摘 要:中国制造业的多样性是创新质变的前提条件，智能制造成为人工智能赋能制造业的创新范式。制造业涌现性创新的本质，在于人工智能系统与制造系统之间形成具有内生能力的复杂适应性网络，是制造业系统在数字智能注入下发生的相变跃迁。创新涌现的实现机制在于人工智能的核心要素——数据、算法、算力在制造业中的技术共振。人工智能赋能制造业的关键路径是构建“锚定关键核心技术”的技术梯度攻坚体系、“链主+专精特新”的产业链融合共生体系，以及适应“非线性涌现”的靶向化敏捷治理体系。
关键词:制造业 智能制造 人工智能 智造强国
【中图分类号】F421 【文献标识码】A
当前，世界经济形势复杂严峻，制造业日益成为大国战略博弈的重要领域。主要发达国家纷纷布局智能制造产业，以工业机器人、人工智能、工业大数据、工业互联网等新一代信息技术为关键支撑，推动制造业转型升级。这一竞争态势已突破传统贸易领域，正逐步演变为在国家战略和产业政策支持下，旨在重塑全球产业格局的深层次系统性竞争。
2015年5月19日，国务院印发《中国制造2025》，这是我国实施制造强国战略第一个十年的行动纲领。十年来，这一战略的核心原则不断调整优化，逐步与构建“双循环”新发展格局、实现关键领域自主可控、推动科技自立自强等国家战略重点深度契合。站在2025年这一关键节点，智能制造已成为制造强国建设的主攻方向，其发展水平直接关乎我国制造业质量提升和竞争力重塑[1]。
从制造大国迈向智造强国，不仅是一场技术突围与产业升级的深刻变革，更是支撑中国经济长期稳定发展、保障国家安全和提升战略能力的重要基石。
制造业创新质变的前提条件
我国制造业发展取得历史性突破，实现规模与质量的双重跃升。经过多年发展，我国用几十年时间走完发达国家几百年的工业化历程，工业增加值从1952年的120亿元增加到2023年的39.9万亿元，总体规模连续14年居全球第一位，全球产业门类最齐全，产业体系最完整，产业链、供应链韧性和竞争力持续提升；在500种主要工业产品中，有四成以上产品产量居全球第一位。2023年，我国制造业增加值占国内生产总值比重26.2%，占全球比重约30%，成为全球工业经济增长的重要驱动力。[2]2024年新质生产力稳步发展，规模以上工业中，装备制造业增加值比上年增长7.7%，占规模以上工业增加值比重为34.6%；高技术制造业增加值增长8.9%，占规模以上工业增加值比重为16.3%。[3]
我国制造业发展呈现出显著的多样性特征，为创新质变提供重要基础。与高质量发展的要求相比，我国制造业发展仍存在供给适配性不高、创新能力不强、应用深度广度不够、专业人才缺乏等问题，同时作为制造大国，必须高度重视当前我国制造业的多样性，这是创新质变的前提条件。
多样性一般被定义为构成经济复杂体系所必需的参与者、活动和对象的数量，关于多样性在经济发展中的作用，可以从两个方面来进行探讨，一是多样性增加是长期经济发展的必要条件，二是多样性增长（带来新行业）以及现有行业中的生产率增长，是经济发展中的互补而非独立的方面。[4]经济多样性既体现在产品群的大小和内部差异程度上，也体现在产品群的多少和产品群的相邻程度上。按照复杂性涌现的思维，经济复杂度取决于产品之间的技术邻近性，多样性个体之间的互动是新奇创生的基础，跨产业知识溢出比专业化更易激发创新。因此，产品群的大小、多少就成为判断创新质变发生的主要依据。一个部门内部产品群的集合，定义该部门的创新性程度，内部产品群越大，意味着技术外溢性越强、产品复杂程度越高和产业链越长。对一个经济体而言，如果经济结构复杂、部门具有多样性且内部产品群集合多，不仅意味着创新质变程度高，而且意味着进一步发生质变的潜在概率大。[5]
