摘 要:中國制造業的多樣性是創新質變的前提條件，智能制造成為人工智能賦能制造業的創新范式。制造業涌現性創新的本質，在于人工智能系統與制造系統之間形成具有內生能力的復雜適應性網絡，是制造業系統在數字智能注入下發生的相變躍遷。創新涌現的實現機制在于人工智能的核心要素——數據、算法、算力在制造業中的技術共振。人工智能賦能制造業的關鍵路徑是構建“錨定關鍵核心技術”的技術梯度攻堅體系、“鏈主+專精特新”的產業鏈融合共生體系，以及適應“非線性涌現”的靶向化敏捷治理體系。
關鍵詞:制造業 智能制造 人工智能 智造強國
【中圖分類號】F421 【文獻標識碼】A
當前，世界經濟形勢復雜嚴峻，制造業日益成為大國戰略博弈的重要領域。主要發達國家紛紛布局智能制造產業，以工業機器人、人工智能、工業大數據、工業互聯網等新一代信息技術為關鍵支撐，推動制造業轉型升級。這一競爭態勢已突破傳統貿易領域，正逐步演變為在國家戰略和產業政策支持下，旨在重塑全球產業格局的深層次系統性競爭。
2015年5月19日，國務院印發《中國制造2025》，這是我國實施制造強國戰略第一個十年的行動綱領。十年來，這一戰略的核心原則不斷調整優化，逐步與構建“雙循環”新發展格局、實現關鍵領域自主可控、推動科技自立自強等國家戰略重點深度契合。站在2025年這一關鍵節點，智能制造已成為制造強國建設的主攻方向，其發展水平直接關乎我國制造業質量提升和競爭力重塑[1]。
從制造大國邁向智造強國，不僅是一場技術突圍與產業升級的深刻變革，更是支撐中國經濟長期穩定發展、保障國家安全和提升戰略能力的重要基石。
制造業創新質變的前提條件
我國制造業發展取得歷史性突破，實現規模與質量的雙重躍升。經過多年發展，我國用幾十年時間走完發達國家幾百年的工業化歷程，工業增加值從1952年的120億元增加到2023年的39.9萬億元，總體規模連續14年居全球第一位，全球產業門類最齊全，產業體系最完整，產業鏈、供應鏈韌性和競爭力持續提升；在500種主要工業產品中，有四成以上產品產量居全球第一位。2023年，我國制造業增加值占國內生產總值比重26.2%，占全球比重約30%，成為全球工業經濟增長的重要驅動力。[2]2024年新質生產力穩步發展，規模以上工業中，裝備制造業增加值比上年增長7.7%，占規模以上工業增加值比重為34.6%；高技術制造業增加值增長8.9%，占規模以上工業增加值比重為16.3%。[3]
我國制造業發展呈現出顯著的多樣性特征，為創新質變提供重要基礎。與高質量發展的要求相比，我國制造業發展仍存在供給適配性不高、創新能力不強、應用深度廣度不夠、專業人才缺乏等問題，同時作為制造大國，必須高度重視當前我國制造業的多樣性，這是創新質變的前提條件。
多樣性一般被定義為構成經濟復雜體系所必需的參與者、活動和對象的數量，關于多樣性在經濟發展中的作用，可以從兩個方面來進行探討，一是多樣性增加是長期經濟發展的必要條件，二是多樣性增長（帶來新行業）以及現有行業中的生產率增長，是經濟發展中的互補而非獨立的方面。[4]經濟多樣性既體現在產品群的大小和內部差異程度上，也體現在產品群的多少和產品群的相鄰程度上。按照復雜性涌現的思維，經濟復雜度取決于產品之間的技術鄰近性，多樣性個體之間的互動是新奇創生的基礎，跨產業知識溢出比專業化更易激發創新。因此，產品群的大小、多少就成為判斷創新質變發生的主要依據。一個部門內部產品群的集合，定義該部門的創新性程度，內部產品群越大，意味著技術外溢性越強、產品復雜程度越高和產業鏈越長。對一個經濟體而言，如果經濟結構復雜、部門具有多樣性且內部產品群集合多，不僅意味著創新質變程度高，而且意味著進一步發生質變的潛在概率大。[5]
