从“制造”到“智造”：数智化如何重构生产逻辑

如果说数字化转型的目标是“让机器代替人”，那么数智化的目标则是“让机器像人一样思考”——甚至比人更聪明。从“十四五”规划纲要中的“数字化转型”到“十五五”规划纲要中的“数智化”，一字之变，折射出中国制造业正在经历一场深刻的质变：不再只是将业务流程搬到线上，而是在数字化积累的沃土之上，让“智能决策”生根发芽。

据国家统计局公开数据，2025年我国数字经济核心产业增加值占GDP的比重已达10.5%以上，人工智能核心产业规模超过1.2万亿元，我国已成为全球人工智能专利最大拥有国。“十五五”规划纲要将“提升数智化发展水平”单独成篇，明确提出全面实施“人工智能+”行动，全方位赋能千行百业。政策的号角已经吹响，而真正的变革正发生在工厂车间里、生产线上、质检台前。

“AI重新定义钢铁”：宝钢的预测式制造实验

钢铁行业长期被视为“傻大黑粗”的重工业代名词，而宝钢股份在2025年底给出了一个颠覆性的答案。

面对传统个性化定制模式效率逼近极限的行业痛点，宝钢股份创新提出“AI驱动预测式制造”新范式。与传统订单驱动的被动生产不同，该模式通过“数据+AI”融合历史订单、专家经验与下游行业趋势，构建精准用户画像模型，预判潜在需求并形成“预订单”，提前完成资源配置与生产布局。据宝钢股份公开披露，当用户实际下单时，多数订单可快速匹配已产出的成品或半成品，交付周期缩短50%以上，从根本上解决了传统模式效率低、成本高的难题。

在工厂层面，宝钢建成了宝联登全栈式数智技术平台与数字孪生管控系统，生产异常处置效率提升50%以上。研发环节借助AI算法替代“专家经验+人工试错”模式，高牌号无取向硅钢研发实验量减少一半，预测精度超过95%。生产现场，高炉炉温预测大模型、机器视觉质量检测等AI应用全面落地，跨工序一体化排程模型使日排程效率提升70%，瓶颈工序切换次数下降30%。全球首创的SmartTPC技术实现铁水运输无人化。

更值得关注的是数智化带来的绿色效益。据宝钢测算，通过智能技术优化，硅钢产品升级两个牌号后，电网损耗可从7.7%降至4.4%，年节约电量相当于4个三峡电站的发电量。2025年11月，该项目入选工信部首批领航级智能工厂培育名单。这标志着“AI重新定义钢铁”已从愿景走向现实。

从人工质检到“零缺陷生产”：长安汽车的智能质量革命

如果说宝钢的故事是“AI驱动生产逻辑变革”，那么长安汽车的实践则是“AI重塑质量管控模式”。

在推进柔性生产过程中，传统制造企业普遍面临数据孤岛、数字化能力不足、质量成本高昂等难题，检验和审核等环节长期过度依赖人工。据长安汽车官方发布的信息，其数智工厂通过搭建质量智能体，实现了向“零缺陷生产”的跨越。

长安汽车构建了“点-线-面-体”质量AI智能体体系，打造人、机、料、法、环、测高效协同的质量数字化生态。在工位质量保证上，依托云网一体架构，建立了设备自检拦截、零件多状态防错、质量参数监控、质量抽检监控、控制地图拦截等五大能力，实现工位100%自检自拦截闭环。在区域质量控制上，依托双中台统一工具链采集与治理数据，以算法为核心支撑，通过智能体拦截算法模型，实现车辆过程拦截与精准分流。据企业公开报道，该工厂已获得工信部颁发的国家智能制造卓越级数智工厂资质。

长安汽车的转型目标是从原有的人工保障级质量管理模式向预防级质量管理转型，向客户交付零缺陷产品。这场质量革命的意义在于：AI不是简单替代“人”这个要素，而是重塑了“质量”这个目标——从“出了问题再补救”到“在源头就把问题消灭掉”。