我国制造业正在经历体系化重构，推动产业生态发生深刻变革。相互作用的多样化集合会产生结构性变迁，在规模基础方面，组件单元数量增加形成“可能性空间”的指数级扩张。制造体系包含从原材料、零部件到技术服务的全产业链要素，相当于构建了海量技术组合的排列矩阵，远超离散工厂的创新能力。在交互网络方面，组件间的非线性交互创造“连接价值”。一般来说，简单交互仅传递动能，复杂交互将催生系统智能，制造业中产学研用的协同网络，会使技术、人才、资本产生化学反应。在质变跃迁方面，当制造业各个行业的关键参数突破临界阈值，会发生单个企业无法实现的质变，系统性质发生非连续性跃迁，如同水在100℃时从液态突变为气态，创新系统在特定条件下会涌现出超越组分简单叠加的新能力。制造业的质变本质上是通过体系建构打破创新守恒定律，当组件数量与交互复杂度突破临界值时，系统将自发产生超越设计者预见的变革能量。中国的“链长制”、德国的“工业公地”战略，都是通过体系重构逼近这个质变奇点。未来十年，全球制造业竞争的本质，将是体系完备度的竞赛。
人工智能赋能制造业的创新范式
党的十八大以来，面对日益复杂的国际环境，我国始终把发展的着力点放在实体经济上，以实体经济为底座重构现代化治理思路，坚持以科技创新引领现代化产业体系建设，大力发展数字经济，推动人工智能、物联网、区块链等高新科技与我国互联网相关产业加速结合，助力各行各业实现实数融合。大国制造向高端化、智能化、绿色化快速推进，工业经济增长质量进一步提升。截至2025年3月，共346款生成式人工智能服务在国家互联网信息办公室完成备案，人工智能产业规模突破7000亿元，连续多年保持20%以上的增长率。[6]
人工智能技术发展，正推动制造业迎来智能化转型的关键时期。随着生成式人工智能、量子计算、脑机接口等技术的逐渐渗透和加速迭代，人工智能逐渐迎来产业化的临界点，智能制造成为人工智能赋能制造业的创新范式，是观察21世纪产业革命的核心窗口。所谓“智能制造”，是信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统和模式的总称，本质上是数据驱动的制造业范式革命，其经济价值不仅体现为效率提升，更在于重构价值创造逻辑，即从规模报酬递减的物理世界跃迁至数据报酬递增的数字空间。
智能制造之所以成为人工智能赋能制造业的创新范式，关键在于它通过数据、算法、算力三大核心要素的深度融合，重构制造业的生产逻辑、决策机制和价值创造模式。这种重构不仅打破传统制造业依赖经验与固定流程的局限性，更催生出一种具有自感知、自决策、自优化能力的生产系统，推动制造业从“自动化”向“智能化”的转变。
数据要素在智能制造中发挥着基础性作用。传统制造业的数据使用停留在统计报表等事后分析层面，而智能制造通过数据要素化，实现采集密度、处理深度、流通广度三个层面的跃升。数据要素作为全新生产要素，具有共享性、非排他性、可复制性、边际效益递增性等特征，是推动制造业智能化的动力源和关键支撑。在算法方面，传统制造系统依赖中央控制，而群体智能算法支持设备自主协商，形成“去中心化”的弹性生产网络，边缘计算与实时算法使控制周期从分钟级压缩至毫秒级，实现“感知—决策—执行”的瞬时闭环。在算力方面，传统工业计算依赖本地服务器或工控机，而智能制造的算力架构呈现边缘化、异构化、网络化趋向，算力从“集中式计算”发展到“云边端协同”的泛在化。当工业物联网设备每毫秒都在产生海量数据，当深度学习算法开始自主优化生产参数，当边缘计算将实时决策能力部署到车间终端，一个全新的制造范式已然形成。智能制造不再停留在概念阶段，而是通过数据要素的资产化、算法能力的工程化、算力体系的分布式演进，构建起具有自感知、自决策、自执行能力的智能生产系统。
人工智能赋能制造业的实现机制
在智能制造领域，创新的发生和发展并不总是线性渐进的，往往会在特定时间段内集中爆发，人类历史上几次著名的“科技浪潮”或“科技革命”，正是这种爆发性的集中呈现，创造性破坏“并不是偶发性的破坏，而是持续性的、一浪催生一浪的破坏大潮”[7]。作为第四次技术革命的标志，人工智能的非线性创新模式在智能制造领域将尤为显著。当数据、算法、算力构成的“技术三角”突破临界点后，制造业的创新不再遵循“发现问题—解决问题”的线性路径，而是通过创新涌现，形成指数级创新浪潮，是重大技术创新飞跃的骤升状态。
