习近平总书记在中共中央政治局第二十次集体学习时强调，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。这一重要论断，为推动人工智能与制造业融合发展指明了方向。2026年1月，工业和信息化部等八部门联合发布《“人工智能+制造”专项行动实施意见》，为未来五年人工智能与制造业深度融合绘制了清晰路线图。在第十四届全国人民代表大会第四次会议首场“部长通道”集中采访活动中，工业和信息化部部长李乐成用“双向奔赴”这一形象的比喻，深刻揭示了人工智能与制造业融合发展的本质特征：不是简单的技术叠加，而是一场深刻的生产关系变革和产业范式重构。本文将从战略意义、优势机遇、现实困难、政策建议等维度，阐述如何推动人工智能与制造业实现更高水平的“双向奔赴”。
一、什么是“双向奔赴”，为什么要“双向奔赴”
“双向奔赴”的内涵可以从两个维度来理解：一端是人工智能技术供给侧的持续创新，另一端则是制造业应用需求的深度激活。技术供给端要推动“智能产业化”，即将人工智能技术转化为成熟的产业解决方案；应用需求端要加快“产业智能化”，即推动制造业全流程、全链条的智能升级。两者相互牵引、螺旋上升：应用需求倒逼技术突破，技术突破创造新的应用可能。这不是简单的技术叠加，而是一场深刻的生产关系变革和产业范式重构。
从“工具论”到“共生论”的认知跃迁，是我们理解“双向奔赴”的前提。回顾人工智能与制造业融合的历程，早期多以“技术工具”视角切入，AI作为辅助手段应用于质检、排产等单点环节。彼时的人工智能，更像是一把“锤子”，在制造业这座“房子”里寻找可以敲打的“钉子”。然而，当前AI大模型的技术突破正在重构人机交互模式，使机器具备自主感知、认知、决策和学习的能力，融合的内涵发生了质变。“双向奔赴”意味着，人工智能需要制造业的场景滋养和数据反哺，制造业需要人工智能的能力重构和价值跃升。
从国际竞争看，人工智能与制造业的融合绝非简单的技术应用拓展，而是关乎全球产业链重构的深刻竞争。全球制造业年产值超过16万亿美元，约占全球GDP的15%，通过人工智能技术对工业技术、知识、数据、人才等全要素重组，每带来1%的效率提升，就将创造年均超1600亿美元的经济增长。面对如此巨大的战略价值，世界主要国家和地区纷纷将人工智能作为重塑竞争力的核心领域，美欧发达国家相继出台国家级AI战略，国际工业巨头纷纷与人工智能企业加大合作力度。在这场关乎未来发展的全球竞争中，不进则退、慢进亦退。
从产业规律看，人工智能自诞生以来六十余年间历经数轮兴衰起伏，每一次浪潮都发端于激动人心的技术突破，却往往因无法落地而走向低谷。无论是早期的专家系统、神经网络，还是后来的深度学习，技术的喧嚣过后，缺乏真实应用场景和可持续商业模式的问题屡屡浮出水面。正如业界所反思的，人工智能此前多次经历“冬天”的根源，不在于技术本身不够先进，而在于未能与实体经济深度咬合，在封闭的实验室或虚拟场景中空转，最终难以为继。这一历史教训告诉我们，脱离产业土壤的技术之花终究难以长青。本轮人工智能浪潮能否走出“高开低走”的历史宿命，成败关键就在于能否与制造业实现真正的深度融合。制造业不仅提供了全球最为丰富、最具价值的数据场景，也为AI能力迭代提供了最为严苛、最为真实的检验场。可以说，只有将人工智能牢牢嵌入制造业这一国民经济的“筋骨”和“脊梁”，本轮浪潮才能真正摆脱“历史的周期律”，走出一条技术赋能产业、产业反哺技术的可持续发展之路。