极致柔性：中联重科与格力的“智造”突破

数智化的另一面是“柔性”——生产线能否像人的双手一样灵活切换产品？中联重科挖掘机工厂交出了一份令人惊叹的答卷。

工程机械行业产品种类多、单批次产量少，多品种、小批量生产带来的换产周期长、物料难齐套、成本管控难等问题长期困扰全球制造业。据中联重科官方发布，其挖掘机工厂建设了61条高度柔性化智能生产线，配备300余台自动物流AGV和280余台工业机器人，综合自动化率超85%，生产数据实现100%全流程采集追溯。更令人惊叹的是，当生产线从5吨级挖掘机切换到30吨级产品时，机械臂、输送线、检测设备可同步自动调整，全程无需停机，实现真正意义上的“换产零切换”。从一块钢板到一台整机仅需6.5天，平均每6分钟就有一台挖掘机下线。2025年11月，这座工厂成功入选工信部首批领航级智能工厂培育名单。

同样入选领航级名单的还有格力电器的金湾工厂。据格力电器公开报道，金湾工厂创下了每15秒下线一台空调的行业纪录，以100%的数字化覆盖率、超80%的整体自动化率树立了标杆。该工厂480米长的外机生产线上，103个工序中86个已实现自动化，原本需要70多人的产线现仅需约20人。在产品质检环节，AI检测已全面取代人工检测，通过两年运行采集了30多万个数据，将AI检测模型训练到能精准识别故障声音与异常噪音。

此外，美的旗下荆州洗衣机工厂以“工厂大脑”与14个智能体协同运作的架构，覆盖38个核心生产场景。据美的集团数智化白皮书披露，核心业务场景提效80%。这些领航级工厂的共同特征是从“单点自动化”走向了“全局智能化”，从“人去适应机器”转向“机器自适应于人”。

转型的另一面：不可回避的挑战与代价

在标杆案例的光环之外，数智化转型的真实图景远比想象中复杂。无论是先行者还是追赶者，都不得不面对以下几个层面的严峻挑战。

成本与回报的不确定性。 数智化改造需要巨额前期投入。中国软件行业协会发布的《制造业数字化转型发展报告（2025）》明确指出，人工智能专业化落地仍面临“投入产出比低”的问题，核心技术受制于人、供需方存在知识断层导致转型成效差、数字化复合型人才缺口大等障碍，使得相当一部分企业的数智化改造难以在短期内收回成本。麦肯锡于2025年年中进行的COO100全球调查显示，在年营收10亿美元以上的大型制造企业中，约三分之二的受访者表示其公司AI实施仍处于“探索或定点实施阶段”，仅2%的受访者表示AI已全面嵌入所有运营环节——这一数据揭示了全球范围内数智化从“试点成功”走向“规模复制”的巨大难度。

结构分化：大企业与中小企业的“数字鸿沟”。 《中国制造业数字化创新报告（2025）》蓝皮书揭示了当前转型中一个不容忽视的结构性风险：大企业凭借资金、技术优势持续领跑，与中小企业在数字化投入、转型成效上的差距再度扩大，“不会转”“没钱转”仍是中小企业面临的主要困境。截至2025年12月，全国规上工业企业中开展数字化改造的比例已达89.6%，数字化设备普及率达57.7%。然而，年营收在1亿元以下的制造企业中，实施系统性数智化改造的比例远低于这一平均值。这意味着，数智化的“马太效应”正在加剧——头部企业越跑越快，而尾部企业掉队风险上升，制造业内部的两极分化趋势将进一步拉大。

数据孤岛与数据质量问题。 数智化的核心是“数据驱动”，但许多制造企业的历史数据分散在ERP、MES、PLC等不同系统中，格式不一、标准各异、质量参差。《制造业数字化转型发展报告（2025）》指出，“数据标准缺失”是当前转型面临的核心痛点之一，集成与流通难度大，导致AI模型的预测精度大打折扣。即便是已经启动转型的企业，数据清洗的复杂程度也远超预期，“数据标准缺失”与“知识断层”相互叠加，使数智化改造难以真正落地。

人才短缺与组织阻力。 数智化不仅需要懂算法的数据科学家，更需要既懂生产工艺又懂数据分析的复合型工程师。《制造业数字化转型发展报告（2025）》将“数字化复合型人才缺口大”列为当前面临的突出挑战。这类人才在市场上极度稀缺，薪资成本高企，中小企业根本无力竞争。与此同时，一线工人对“机器换人”的抵触情绪不可忽视——从“人工质检”到“AI质检”的转变，涉及的不是简单的技术升级，而是整个岗位职责和技能要求的重构。技术转型若不能同步推进组织变革和员工再培训，很容易引发内部矛盾。