我國制造業正在經歷體系化重構，推動產業生態發生深刻變革。相互作用的多樣化集合會產生結構性變遷，在規模基礎方面，組件單元數量增加形成“可能性空間”的指數級擴張。制造體系包含從原材料、零部件到技術服務的全產業鏈要素，相當于構建了海量技術組合的排列矩陣，遠超離散工廠的創新能力。在交互網絡方面，組件間的非線性交互創造“連接價值”。一般來說，簡單交互僅傳遞動能，復雜交互將催生系統智能，制造業中產學研用的協同網絡，會使技術、人才、資本產生化學反應。在質變躍遷方面，當制造業各個行業的關鍵參數突破臨界閾值，會發生單個企業無法實現的質變，系統性質發生非連續性躍遷，如同水在100℃時從液態突變為氣態，創新系統在特定條件下會涌現出超越組分簡單疊加的新能力。制造業的質變本質上是通過體系建構打破創新守恒定律，當組件數量與交互復雜度突破臨界值時，系統將自發產生超越設計者預見的變革能量。中國的“鏈長制”、德國的“工業公地”戰略，都是通過體系重構逼近這個質變奇點。未來十年，全球制造業競爭的本質，將是體系完備度的競賽。
人工智能賦能制造業的創新范式
黨的十八大以來，面對日益復雜的國際環境，我國始終把發展的著力點放在實體經濟上，以實體經濟為底座重構現代化治理思路，堅持以科技創新引領現代化產業體系建設，大力發展數字經濟，推動人工智能、物聯網、區塊鏈等高新科技與我國互聯網相關產業加速結合，助力各行各業實現實數融合。大國制造向高端化、智能化、綠色化快速推進，工業經濟增長質量進一步提升。截至2025年3月，共346款生成式人工智能服務在國家互聯網信息辦公室完成備案，人工智能產業規模突破7000億元，連續多年保持20%以上的增長率。[6]
人工智能技術發展，正推動制造業迎來智能化轉型的關鍵時期。隨著生成式人工智能、量子計算、腦機接口等技術的逐漸滲透和加速迭代，人工智能逐漸迎來產業化的臨界點，智能制造成為人工智能賦能制造業的創新范式，是觀察21世紀產業革命的核心窗口。所謂“智能制造”，是信息深度自感知、智慧優化自決策、精準控制自執行等功能的先進制造過程、系統和模式的總稱，本質上是數據驅動的制造業范式革命，其經濟價值不僅體現為效率提升，更在于重構價值創造邏輯，即從規模報酬遞減的物理世界躍遷至數據報酬遞增的數字空間。
智能制造之所以成為人工智能賦能制造業的創新范式，關鍵在于它通過數據、算法、算力三大核心要素的深度融合，重構制造業的生產邏輯、決策機制和價值創造模式。這種重構不僅打破傳統制造業依賴經驗與固定流程的局限性，更催生出一種具有自感知、自決策、自優化能力的生產系統，推動制造業從“自動化”向“智能化”的轉變。
數據要素在智能制造中發揮著基礎性作用。傳統制造業的數據使用停留在統計報表等事后分析層面，而智能制造通過數據要素化，實現采集密度、處理深度、流通廣度三個層面的躍升。數據要素作為全新生產要素，具有共享性、非排他性、可復制性、邊際效益遞增性等特征，是推動制造業智能化的動力源和關鍵支撐。在算法方面，傳統制造系統依賴中央控制，而群體智能算法支持設備自主協商，形成“去中心化”的彈性生產網絡，邊緣計算與實時算法使控制周期從分鐘級壓縮至毫秒級，實現“感知—決策—執行”的瞬時閉環。在算力方面，傳統工業計算依賴本地服務器或工控機，而智能制造的算力架構呈現邊緣化、異構化、網絡化趨向，算力從“集中式計算”發展到“云邊端協同”的泛在化。當工業物聯網設備每毫秒都在產生海量數據，當深度學習算法開始自主優化生產參數，當邊緣計算將實時決策能力部署到車間終端，一個全新的制造范式已然形成。智能制造不再停留在概念階段，而是通過數據要素的資產化、算法能力的工程化、算力體系的分布式演進，構建起具有自感知、自決策、自執行能力的智能生產系統。
人工智能賦能制造業的實現機制
在智能制造領域，創新的發生和發展并不總是線性漸進的，往往會在特定時間段內集中爆發，人類歷史上幾次著名的“科技浪潮”或“科技革命”，正是這種爆發性的集中呈現，創造性破壞“并不是偶發性的破壞，而是持續性的、一浪催生一浪的破壞大潮”[7]。作為第四次技術革命的標志，人工智能的非線性創新模式在智能制造領域將尤為顯著。當數據、算法、算力構成的“技術三角”突破臨界點后，制造業的創新不再遵循“發現問題—解決問題”的線性路徑，而是通過創新涌現，形成指數級創新浪潮，是重大技術創新飛躍的驟升狀態。
