新征程智能制造发展的思考和建议

党的二十大报告提出，推动制造业高端化、智能化、绿色化发展。2023年9月，习近平总书记就推进新型工业化作出重要指示，强调把高质量发展的要求贯穿新型工业化全过程，把建设制造强国同发展数字经济、产业信息化等有机结合，为中国式现代化构筑强大物质技术基础。全国新型工业化推进大会做出了推进工业“智改数转”等重要战略部署。作为新一轮科技革命和产业变革的“起手式”，智能制造正处于蓄势突破的窗口期，正是行业相关部门、企业大有可为的发展时期。面向新征程，我们要深刻领会、准确把握全国新型工业化推进大会部署的丰富内涵、精神实质和实践要求，坚持将智能制造作为推进新型工业化、建设制造强国的主攻方向不动摇，推进我国智能制造迈向高质量发展新征程。

我国智能制造发展基础及面临挑战

智能制造供给能力不断增强

我国智能制造核心产业持续稳定发展。2022年，我国智能制造装备产业规模达到3.2万亿元，国内市场满足率超过50%，工业软件产品收入超过2400亿元，自主品牌工业机器人市场占有率提高至38%，制造业机器人密度达到392台/万人，位居全球第五。智能制造系统解决方案供应商达6000余家，其中主营业务收入超10亿元的超百家，服务范围覆盖90%以上的制造业领域，解决方案从设备级、产线级向企业级、产业链级拓展，在汽车、轨道交通、石化、钢铁、家电等行业形成一批达到世界先进水平的供应商。

智能制造应用水平全球领先

实施智能制造试点示范行动，引导各地建成近万家数字化车间和智能工厂。421家国家智能制造示范工厂产品研发周期平均缩短26%，生产效率平均提升29%，不良品率平均降低25%，碳排放平均减少12%。5G、人工智能等新技术在智能制造领域加速拓展应用，应用规模居全球前列。智能制造典型场景日益丰富，引导复杂的智能制造系统解耦成模块化、易复制的场景化应用，降低了智能制造的实施和推广门槛，越来越多的中小企业从“雾里看花”走向“主动出击”。据信通院数据显示，参与智能制造试点示范行动的中小企业比例已超过40%。

重视智能制造良好氛围基本形成

成立国家智能制造专家委员会，形成国家智能制造标准体系，累计发布国家标准394项，推动制定国际标准50项，引导超过8万家企业完成智能制造成熟度自评估。各行业各地区出台智能制造支持政策近300项，江苏“智改数转”、湖南“智赋万企”等政策取得积极反响。原材料、高端装备、消费品、电子信息等重点行业的智能制造发展路径更加清晰。区域协同、行业联动、企业主导的发展格局基本形成。

与此同时，我国智能制造发展仍面临挑战。首先，智能制造作为系统工程，涉及装备、软件、平台、网络、管理等多方面，对企业来说过于复杂，往往不清楚如何发力。各类新概念、新名词层出不穷，内涵互有交叉，容易让企业步入重复投入的“新概念误区”。其次，智能制造涉及的核心产业体系不明确，发展靶向性不足，工业设计软件、智能检测装备、工业母机、工业机器人等高端供给能力仍是短板，相关工作推进需要形成合力。最后，“点”上的突破未能化点成珠、串珠成链，单项装备的突破、单个场景或工厂的应用仍较为碎片化，试点示范在行业内复制推广难度仍然较高，解决方案仍需在标准化和非标定制之间找寻战略平衡。

关于发展智能制造的路径思考

大力推进工业数据要素化

数据作为新型生产要素，是智能制造发展的重要基础。如何实现数据的自由流动以破解复杂制造系统的不确定性，同时让数据要素变成有价值的资产，是现在制造业企业普遍关心的一个问题。德国去年发布的“制造-X”计划，将工业数据空间定位为“工业4.0”战略实施的数据基座，并在汽车行业推行Catena-X计划，率先探索构建去中心化的开源数据交换平台和数据生态系统。调研发现，我国大型汽车企业每年在数据治理及相关方向的支出普遍都是在千万元级，部分企业甚至超过亿元。企业痛点有若干个：首先，不知道哪些数据要存一天，哪些数据要存一个月，哪些数据要一直存着；其次，内部的“数据烟囱”需要打通和整合，点上的提升对整体效益的提升并不明显；最后，如何落实《企业数据资源相关会计处理暂行规定》，推动工业企业数据的流通和交易并将其资产化，路径仍不清晰。若采用类似公共数据的集中化运营管理的模式，似乎较难在工业里推开。

