智能制造迈向自主化 　　

　　“建设制造强国的必由之路。”

　　“发展新质生产力、抢占新一轮产业工业革命制高点的重要引擎。”

　　“决定现代化产业体系质量与竞争力的核心抓手和战略支点。”

　　在4月2日举行的2026赛迪论坛上，与会专家们在回顾与展望智能制造发展历程时，引用了一系列掷地有声的字词且共识鲜明：智能制造的地位至关重要、不可撼动，并有望在“十五五”时期迎来从自动化向自主化的跃升。“未来，我国仍然要坚持智能制造主攻方向不动摇，以新一代人工智能(AI)和制造业深度融合为主线，以智能制造系统创新为着力点和突破口，着力补齐工业智能基础技术短板，统筹推进前沿探索和普及推广，全力打造虚实结合、自主进化、安全高效的智能制造升级版。”国家制造强国建设战略咨询委员会副主任、国家智能制造专家委员会主任苏波如是说。

　　从试点示范到规模推广：规上工业企业数字化改造覆盖率达89.6%

　　当前，全球产业格局深度调整，新一代AI加速突破。苏波表示，从2015—2025年，我国完成了以数字化转型推动制造强国建设第一个十年征程，逐步形成数字化、网络化、智能化并行推进的特色路径，智能制造从试点示范走向规模推广，从单点突破走向体系建设。

　　据苏波介绍，截至目前，我国规上工业企业数字化改造覆盖率已经达到89.6%，数字化设备的普及率达到57.7%；作为智能制造重要载体的工业机器人，产销量均超过全球其他国家的总和；机器人装机密度超过600台/年，是全球平均装机密度的3倍还多。光伏、动力电池、电动汽车等领域的系统解决方案均有突破，有力提升了“新三样”产品在国际市场的竞争力。与此同时，信息基础设施建设加速推进，已培育具有影响力的工业互联网平台340家，重点平台连接的工业设备数量超过1亿台套；人才队伍建设提速，累计发布近500个智能制造类的本科专业点；标准体系日益完善，迭代并发布4版国家智能制造标准体系建设指南，累计发布497项国家标准。

　　苏波进一步指出，AI的赋能作用已初步显现。随着AI与制造业深度融合，衍生离散型智能制造、网络协同制造、智慧供应链、智能运维等新模式、新业态相继出现。截至目前，我国已累计建成3.5万余家基础级、8200余家先进级、500余家卓越级和15家领航级智能工厂。据了解，中国石油化工股份有限公司镇海炼化分公司和中海石油(中国)有限公司海南分公司位于15家领航级智能工厂之列，为石化行业智能化发展树立标杆。

　　会上透露的一组数据印证了智能制造的价值：卓越级智能工厂产品的不良率平均下降45.4%，产品研制周期平均缩短29%，库存周转率平均提升27.1%，碳排放量平均降低19.3%，综合能耗平均降低17.9%。

　　从自动化迈向自主化：AI重塑传统产业生态

　　今年，智能制造再次迎来“高光时刻”。3月16日，国务院第十一次全体会议明确将“加快发展新一代智能制造”列为需要抓好牵引性、撬动性强的重点工作之一。智能制造迎来新一轮升级窗口。

　　“新一代智能制造的‘新’，关键在于自主化。”苏波指出，新一代AI正在从通用大模型走向行业大模型、工业智能体、具身智能，其与先进制造业的融合将形成新一代智能制造技术，成为新一轮工业革命的核心驱动力，把制造系统从依靠预设程序和人工经验驱动推向具备自感知、自决策、自执行、自适应、自学习、自我优化能力的新形态。

　　苏波进一步介绍了自主化会带来的变化：产品研发将更多依托虚拟仿真、生成式设计和数字孪生，缩短研制周期、降低试错成本；生产制造将加快形成“感知—决策—执行—反馈”闭环，推动装备和生产线由刚性自动化走向柔性重构、协同优化；工厂运营将依托工厂操作系统、工业软件、工业互联网和算力设施实现全流程贯通，带动质量管控、供应链协同、能耗管理和资源配置整体提升；产品形态和服务模式将持续演进，制造企业将由单纯生产者加快向全生命周期解决方案提供者转变。