从发展逻辑看，“人工智能+制造”不是一道可有可无的选择题，而是一道关乎生存与发展的必答题。制造业的各行各业都要拥抱人工智能，深度挖掘高价值应用场景，培育一批高水平典型应用，打造一批特色智能体。对于制造业而言，我国制造业正处在从“大”到“强”的关键跃升期，传统的成本优势正在减弱，资源环境约束日益收紧，迫切需要人工智能为其注入新动能、开创新空间，拥抱人工智能不再是锦上添花的选修课，而是决定其在全球竞争中能否保持优势，甚至能否存活下去的必修课。对于人工智能而言，制造业提供的不仅是海量的数据和应用场景，更是检验其技术成色、驱动其持续迭代的最优实践检验平台。两者一旦分离，制造业将错失转型升级的历史机遇，人工智能也将失去最坚实的产业根基。
二、在“双向奔赴”上我国有什么优势和战略机遇
在人工智能和制造业的“双向奔赴”上，我国拥有独特的双重优势，即完整的产业体系优势和超大规模市场优势。一方面，我国建成了全球规模最大、门类最齐全、产业配套最完善的制造业体系，成本与效率优势显著。2025年我国制造业增加值达34.7万亿元，占GDP的比重近25%，对全球制造业增长的贡献率近30%。另一方面，庞大的制造业企业和丰富的生产场景，为AI技术创新提供了海量数据支撑和广阔应用空间。我国拥有超600万家制造业企业，既有引领行业的龙头标杆，也有深耕细分领域的中小企业，是推进新型工业化的主体力量。两者叠加，形成了人工智能与制造业融合发展的独特“沃土”。
从供给端看，我国已形成完整的AI产业体系和坚实的基础设施支撑。我国算力规模全球第二，以5G、千兆光网为核心的“数字大动脉”实现全国有效覆盖。2025年人工智能企业数量超6000家，形成了涵盖基础底座、模型框架、行业应用的完整产业体系。我国企业推出的开源大模型下载量全球第一，大幅度降低了人工智能的使用门槛和成本，增强了人工智能的普惠性。我国人工智能专利数量已占全球总量的60％，生成式人工智能用户规模超过6亿人。国产大模型实现“高性能、低成本”关键突破，引领全球开源创新生态。
从应用端看，人工智能正在深刻改变制造业的生产方式和运行逻辑。截至2025年底，我国规上制造业企业人工智能技术应用普及率超30%。无人生产线、人机协同在车间、在工厂成为“潮流”，极大提升了设计、制造和质量检验等各环节的质效。在全国已建成的230余家卓越级智能工厂中，产品研发周期平均缩短28.4%，生产效率平均提升22.3%，不良品率平均下降50.2%，碳排放平均减少20.4%。这些数字在某种程度上反映出生产力的变革和生产关系的调整。智能终端更是走进了人们的生活，AI眼镜、AI手机、AI电脑潮品等爆款不断涌现，中国企业推出人形机器人300多款，超过全球半数。
从战略机遇看，智能经济正成为“十五五”时期的重要增长极。2026年政府工作报告首次将“智能经济”写入其中，智能经济被摆在更加突出的战略位置。国务院印发的《关于深入实施“人工智能+”行动的意见》明确提出，到2030年智能经济成为我国经济发展的重要增长极。“十五五”末人工智能相关产业规模将增长到10万亿元以上，这意味着人工智能将超越传统工具辅助的基本定位，加速向新型基础设施方向发展，全面重构产业组织形态和商业运行逻辑。
从政策环境看，工业和信息化部等八部门联合印发的《“人工智能+制造”专项行动实施意见》为融合发展提供了系统指引。该意见明确了到2027年的发展目标：推动3～5个通用大模型在制造业深度应用，推出1000个高水平工业智能体，打造100个工业领域高质量数据集，推广500个典型应用场景，选树1000家标杆企业。工业和信息化部启动的工业数据筑基行动着力突破工业数据“采、集、用”瓶颈，到2026年底培育一批行业数据合作联合体，建设重点行业数据可信互联平台，打造一批高质量、标准化、可流通的行业数据集。这些政策部署为人工智能和制造业的“双向奔赴”提供了坚实的制度保障。
三、在“双向奔赴”上我国也面临不少困难挑战