涌現現象是復雜系統演化過程中的重要特征。所謂“涌現”，“是高度創造性科學網絡中的一個循環過程，它在特定的時間范圍內展示了定性的新穎性、定性的協同作用、趨勢的不規則性、高功能性和連續性等方面。”[8]非線性相關的參與者數量越多，涌現的可能性就越大，增加組件單元的數量可能會增加出現更高級別屬性的可能性。即使系統元素的結構、性質、行為規則等都很簡單，也可能產生極為復雜的整體結構、性質和行為。[9]交互是尋找涌現的核心問題，復雜系統中個體的交互產生了更高級別的屬性，而組件之間交互的復雜性可能是導致創新涌現的另一個變量。[10]因此，如果從復雜適應性系統的視角出發，涌現現象的出現本身就是非線性系統邏輯的結果，“是從許多參與者的交互行為中產生的整個系統的行為，它不能從系統元素的獨立行為知識中預測到”[11]。
制造業涌現性創新，源于人工智能與制造系統的深度融合。制造業涌現性創新的本質，在于人工智能系統與制造系統之間形成具有內生能力的復雜適應性網絡，是制造業系統在數字智能注入下發生的相變躍遷。人工智能技術的滲透，使制造業創新從“企業單點突破”轉向“生態協同進化”，形成具有自組織、自適應、自增強特征的創新網絡。網絡是由大量組分組成的，網絡的節點之間相互勾連、相互影響、相互制衡，并通過學習和進化產生適應性。網絡的價值來源于其所有部分之間的交互，網絡的整體行為從這些交互中產生。
技術共振是實現創新涌現的關鍵機制，這一機制體現在人工智能核心要素——數據、算法、算力在制造業中的協同作用。技術共振包括“數據-算法”的閉環、“算法-算力”的耦合，以及“數據-算力”的共生。在人工智能的賦能過程中，工藝優化產生新數據，促使訓練產生更優算法，算法的提升進一步優化工藝，實現“數據-算法”的閉環，不斷觸發知識爆炸。算法與算力也通過邊際成本重構、生產可能性邊界擴展、市場結構演化，實現“算法-算力”的耦合，不斷突破物理極限。當海量數據規模突破澤字節（ZB）級時，算力不再是簡單的基礎設施，而是演化為數據價值的時間機器——通過壓縮決策時滯、解鎖隱藏關聯、預判價值衰減曲線，實現“數據-算力”的共生，將數據要素的時空價值貼現率推向爆發式增長。通過數據、算法、算力之間的技術共振，涌現出新功能、新模式、新業態、新利基，獲得新的價值升值與競爭活力。技術共振的協同效應突破傳統生產函數的線性約束，這種涌現性創新不僅改變經濟增長軌跡，更重塑人類對制造本質的理解——從“精確執行預設程序”到“自主探索未知可能”。
人工智能賦能制造業的關鍵路徑
作為全球制造業領域第四次工業革命的頂尖實踐者，“燈塔工廠”（Lighthouse Factory）目前代表全球智能制造的最高水平，其核心特征是大規模應用人工智能、物聯網、數字孿生等前沿技術，并在生產效率、可持續性、敏捷性等方面取得突破性成果。燈塔工廠既側重于單個工廠或車間內部技術、工藝和管理等流程的先進性，也強調端到端價值鏈打通的先進性，還關注綠色可持續領域的先進性，呈現出多維細分的特點。截至2025年1月，全球“燈塔工廠”已連續發布8年共計13批次，累計數量達到189家，我國有79家，占比約42%，總量位居世界首位,充分展示了中國制造業的強勁實力，彰顯出“中國制造”向“中國智造”的升級躍遷。[12]
盡管中國燈塔工廠在數量上領先，折射出數字經濟時代“市場規模×技術迭代×制度創新”的新型競爭優勢，但真正的較量在于能否將工廠級創新轉化為產業生態級進化。目前，我國在人工智能賦能制造業過程中，還存在一些結構性矛盾。例如，一些高端工業軟件國產化率并不高，存在隨時斷供風險；頭部燈塔工廠具有虹吸效應，獲得的政府專項補貼占絕大多數，而中小企業的數字化普及率則存在斷層；在區域分布上，燈塔工廠主要集聚在東部和南部地區，長三角、珠三角地區尤其集中，其他地區則相對較弱。因此，如何放棄“政策輸血—短期達標”的舊邏輯，緊緊抓住布局新質生產力的戰略窗口期，構建成熟、完整的創新生態系統，實現制造強國，具有重要意義。