　　国务院发展研究中心原副主任王一鸣持相同意见，他认为AI是新一轮科技革命的核心驱动力。大数据、大模型、大算力的深度融合和迭代升级，正在推动AI向自主学习、人机协同、增强智能和基于网络的群体智能方向发展，这会突破传统生产的可能性边界，带来深刻的变革和创新。

　　“对于石化等传统产业来说，AI正在重塑产业生态。”王一鸣进一步分析说，AI向传统产业领域的渗透，催生了人机共融的智能制造模式，大幅提升了制造系统的柔性和敏捷性。传统制造经常被概括为集中化、标准化、规模化，而智能制造正在向分布式、非标化、定制化方向发展，未来有可能是大规模的个性化定制。同时，智能制造对工艺流程和能耗的精准控制，也将推动传统制造方式绿色转型。

　　回顾过去一年，AI推动石化行业变革的步伐确实愈加有力且坚实：中国石化推出首位AI数字员工，并在广西南宁新阳站等全国40余座加能站同步试点上岗；中国石油自主研发并发布了我国首套地下地面一体化(油气藏—井筒—管网)动态仿真引擎软件——HiSimPro；中控技术股份有限公司开发的全球首个全自主运行工厂系统(FAOP)，在兴发集团旗下湖北兴瑞硅材料有限公司首次实现产业化应用，能实现自主感知异常、分析决策并精准执行调控，目前已成功接管复杂的氯碱生产全流程……

　　从“+AI”到“AI+”：要善用更要善治

　　近年来，AI的发展势头迅猛。特别是在《国务院关于深入实施“人工智能+”行动意见》《“人工智能+制造”专项行动实施意见》出台后，AI开始全面渗透工业应用场景。年初横空出世的“小龙虾”，代表着AI已经从生成式进化到执行式，再次加快了“AI+”落地的节奏。

　　随着AI技术日益成熟，石化等工业场景如何从引进AI转向用好AI?发展新一代智能制造还面临哪些堵点?苏波列举了3种情形：技术概念熟，但进入车间还不深；应用场景试点难以复制推广；企业有转型意愿，但不会转、转不起、不敢转等。“背后的深层原因在于工业知识积累还不够系统，工业数据还比较分散，软件模型与装备之间还没有真正打通，关键核心技术和高端供给仍存在短板。”苏波如是说。

　　为此，他提出4项具体措施。一是强化战略统筹和路线引导。进一步完善顶层设计，总结规律性认识和有效经验，研究提出新一代智能制造体系架构、发展路径和重点行业推进方案，把自主化升级的阶段目标、重点任务和实施节奏讲清楚。二是抓紧补齐关键核心技术和基础底座短板。坚持以应用需求为牵引，推动形成“数据—模型—软件—装备—场景”一体贯通的技术体系。三是以智能工厂为牵引，分级分类推进规模化应用。四是完善标准、数据、人才和开放合作生态。加快健全智能制造标准体系和评估体系，建设高质量工业数据集和公共服务平台，加快培养既懂制造又懂数字技术、AI复合型人才等。

　　另有值得关注的是，今年315曝光的GEO投毒事件为“AI+”敲响警钟。十四届全国政协委员、工业和信息化部原副部长王江平分析指出，AI存在内生风险、应用风险和衍生风险。内生风险源于技术本身，如模型“幻觉”、数据偏见、价值观“跑偏”及巨大的能耗。应用风险是指从内容生态的深度伪造、物理世界的自动驾驶安全，到人机交互的沉迷与就业冲击，风险正向经济社会稳定等宏观层面传导。衍生风险是指当AI系统能力不断增强时，可能引发的主权博弈、智能鸿沟扩大乃至由技术领先者单方面定义人类价值观等全球性挑战。

　　“当前AI治理的核心困境在于技术迭代的指数级速度与治理体系渐进式更新之间存在‘温差’与‘时差’。”王江平提出，治理AI，要为AI立规矩、定生涯、定使命：AI行动必须在法律、规范、标准的范围内；AI需解决痛点、难点，解放人类而非替代人类；坚守人的主体性，确保AI始终服务于人的根本利益与全面发展。

　　此外，王江平还强调了“人机对齐”的重要性，AI模型要和人的价值观对齐，包含价值对齐、制度对齐、哲学对齐3个层次，且应是持续的、动态的。