涌现现象是复杂系统演化过程中的重要特征。所谓“涌现”，“是高度创造性科学网络中的一个循环过程，它在特定的时间范围内展示了定性的新颖性、定性的协同作用、趋势的不规则性、高功能性和连续性等方面。”[8]非线性相关的参与者数量越多，涌现的可能性就越大，增加组件单元的数量可能会增加出现更高级别属性的可能性。即使系统元素的结构、性质、行为规则等都很简单，也可能产生极为复杂的整体结构、性质和行为。[9]交互是寻找涌现的核心问题，复杂系统中个体的交互产生了更高级别的属性，而组件之间交互的复杂性可能是导致创新涌现的另一个变量。[10]因此，如果从复杂适应性系统的视角出发，涌现现象的出现本身就是非线性系统逻辑的结果，“是从许多参与者的交互行为中产生的整个系统的行为，它不能从系统元素的独立行为知识中预测到”[11]。
制造业涌现性创新，源于人工智能与制造系统的深度融合。制造业涌现性创新的本质，在于人工智能系统与制造系统之间形成具有内生能力的复杂适应性网络，是制造业系统在数字智能注入下发生的相变跃迁。人工智能技术的渗透，使制造业创新从“企业单点突破”转向“生态协同进化”，形成具有自组织、自适应、自增强特征的创新网络。网络是由大量组分组成的，网络的节点之间相互勾连、相互影响、相互制衡，并通过学习和进化产生适应性。网络的价值来源于其所有部分之间的交互，网络的整体行为从这些交互中产生。
技术共振是实现创新涌现的关键机制，这一机制体现在人工智能核心要素——数据、算法、算力在制造业中的协同作用。技术共振包括“数据-算法”的闭环、“算法-算力”的耦合，以及“数据-算力”的共生。在人工智能的赋能过程中，工艺优化产生新数据，促使训练产生更优算法，算法的提升进一步优化工艺，实现“数据-算法”的闭环，不断触发知识爆炸。算法与算力也通过边际成本重构、生产可能性边界扩展、市场结构演化，实现“算法-算力”的耦合，不断突破物理极限。当海量数据规模突破泽字节（ZB）级时，算力不再是简单的基础设施，而是演化为数据价值的时间机器——通过压缩决策时滞、解锁隐藏关联、预判价值衰减曲线，实现“数据-算力”的共生，将数据要素的时空价值贴现率推向爆发式增长。通过数据、算法、算力之间的技术共振，涌现出新功能、新模式、新业态、新利基，获得新的价值升值与竞争活力。技术共振的协同效应突破传统生产函数的线性约束，这种涌现性创新不仅改变经济增长轨迹，更重塑人类对制造本质的理解——从“精确执行预设程序”到“自主探索未知可能”。
人工智能赋能制造业的关键路径
作为全球制造业领域第四次工业革命的顶尖实践者，“灯塔工厂”（Lighthouse Factory）目前代表全球智能制造的最高水平，其核心特征是大规模应用人工智能、物联网、数字孪生等前沿技术，并在生产效率、可持续性、敏捷性等方面取得突破性成果。灯塔工厂既侧重于单个工厂或车间内部技术、工艺和管理等流程的先进性，也强调端到端价值链打通的先进性，还关注绿色可持续领域的先进性，呈现出多维细分的特点。截至2025年1月，全球“灯塔工厂”已连续发布8年共计13批次，累计数量达到189家，我国有79家，占比约42%，总量位居世界首位,充分展示了中国制造业的强劲实力，彰显出“中国制造”向“中国智造”的升级跃迁。[12]
尽管中国灯塔工厂在数量上领先，折射出数字经济时代“市场规模×技术迭代×制度创新”的新型竞争优势，但真正的较量在于能否将工厂级创新转化为产业生态级进化。目前，我国在人工智能赋能制造业过程中，还存在一些结构性矛盾。例如，一些高端工业软件国产化率并不高，存在随时断供风险；头部灯塔工厂具有虹吸效应，获得的政府专项补贴占绝大多数，而中小企业的数字化普及率则存在断层；在区域分布上，灯塔工厂主要集聚在东部和南部地区，长三角、珠三角地区尤其集中，其他地区则相对较弱。因此，如何放弃“政策输血—短期达标”的旧逻辑，紧紧抓住布局新质生产力的战略窗口期，构建成熟、完整的创新生态系统，实现制造强国，具有重要意义。