安全风险与系统脆弱性。 产线高度智能化意味着对网络和软件的深度依赖。一旦遭遇勒索病毒攻击、系统故障或网络中断，整条产线可能陷入瘫痪。2025年8月，英国汽车制造商捷豹路虎遭遇大规模网络攻击，工厂生产线在数小时内全面停摆，全球运营陷入瘫痪，导致利润折损约1.96亿英镑，英国新车产量暴跌24%，超过5000家相关机构受到冲击。这一事件深刻警示了工业数字化背后不容忽视的网络安全风险。此外，生产数据上云后，核心工艺参数、客户订单信息等商业秘密面临被窃取或滥用的风险。如何平衡“开放共享”与“安全可控”，是每一家转型企业必须回答的考题。

项目叫停：当数智化转型撞上现实高墙。 数智化的美好愿景与转型中的惨痛教训往往只有一步之遥。2025年11月，A股上市公司美腾科技宣布终止“智慧工矿项目”的资金投入。该项目拟投资8841.88万元，旨在开发智能工厂系统和工矿云系统，帮助工矿行业实现数字化和智能化转型升级。然而，由于下游煤炭行业整体下行、持续处于周期性调整底部，煤炭企业对于洗选环节信息系统和云产品的资本开支大幅降低，公司经重新论证后认为继续投入“必要性较低”，项目实际仅投入907.61万元便告终止。

同样在2025年11月，另一家上市公司元隆雅图发布了更加引人深思的公告：由于近两年AI技术的快速迭代和算法的持续优化，原设计的自购硬件软件投入方案难以适应技术发展需求，且采用算力租赁方式更具性价比，继续投入已不符合成本效益原则，公司决定终止数字营销业务系统建设项目。该项目原计划投资总额3.9亿元，实际投入尚不足计划的4%便进入终止阶段，剩余8257.61万元募集资金转为补充流动资金。元隆雅图的案例揭示了一个行业性的困境：在AI技术日新月异的今天，数智化转型方案可能在实施过程中就已“过时”——这是一个所有企业都难以回避的系统性风险。

反思：技术乐观主义需降温。 人民日报文章指出“数智化”是“数字化”与“智能化”的深度融合，这一方向无疑正确。但从政策文件到企业落地，中间横亘着组织、资金、人才、文化、技术迭代速度等多重鸿沟。正如麦肯锡COO100调查所揭示的，全球AI在制造业的应用整体仍处于“探索与定点实施”阶段。数智化不是买几台机器人、上一套MES系统就能完成的“交钥匙工程”，而是一场涉及全价值链的长期变革，需要企业在技术方案选择、人才储备、安全防护、组织变革等多个维度同步发力。那些已经跑通模式的企业值得尊敬，但它们的光环不应遮蔽转型路上的荆棘。

放眼全球：中国数智化在世界坐标系中的位置

理解中国数智化的进程，不能只局限于国内视野。在全球制造业数字化智能化的大棋局中，中国的位置极其独特——既有令人振奋的优势，也面临不容回避的短板。

规模领先，跻身全球制造强国第二梯队。 中国工程院战略咨询中心发布的《2025中国制造强国发展指数报告》显示，2024年中国制造业增加值占全球比重达27.71%，自2010年起稳居全球第一。报告综合研判认为，中国制造强国发展指数已与德国和日本处于同一区间，进入全球制造强国第二梯队，成为继美国、德国、日本之后第四个迈入全球制造强国行列的国家。

工业数字化水平居世界前列。 德国慕尼黑大学和咨询公司MHP联合发布的《2026工业4.0晴雨表》显示，中国以72%的工业数字化指数位居全球首位，领先美国、印度等主要经济体。报告特别指出，中国在数字孪生技术、人工智能、供应链透明度和自动化等方面的表现尤为突出。目前，我国已累计建成超过4万家智能工厂，超8000家5G工厂，工业互联网覆盖41个工业大类，71%的中国企业将AI深度融入生产流程，全球近半数“灯塔工厂”落户中国。世界经济论坛与麦肯锡联合发布的《全球灯塔网络》报告显示，截至2025年初，全球已有189家灯塔工厂，覆盖33个国家、35个行业。