建议：要深入推进工业数据的分级分类治理，构建基于数据的全价值链管理体系；要提升工业领域数据安全保障能力，建设符合新技术趋势的工业数据安全技术防护体系；要构建自主工业数据空间，建立工业数据要素向资产化转化的技术和规则体系，针对工业分布式去中心化的特点，着力研发安全可靠的数据空间中间件和工具链，探索WEB3.0等新技术方向。

工艺数字化应成为关键突破口

工艺是制造业的核心技术，也是我们目前从制造大国向制造强国迈进的关键基础领域。《“十四五”智能制造发展规划》明确提出要以工艺、装备为核心构建智能制造系统。工艺知识的积累往往需要时间的沉淀、不断的试错和经验的总结。推进工艺数字化将有利于将工艺知识沉淀下来，与先进传感、人工智能等新技术的融合又为工艺优化迭代提供了新的可能。如，特斯拉(上海)应用知识图谱和机理模型，构建一体化高压压铸工艺参数自适应寻优模型，代替人工经验和物理试错获得更优工艺参数，解决创新工艺良率瓶颈。再以焊接工艺为例，焊接过程是一个瞬时动态非平衡过程，焊缝成形质量受各种因素动态影响，使得质量控制变得极为复杂。先进传感技术可以对各类焊接工艺参数进行高频采集。一线工程师多年积累的工艺知识和经验，可以让这些数据“活”起来，形成数字化工艺机理。人工智能深度学习算法等新技术可以帮助学习、分析、训练和推理，进而形成工艺机理算法模型，封装成工艺软件包或微服务组件，嵌入至边缘控制层对焊接工艺进行实时智能调优，提升焊接工艺的质量和安全。

建议：加强政策引导，在国家重点研发计划、智能制造试点示范行动、人工智能揭榜挂帅等工作中，加大对关键基础工艺数字化发展的引导支持，研发一批工艺数字化机理模型，推出一批工艺机理驱动的工业软件，打造一批工艺数字化整体解决方案，推广一批场景和工厂级应用；鼓励以智能制造系统解决方案供应商为纽带，推进先进工艺与装备、软件、网络的深度融合和示范应用，探索人工智能大模型与工艺设计、工艺参数优化等环节的融合创新。

装备数字化发展刻不容缓

《“十四五”数字经济发展规划》提出,，要大力推动装备数字化。全方位、宽领域、多层次推动装备数字化发展已刻不容缓。智能制造装备是智能制造系统的关键组成，是先进制造技术和数字技术的深度集成和融合。2022年，我国智能制造装备产业规模达到3.2万亿元，国内市场满足率超50%，但在工业母机、工业机器人、控制装备、检测装备等领域仍然有短板弱项需要弥补，而数字化正是我们对标学习、创新超越的重要途径。例如，华中数控大力推进新一代人工智能技术与数控机床的深度融合，推出的新一代智能数控系统具备自主感知、自主学习、自主决策、自主执行等功能，通过装备数字化发展带来品质、效率、可靠性、绿色化等多方面的提升。

建议：落实中央经济工作会议关于重点产业链高质量发展行动计划有关部署，大力推动工业母机、工业机器人等重点装备领域数字化发展；部署实施智能控制装备三年行动计划，针对嵌入式操作系统、工业通信协议、PLC等关键控制设备开展系统攻关部署；以智能检测装备产业创新中心建设为枢纽，构建智能检测装备产业发展生态体系。

工业软件成为核心引擎

工业软件是智能制造的大脑，核心是工业基因，本质是工业知识和数据的软件化。工业软件将逐渐向云边端协同化、模块化、集成化发展，技术融合、知识跨域成为了工业软件产业发展的重要变量。我们有望发挥我国制造业丰富应用场景和巨大市场优势，在部分工业软件领域实现弯道超车。目前有两个误区。一个是极致追求云化是片面的，只有端侧、边侧数字化进程加快，才有更多的“养分”向云端输送，云的价值才能够最大化。就像章鱼，60%的智慧在自主的爪子上，40%的智慧在大脑。另一个是嵌入式软件不受重视，认为不够“软”，是装备的一部分。未来软硬相依是大趋势，嵌入式软件及其相关内核、中间件虽然价值小，但牵一发而动全身，亟须加大创新投入力度。

建议：要坚持云边端协同发展，统筹谋划各类工业软件发展路径，加大针对嵌入式软件的支持力度；要以重点行业需求为牵引，发挥“首版次”等政策对工业软件的支持，扩大自主工业软件的应用，积极探索在功能集成、订阅服务、嵌入执行等几个方向换道超车的可能，形成供需良性互动的发展生态。