尽管“人工智能+制造”在政策推动下加速落地，但从实践来看，人工智能和制造业的“双向奔赴”在从单点试验走向系统重构的道路上，仍面临诸多结构性挑战。从全球范围看，工业AI的规模化之路并不平坦。麦肯锡研究显示，全球虽有88%的企业在不同程度上使用AI，但AI改善整体利润的案例仍较少见。EBIT（息税前利润）因AI提升超过5%，并已利用AI创造显著价值的企业仅占样本总量的6%左右。在制造业内部，分化尤其明显。AI视觉检测已在汽车、电子等行业大规模应用，但进入生产主流程、走向全链条智能化，仍困难重重。我国工业体系虽然门类齐全、场景丰富，但多数企业仍停留在“局部应用”阶段，距离全流程、系统性的智能化重构还有不小的距离。
在技术层面，现有AI能力与工业场景对精准性、稳定性和可靠性的高要求之间仍存在差距。工业制造环节对可靠性的要求极高，一旦AI在生产线上“出错”，代价就是整批次的产品报废。然而，当前通用大模型在逻辑推理与置信度平衡方面仍有短板、仍存“幻觉”现象，难以满足工业级应用的稳健性、精准性要求。与此同时，企业应用人工智能前沿技术成本依然较高，中小企业面临更大的落地压力。
在数据层面，工业数据“采不全、集不通、用不好”是AI落地面临最现实的瓶颈。工业设备常因传感器噪声、协议割裂、老旧设备数字化不足等因素形成“数据孤岛”，大量工业数据未被有效激活。企业间接口标准和数据规范差异明显，上下游数据难以实时流通，工业领域有影响力的数据治理平台也较为稀缺。高质量工业数据语料库的缺乏，直接制约了大模型在工业领域的训练和调优，使得不少AI应用停留于浅层辅助，难以深度融入生产工艺和业务流程。
在标准层面，智能化体系和数据交互标准的缺失，导致行业难以形成规模化、可复制的解决方案。当前不同厂商的设备和系统之间协议不统一、接口不兼容，一家企业投入大量资源开发的智能方案，往往难以在另一家企业直接复用，造成技术资源的重复投入和行业生态的低水平内耗。标准缺失还加大了中小企业的选择难度和采购风险，使它们在智能化浪潮中无所适从，进一步拉大了与头部企业之间的“智能鸿沟”。尽管国家和行业层面正在加紧推进智能制造标准化工作，但要形成覆盖各细分领域的完整标准体系，仍需要时间和系统性的顶层设计。
在产业生态层面，企业之间智能化水平差异大，中小企业普遍面临“不愿转、不敢转、不会转”的困境。我国拥有超过600万家制造业企业，其中绝大多数是中小企业，但它们的数字化基础和智能化能力参差不齐。不少企业受限于资金和技术能力，对AI应用投入产出比的判断缺乏清晰依据，既担心错失机遇又担心投入失败。调研显示，部分中小企业认为自身转型能力不足，缺乏数字化人才和资金支持，导致在智能化浪潮中陷入被动观望。行业级智能产业生态建设相对滞后，智能化的溢出效应尚未充分显现，产业整体的智能化升级缺乏系统性的方向牵引。
在人才层面，既懂人工智能又懂制造业的复合型人才极度稀缺，已经成为影响产业智能化推进的关键环节。部分企业在实践中感受到，拥有产业场景的实体企业不懂如何架构整合AI技术，拥有AI技术的科技企业不懂产业场景，使AI技术发展难以促进实体产业生产力和创新能力的提升。技术与场景之间存在衔接壁垒，导致AI赋能产业的“最后一公里”难以打通。随着人工智能与制造业加速融合，知识复合、跨界融合的智力需求呈现出爆炸式增长，但人才供给却远跟不上需求的步伐。培养能够贯通工程技术、数据智能与管理科学的复合型人才，成为加快AI赋能制造业必须跨越的关键关口。
四、大力推进“双向奔赴”的政策建议
针对当前人工智能与制造业融合中存在的技术差距、数据瓶颈、标准缺失、生态不均、人才匮乏等突出难题，需要从国家战略层面系统谋划、精准施策，打通“双向奔赴”的堵点卡点，以制度创新驱动技术创新与产业创新的深度融合，驱动科学、技术、工程之间的深度协同。