構建“錨定關鍵核心技術”的技術梯度攻堅體系。關鍵核心技術是在技術系統中占據核心地位的戰略性高端技術，對維護國家科技安全及塑造全球競爭優勢產生戰略性影響。當前，我國關鍵核心技術的占有率還不高，如寧德時代雖為全球最大動力電池生產商，但電池管理系統核心算法仍依賴美國矩陣實驗室（MathWorks）仿真工具鏈，外部斷供風險會引致企業的重大價值損失。關鍵核心技術具有顯著的正外部性和知識溢出效應，資金投入非常大，私人投資往往低于社會最優水平，因此，通過科技金融支持技術產業化的多為政府工信、國資等部門，實施工業軟件“揭榜掛帥”專項，國家實驗室主導，增強自主人工智能生態系統的適配度。同時，以國內巨大的市場需求為牽引，啟動備份替代計劃，將上游關鍵核心技術突破與下游市場需求進行捆綁，擴大政策補貼范圍，促進重點技術產品在工業領域的普及應用，精準引導技術和市場的高效動態匹配，進而推進國產化替代，加快完善梯度攻堅體系，實現關鍵核心技術供給從“木桶短板”到“長板引領”的戰略轉型，為智造強國建設提供核心支撐。
構建“鏈主+專精特新”的產業鏈融合共生體系。我國經濟持續回升向好除了依托領軍企業、核心企業進行關鍵核心技術攻關，還需要依托產業鏈上下游企業相互配合，尤其是專精特新企業的支撐。專精特新企業是指那些具備專業化、精細化、特色化、新穎化特征的中小企業，這些企業在細分市場長期深耕，超六成“小巨人”企業深耕工業基礎領域，近八成企業分布在重點產業鏈環節，九成企業至少為3家國內外知名大企業直接配套，積極參與關鍵核心技術攻關和重大工程，是創新的生力軍。人工智能、大數據、云計算和區塊鏈為代表的技術革命，為廣大中小企業發展帶來前所未有的歷史機遇。截至2025年4月，我國已累計培育400余家人工智能領域國家級專精特新“小巨人”企業。[13]在上下游產業鏈發展中，鏈主企業作為產業鏈治理核心，承擔技術標準制定、資源整合和風險緩沖職能，通過“非對稱性互補”與專精特新企業形成縱向控制與橫向協作關系，鏈主企業發展的架構創新能力，要將專精特新企業的組件創新整合為系統解決方案。專精特新企業則依托隱性知識壁壘，聚焦“深度專精”能力，在利基市場形成技術壟斷優勢和不可替代性，通過模塊化嵌入鏈主生態，形成“強鏈主+強節點”雙強結構的創新生態系統，實現產業鏈關鍵環節的補鏈、固鏈和強鏈。
構建適應“非線性涌現”的靶向化敏捷治理體系。制造業高質量發展、自主可控、自我循環的愿景，對治理方式的革新提出更為嚴苛的要求。在不確定性日益增加的數智化時代，事先訂立完備的規則以及明確責任歸屬變得極為困難，需要在允許試錯和實驗的同時，更新大水漫灌式治理體系，建立適應“非線性涌現”的靶向化敏捷治理體系，以更精準、更適配的治理方式應對不斷變化的“創新涌現”。這種治理方式意味著要求治理主體具有較高的調整能力，能夠運用更靈活的政策制定和公共治理流程來提高系統的靈敏程度，而不被傳統的制度框架和路徑依賴所裹挾，本質是將制造業治理從“機械維修”模式升級為“生物進化”模式。在這種治理模式中，治理目標從“最優控制”轉向“適應性演進”，賦予多元決策者“負責任的自由裁量權”，激發多元利益相關者的創新活力和積極性，推動多元治理主體持續學習，通過自上而下和自下而上的雙向有機參與，推進跨層級、跨組織、跨區域的創新融合與業務協同，完善新型舉國體制，充分體現“有為政府”“有效市場”的動態平衡，形成強大的治理合力，共同應對復雜多變的不確定性，推動治理體系朝著更加開放、民主、高效、創新的方向發展，使人工智能賦能制造業的進程突破結構性桎梏，在“創造性破壞”中實現制造強國的歷史性跨越。
【本文作者為北京理工大學國家治理研究院研究員，北京理工大學教授；本文系研究闡釋黨的二十屆三中全會精神國家社科基金重大專項：“構建高水平社會主義市場經濟體制的主要內涵、標準體系和實踐路徑研究”（項目編號：24ZDA007）；北京市社會科學基金重點項目“基于算法的數據資本壟斷及其規制研究”（項目編號：23KDA006）的階段性成果】
注釋略
責編：馮一帆／美編：石 玉