打造融合发展的工业网络基础设施

工业网络是智能制造的重要基础设施。目前，单一网络技术尚无法满足全场景的工业需求，4G、5G等移动通信技术以及各类工业现场总线技术均有各自的优势和短板。同时，我国采用的工业控制编程语言、通信协议几乎全部依循国外标准。需要融合5G、总线、TSN（时间敏感网络）等网络通信技术，突破工业通信协议的短板，构建面向异构系统的智能制造底层链接基座，实现复杂工业场景的高速度、低延时，可靠、安全的互联互通。

建议：要突破传统思维局限，高举融合大旗，创新开发融合多种网络通信技术的新产品和解决方案；要培养一批既懂通信又懂制造的工业网络通信系统解决方案供应商，成为制造企业与通信运营商之间的桥梁，能够为各行业制造企业的复杂、碎片化的网络需求场景研发供给定制化解决方案；要加强工业通信协议等关键共性技术的攻关和生态建设，带动各类网络产品和解决方案的创新。

自下而上“生长”工业互联网平台

平台的发展必然是自下而上的。通过积累足够多的工业数据、机理模型和边端、侧端解决方案，形成了良好的“根脉体系”，在此基础上依托数字技术构建平台，通过平台将边端、侧端的技术方案和能力“低代码化”或“标准化”，再去“向上”生长出不同的应用。这样基础扎实，才能深入应用到制造业，相对标准化程度较高，才有持续性的商业模式。

目前，国内有一批工业互联网平台拥有数字技术的积累，但缺乏制造业根脉，将非标定制的脏活累活交给“生态伙伴”，导致不接地气，平台本身无法形成成熟的商业模式。而有些智能制造解决方案供应商一直在做非标定制的项目，有较强的行业知识、经验和集成技术积累，但缺乏通过数字技术将非标准化解决方案转化成相对标准化产品的能力。

建议：要推动存量工业互联网平台转型升级，深耕行业需求，厚植制造基因，聚焦重点场景做深做透；要支持传统解决方案供应商和平台服务商开展协同创新，共同在非标定制化的项目里沉淀标准化能力，逐步转化可复制推广的产品和解决方案。

构建数字化供应链协同体系

供应链是推动智能制造发展的重中之重。《“十四五”信息化和工业化深度融合发展规划》中提出，要实施产业链供应链数字化升级行动。目前，供应链体系的建立大多还停留在基于产品的物流和基于供应链金融的资金流层面。而信息流仍需要进一步打通，如何通过对信息的协同共享，充分挖掘和利用信息流的最大价值，让研发、制造等能力在链中能够有效传导起来，值得深入挖掘。基于供应链开展的协同研发、工业电子商务、服务型制造、共享制造、数字化碳足迹追踪核查等新模式的探索还需要加强。京东工业在工业商品数字化、采购数字化、履约数字化等方面进行了积极探索，怡合达通过标准设定、产品开发、供应链管理、平台化运营，以数字化为驱动，致力于为自动化设备行业提供高品质、低成本、短交期的自动化零部件产品。

建议：实施制造业数字化供应链协同行动，支持重点行业建设供应链协同平台，依托有关重大专项，开展面向重点行业的数字化供应链关键核心技术攻关；依托智能制造试点示范行动、智能制造解决方案供应商揭榜挂帅等专项工作，开展智慧供应链试点示范和揭榜挂帅。

拓展数字化工业服务新“蓝海”

工业服务是发展智能制造新模式新业态的关键一环，也是具有巨大发展潜力的蓝海市场。当前，工业服务市场面临需求碎片化、供给分散化、标准缺失等问题。数字化技术能够帮助解决跨领域协同配合、跨地域资源调配等难题。通过设备及零部件的数字化全生命周期管理，知识图谱的建立，结合通用人工智能大模型、混合现实等技术，有望大幅提升工业服务售前、售中、售后等各环节的服务效率和价值，衍生出高价值应用及成长性企业。部分领军企业将提升服务环节的附加值作为数字化转型的重点方向。如中联重科中科云谷公司基于维修、例检、保养历史数据和专家故障诊断案例，结合大模型的语义理解能力与知识图谱的推理能力，打造AI专家诊断系统，提升从用户端到产品端的交互、感知、分析，改善服务质量，提高产品售后满意度。

建议：鼓励和支持制造业企业依托数字技术延伸拓展服务环节，培育专业数字化服务供应商，创新服务供给，支持将人工智能、工业元宇宙、混合现实等数字技术融入工业服务，探索新业态新模式，提升服务的附加值和竞争力。

/*本文部分内容（图片）来源于网络，若牵涉版权请联系删除。

——欢迎登陆www.zhuzaotoutiao.com发表您的作品