一是强化基础研究与关键核心技术攻关，补齐工业AI的底层能力短板。设立人工智能与制造业融合国家科技重大专项，聚焦工业场景下AI的稳定性、可靠性、可解释性等核心问题。针对通用大模型在工业应用中决策置信度不足等痛点，引导产学研联合攻关，开发面向制造流程的专用模型与算法，让AI真正“懂工艺、敢负责、可追溯”。鼓励龙头企业联合高校院所组建创新联合体，围绕高端装备、新材料、生物制造等战略性领域，突破一批“卡脖子”技术，形成自主可控的工业智能技术体系。
二是加快推进工业数据筑基行动，破解“采不全、集不通、用不好”的瓶颈。依托工业数据筑基行动，在重点行业建设数据可信互联平台，打造高质量、标准化、可流通的行业数据集。鼓励链主企业开放脱敏数据，建立行业级数据共享激励机制，对数据贡献方给予政策倾斜。加快推动数据资产确权、入表与流通交易，培育专业的工业数据服务商。通过隐私计算等技术手段，在保障数据安全的前提下实现跨企业、跨行业的协同建模。设立专项资金支持中小企业数据采集与治理，降低其数据应用门槛。
三是加快构建智能制造标准体系，推动解决方案的规模化复制与推广。针对不同厂商设备协议割裂、接口不统一的现实问题，由国家标准化管理机构牵头，联合行业协会、龙头企业，加快制定工业数据接口、模型互操作、智能体协同、安全评估等基础标准。选择部分重点产业链作为试点，发布“人工智能+制造”标准体系建设指南，明确分行业、分环节的智能化成熟度模型与评价方法，引导行业从“一事一议”的定制化开发走向场景可复用、方案可迁移的规模化推广。
四是分层次推进产业智能化，破解大中小企业智能鸿沟。对龙头企业，支持其建设行业大脑和工业互联网平台，输出智能化解决方案赋能产业链上下游。对专精特新中小企业，设立“人工智能+制造”数字化转型专项基金，通过“算力券”“模型券”“数据券”等方式降低应用成本。对小微企业，依托区域产业集群和公共服务平台，提供轻量化、标准化的智能工具。在重点城市和产业园区开展中小企业智能化诊断与免费培训服务，帮助企业找准切入点、迈好第一步。
五是多管齐下培养复合型人才，推动以发现为核心的科学、以发明为重点的技术、以建造为标志的工程三者之间的深度协同。构建“产业AI架构师”培养体系，将“人工智能+制造”复合型人才纳入国家急需紧缺人才培养计划，设立专项招生指标和奖助学金，破解复合型人才结构性短缺难题。支持高校与龙头企业联合建设现代产业学院、未来技术学院，开发贯通制造工艺、数据科学、智能算法的课程体系。实施“产业AI工匠”万人培养计划，面向制造业一线工程师、技术骨干开展AI技能轮训。建立灵活的人才流动机制，鼓励高校科研人员到企业担任“产业教授”，企业技术骨干到高校担任“实践导师”。
六是完善治理与安全体系，坚持发展与安全并重。建立工业领域AI应用的分级分类安全评估与认证制度。对涉及人身安全、关键工艺、核心数据的AI系统，实施强制性安全检测与备案管理。研发“安全智能体”等主动防御技术，建立工业AI应急响应与熔断机制，确保在异常情况下可迅速切换到人工接管模式。积极参与人工智能全球治理，推动工业AI标准互认与双边多边合作，营造开放、包容、安全的国际合作环境。
七是创新制度供给与政策工具，营造长期稳定的融合发展环境。树立更权威、稳定与明确的政策导向与政策预期。设立国家级人工智能与制造业融合产业投资基金，以市场化方式引导社会资本投早、投小。在自贸试验区、国家高新区等平台，探索“沙盒监管”“负面清单”等包容审慎监管模式，为新技术、新模式留足试错空间。建立跨部门的部际协调机制，定期评估政策效果，及时调整优化。通过制度集成创新，让政策红利真正转化为企业信心和发展动能。
总体来看，人工智能和制造业的“双向奔赴”，既需要技术创新层面的奋力突围，更需要制度供给层面的系统跟进。只有聚焦问题，坚持久久为功，以政策“组合拳”打通融合发展的筋脉，才能让人工智能这个关键变量真正转化为制造业高质量发展的最大增量，在全球产业竞争中书写中国智能制造的崭新篇章。