构建“锚定关键核心技术”的技术梯度攻坚体系。关键核心技术是在技术系统中占据核心地位的战略性高端技术，对维护国家科技安全及塑造全球竞争优势产生战略性影响。当前，我国关键核心技术的占有率还不高，如宁德时代虽为全球最大动力电池生产商，但电池管理系统核心算法仍依赖美国矩阵实验室（MathWorks）仿真工具链，外部断供风险会引致企业的重大价值损失。关键核心技术具有显著的正外部性和知识溢出效应，资金投入非常大，私人投资往往低于社会最优水平，因此，通过科技金融支持技术产业化的多为政府工信、国资等部门，实施工业软件“揭榜挂帅”专项，国家实验室主导，增强自主人工智能生态系统的适配度。同时，以国内巨大的市场需求为牵引，启动备份替代计划，将上游关键核心技术突破与下游市场需求进行捆绑，扩大政策补贴范围，促进重点技术产品在工业领域的普及应用，精准引导技术和市场的高效动态匹配，进而推进国产化替代，加快完善梯度攻坚体系，实现关键核心技术供给从“木桶短板”到“长板引领”的战略转型，为智造强国建设提供核心支撑。
构建“链主+专精特新”的产业链融合共生体系。我国经济持续回升向好除了依托领军企业、核心企业进行关键核心技术攻关，还需要依托产业链上下游企业相互配合，尤其是专精特新企业的支撑。专精特新企业是指那些具备专业化、精细化、特色化、新颖化特征的中小企业，这些企业在细分市场长期深耕，超六成“小巨人”企业深耕工业基础领域，近八成企业分布在重点产业链环节，九成企业至少为3家国内外知名大企业直接配套，积极参与关键核心技术攻关和重大工程，是创新的生力军。人工智能、大数据、云计算和区块链为代表的技术革命，为广大中小企业发展带来前所未有的历史机遇。截至2025年4月，我国已累计培育400余家人工智能领域国家级专精特新“小巨人”企业。[13]在上下游产业链发展中，链主企业作为产业链治理核心，承担技术标准制定、资源整合和风险缓冲职能，通过“非对称性互补”与专精特新企业形成纵向控制与横向协作关系，链主企业发展的架构创新能力，要将专精特新企业的组件创新整合为系统解决方案。专精特新企业则依托隐性知识壁垒，聚焦“深度专精”能力，在利基市场形成技术垄断优势和不可替代性，通过模块化嵌入链主生态，形成“强链主+强节点”双强结构的创新生态系统，实现产业链关键环节的补链、固链和强链。
构建适应“非线性涌现”的靶向化敏捷治理体系。制造业高质量发展、自主可控、自我循环的愿景，对治理方式的革新提出更为严苛的要求。在不确定性日益增加的数智化时代，事先订立完备的规则以及明确责任归属变得极为困难，需要在允许试错和实验的同时，更新大水漫灌式治理体系，建立适应“非线性涌现”的靶向化敏捷治理体系，以更精准、更适配的治理方式应对不断变化的“创新涌现”。这种治理方式意味着要求治理主体具有较高的调整能力，能够运用更灵活的政策制定和公共治理流程来提高系统的灵敏程度，而不被传统的制度框架和路径依赖所裹挟，本质是将制造业治理从“机械维修”模式升级为“生物进化”模式。在这种治理模式中，治理目标从“最优控制”转向“适应性演进”，赋予多元决策者“负责任的自由裁量权”，激发多元利益相关者的创新活力和积极性，推动多元治理主体持续学习，通过自上而下和自下而上的双向有机参与，推进跨层级、跨组织、跨区域的创新融合与业务协同，完善新型举国体制，充分体现“有为政府”“有效市场”的动态平衡，形成强大的治理合力，共同应对复杂多变的不确定性，推动治理体系朝着更加开放、民主、高效、创新的方向发展，使人工智能赋能制造业的进程突破结构性桎梏，在“创造性破坏”中实现制造强国的历史性跨越。
【本文作者为北京理工大学国家治理研究院研究员，北京理工大学教授；本文系研究阐释党的二十届三中全会精神国家社科基金重大专项：“构建高水平社会主义市场经济体制的主要内涵、标准体系和实践路径研究”（项目编号：24ZDA007）；北京市社会科学基金重点项目“基于算法的数据资本垄断及其规制研究”（项目编号：23KDA006）的阶段性成果】
注释略
责编：冯一帆／美编：石 玉