路径差异：中国与世界主要经济体的对比。 在人工智能赋能制造业的政策路径上，各国呈现出显著的差异化治理逻辑。美国侧重技术创新与国家安全驱动，英国聚焦制度建设与监管生态构建，日本以“社会5.0”为指导强调技术服务社会，德国则围绕“工业4.0”战略推进人本可持续的智能制造转型。中国的路径则体现了“政府规划+市场协同”的鲜明特色——从“十四五”到“十五五”规划的数智化顶层设计，再到工信部为14个重点行业绘制的数字化转型“场景导航图”，中国的数智化转型具有更强的政策引导性和规模协同性。

值得注意的是，各国数字化转型的推进并非同步。学术研究表明，中国数字经济总体发展水平低于美德日，中国制造业投入数字化水平也低于美德日三国，但中国个别行业领域已实现相对优势。这意味着，中国虽在规模和推广面上领先，但在核心技术、工业软件、高端装备等“深水区”仍需持续追赶。

从“试点”到“规模”：全球共同的难题。 麦肯锡的调查数据揭示了一个超越国界的挑战：全球范围内，仅2%的受访制造企业表示AI已全面嵌入所有运营环节，三分之二的企业仍处于探索或定点实施阶段。这意味着，无论是在中国还是在美德日等发达国家，数智化转型都还没有真正跨越“试点困境”。全球灯塔工厂网络的转型经验表明，成功企业通过跨行业借鉴经验，可以在10至20个月完成转型，实现2至3倍的投资回报率，但这样的成功案例在全球189家灯塔工厂中仍属少数。

综合来看，中国在数智化转型中占据“规模领先、推广先行”的优势地位，但在核心技术自主可控、工业软件生态构建、中小企业普惠转型等方面，与美德等老牌工业强国仍有差距。“十五五”时期，如何将规模优势转化为技术优势、将推广广度转化为渗透深度，将是中国制造实现从“大”到“强”跃迁的关键命题。

走向“自主决策”的生产新范式——机遇与风险并存

回望这些标杆工厂的实践，可以清晰看到制造业数智化转型的三条核心路径。

第一，从“被动响应”走向“主动预判” ——宝钢通过需求预测模型形成“预订单”，将生产从“等订单来”变为“预先布局”。第二，从“人工保障”走向“预防级管控” ——长安汽车用质量智能体构建工位自检闭环，将质量问题的消灭关口前移。第三，从“单机智能”走向“全局协同” ——格力金湾工厂通过工业大脑统一调度数千台机器人，实现“看得见、算得准、调得快”的透明生产。

这三条路径背后贯穿着同一个逻辑：数智化的本质不是技术的叠加，而是生产逻辑的重构。然而，路径的正确性不等于执行的容易性。对于大多数企业而言，选择哪条路径、投入多少资源、如何衡量阶段性成果、如何管理转型阵痛，都是需要慎重决策的课题。全球范围内仅2%的企业实现AI全流程嵌入的现实表明，数智化从“明星案例”走向“普遍实践”，还有很长的路要走。

据工业和信息化部发布的《制造业数字化转型发展报告（2025）》显示，人工智能加速赋能数智化升级、高质量数据集成为企业转型关键抓手、转型生态向高效智能协同方向发展，是未来制造业数字化转型的三大核心趋势。与此同时，工信部等六部门还为钢铁、石化等14个重点行业绘制了企业数字化转型“场景导航图”，旨在帮助企业破解“不会转、转不对”的难题，推动制造业数字化转型从“零散探索”迈向“系统推进”。

中国的数智化之路，既不同于德国的“工业4.0”路径，也不同于美国“市场主导+技术驱动”的模式，而是在规模制造优势基础上走出了一条“政策引导+头部先行+产业互联”的独特道路。从全球视角看，72%的工业数字化指数位居首位、27.71%的制造业增加值全球占比、超4万家智能工厂——这些数字共同勾勒出一个正在加速追赶并逐步引领的“中国智造”轮廓。但真正的考验在于，能否将头部的灯塔照亮更多的中小企业，能否在核心技术层面实现从“跟跑”到“领跑”的跨越。

数智化的浪潮不会回头，但浪潮之下，有人乘风破浪，也有人被暗流吞没。中国的制造业，正在这场深刻的变革中重新定义“制造”二字的内涵——而这场变革的成功，最终将取决于我们能否在技术狂热中保持理性，在标杆神话中看见真实，在效率追求中兼顾系统的安全与可持续，在全球竞争中找准自己的坐标系。