坚持“找场景”与“造场景”并重，大力发展工业智能体。针对工业场景高实时、高可靠要求，要构建“大小模型协同”的架构，以云端大模型负责复杂推理，以边缘侧专业小模型保障低延迟精准执行。工业智能体是推动制造业从数字化向智能化跃升的关键引擎。要分层部署：L1级部署故障诊断智能体；L2/L3级部署工控代码生成与柔性物流智能体；L4/L5级部署决策辅助与风控预警智能体；L6级部署生态协同智能体，最终形成“感知—决策—执行—反馈”的全链路闭环。例如，中国工业互联网研究院自主研发了融合大模型与检索增强生成(RAG)技术的工业AI助理，并构建了专业测评体系，完成了近200家国内外企业大模型能力评估。同时，打造人工智能赋能新型工业化供需对接平台，集聚3500家企业、超5000项优秀产品与资源，覆盖百余个典型应用场景。
任务六：安全是保障
“AI+制造”打破了传统物理隔离，带来了多元交织的新型风险。算法“黑箱”导致决策逻辑难以追溯，大模型“幻觉”可能引发错误的工艺参数下发，甚至面临对抗样本攻击和模型“投毒”，直接威胁生产安全。化解这些“看不清风险”和“防不住攻击”的顾虑，必须构建覆盖数据、模型、网络和终端的全方位、多层次安全防护体系。要实施工控网与AI应用网的分区隔离，推行零信任架构；部署工业安全大模型辅助威胁检测；通过知识库优化降低模型幻觉，添加内容标识确保可溯源，对训练数据进行全生命周期保护，确保AI在工业领域的应用始终“为人所用、为人所控”。
四、“AI+制造”的地方与企业实践
福建、江苏、山东等十余个省市相继出台地方配套政策，从算电协同、智能产业、科产融合、场景牵引等方面系统发力，形成了上下贯通、政企协同的政策“组合拳”，带动产业实践向纵深推进。中国工业互联网研究院基于广泛调研，结合六级架构理论与实践，总结梳理了我国“AI+制造”的21个典型场景、51个企业案例，来自辽宁、重庆、浙江、山东、江苏、广东、湖南、安徽、福建、江西、北京、上海、天津、湖北、河北、山西、甘肃、云南、广西、吉林等20个省及直辖市，覆盖了石油石化、钢铁、有色、医药、纺织服装、橡胶轮胎等流程型制造企业和3C、汽车、家电、装备制造、工程机械、通信、电子等离散型制造企业，以期能够为各地区、各行业及有关企业在推进人工智能与制造业深度融合过程中提供参考借鉴，助力厘清应用路径、复制成熟经验。
五、“AI+制造”的关键技术
AI在制造业规模化、深层次应用中仍面临一系列现实痛点。模型输出可靠性与可信度有待提升，大模型的“概率性”与工业控制的“确定性”存在矛盾；决策过程的“黑箱”特性及“幻觉”现象让企业不敢在核心控制环节轻易托付。落地面临双重适配困境，通用大模型难以理解复杂的工业机理，与现有OT/IT系统集成难度大；同时，工业场景高度碎片化，导致定制化成本高企，标准化产品难以复制，供需双方商业模式存在错位。数据采集标注与优质数据获取不易，海量存量老旧设备“聋哑”、通信协议“七国八制”导致数据汇聚困难；能够反映真实生产问题的异常工况、故障数据等高质量“长尾”样本极度匮乏。这些问题的本质在于通用人工智能技术与制造场景专用需求之间需要深层适配。模型构建需要工业机理知识注入与确定性约束，训练数据需要统一工业语义底座和高质量数据集供给，智能应用需要面向碎片化场景的低成本适配能力，智能装备需要对生产环境的主动感知和自主交互。
为破解这些难题，必须构建起工业智能的技术体系，我们认为需要大力发展新一代智能制造、工业大数据、工业智能体、具身智能、工业本体模型等关键技术，推动AI从“生成数字内容”加速迈向“理解并作用于物理世界”。
新一代智能制造技术：包括具备自适应与自诊断能力的智能装备、深度融合AI的先进制造工艺、满足极低时延与高可靠性的新型工业网络，以及具备自学习能力的智能工业软件(机理模型)。例如，吉利汽车应用智能工业设计软件，将新车型底盘结构设计周期缩短30%；镇海炼化依托机理模型实现催化裂化装置实时优化，年创效超千万元。
工业大数据技术：解决工业数据多源异构、长尾样本不平衡的“数据瓶颈”。涵盖数据资源汇聚、多模态数据治理(清洗对齐)、数据增强标注、基于数字孪生的数据合成技术，以及保障“数据可用不可见”的可信流通技术。例如，国家电投针对海上风电极端工况真实样本稀缺难题，结合物理机理模型生成高保真虚拟样本；中节能太阳能通过数据增强与闭环迭代，将光伏组件缺陷检测准确率稳步提升至95%。
工业智能体技术：以大模型为核心，融合工业知识的自主智能系统。核心在于数据与知识增强(将隐性经验转化为可执行约束)、多模型融合路由(大模型规划+小模型执行)、决策控制分层优化，以及云边端全要素融合协同。例如，江苏恒力化纤采用“大模型统筹分析+小模型现场执行”的架构，实现了丝锭缺陷的精准检测与根因分析；重庆海辰储能在涂布工序构建“感知-预测-优化-执行”闭环，将面密度调优时间缩短95%。
具身智能技术：使智能体具备物理交互能力。核心技术由单点感知演进为多模态融合感知、具身大模型认知决策、自适应智能运动控制、自然语言多模态交互，以及基于“仿真—真机”闭环的持续学习。例如，优必选工业人形
机器人已在极氪智慧工厂开展精密质检与柔性装配；美的集团总装车间引入多模态交互技术，一线工人通过语音和手势即可完成机器人调试，换产时间从3小时缩短至10分钟以内。
工业本体模型技术：定义制造业全生命周期设备、工艺、物料等的统一语义，搭建起工业知识底座，支撑工业智能应用。通过本体建模、语义推理和认知对齐，解决“同名不同义”的数据孤岛问题，赋予AI可解释的逻辑推导能力，实现知识的结构化沉淀与复用。例如，在炉膛温度监测中，本体模型能理解“85℃”不仅是数值，更是偏高的“炉膛出口温度”，并自动沿语义链条推导关联的工艺参数与历史故障，将根因分析与全链追溯的效率由小时级提升至秒级。
推进“AI+制造”，不能追求炫技式的技术堆砌，要从“小场景、小切口”出发，扎扎实实地解决工厂里的实际问题，创造真金白银的经济效益。2025年，我国制造业增加值达到34.7万亿元，通过“AI+制造”每带来1%的效率提升，就将创造年均超3400亿元的经济增长，发展潜力巨大。中国工业互联网研究院正全力建设人工智能赋能新型工业化供需对接平台、全国数字工品公共服务平台、工业数字化碳管理平台以及产业链培育综合服务平台等公共服务平台，助力智能技术在真实产线上“摸爬滚打”，打造全国示范标杆。我们愿与各界一道，推动“AI+制造”在更广范围上普惠赋能、在更深程度上逐级推进、在更高水平上迭代创新，为加快推进新型工业化、迈向制造强国注入源源不断的强劲动能。
原标题：加快推进“AI+制造”
营销推广
智造直播
网络课堂
智造APP
智能制造网APP
智能制造网手机站
智能制造网小程序
智能制造网官微
智能制造网服务号
浙公网安备 33010602000006号