9月20日，在合肥举办的以“新一代智能制造：AI创新与制造业发展范式变革”为主题的2026国家制造强国建设论坛，把制造业的关键词锁定在“落地”：产业面临的问题正从“要不要转”转向“怎么转、转不转得起”。
安徽省省长王清宪给出标志性判断：“对制造业而言，人工智能已从服务工具变为核心要素，正在对技术体系、生产模式、组织形态深刻重塑，正在重新定义制造业的底层逻辑。”从论坛释放的信息看，中国制造业的智能化转型已具备规模、数据与场景基础，但要真正兑现“智能一代”红利，仍需跨过短板、账本、底座与普及四道门槛。
产业坐标：规模全球第一，四块短板待补
工业和信息化部副部长辛国斌介绍，2012年到2025年，我国制造业增加值由17万亿元提高到34.7万亿元，高技术制造业增加值占规模以上工业增加值的比重由9.4%提高到17.1%，规模以上制造业企业人工智能技术应用普及率超过30%。苗圩给出国际对比：我国制造业增加值占全球比重由2012年的22.5%升至接近30%，美德日合计由32.2%降至26%，“从规模上已经实现了对三大制造强国整体的超越”。苏波补充，我国制造业规模连续16年全球第一，占全球比重近30%，与美德日韩英五强之和相当；已建成5.6万余家基础级、近1.3万家先进级、500余家卓越级和15家领航级智能工厂，全球238家灯塔工厂中，中国占103家、超过43%。
规模领先的另一面，是短板集中。苗圩直言，基础软件和大型工业软件、中小企业数字化转型、数据要素价值释放、复合型AI人才仍是短板。张立指出，工业数据“不愿共享、不敢共享”，通用大模型对工业知识、工艺机理掌握不足；中小企业“算力用不起、模型不会用、数据不敢用”；标准、治理与人才体系亦滞后。
辛国斌提出，要大力发展智能产品和服务，纵深推进“人工智能+制造”，夯实智能软硬件基础，筑牢网络和数据安全屏障。规模红利正走到“智能化”兑现的关键节点——数字化、网络化基础已全面铺开，但从“数字一代”迈向“智能一代”，差距与空间并存。“差距也意味着机会。”苗圩说。
落地账本：AI进车间，降本提效被量化
“常有人说工业大模型训练的数据量不足，其实一个具体的应用场景，只需要车间的数据就足以训练出好用的模型。”苗圩用宝武的实践回应：在宝钢股份一条取向硅钢生产线上，宝武与华为合作两年多，将凭炉长经验的炼铁炼钢改为大模型控制，涉及2万多个高炉参数，对2小时后铁水温度和硅素的预测命中率超过90%，一吨铁水节省燃料2公斤，“一座高炉一年降本超过1000万元”。
AI正从“试点”走向“产线”。张立介绍，中国一汽人形机器人“旗晓智”实现抓取、搬运、码放28秒循环作业，准确率99.8%；上汽通用五菱打通研发、供应、制造、营销全链条数据，整车成本降低5%到8%；杜宗亮团队与商飞、浪潮合作，将耗时三周的飞机结构网格划分与建模压缩到“不到一天”。
这些案例的共同点在于：AI的价值正从“工具替代”转向“系统优化”，降本、提效、提质均可量化，成为企业决策的硬依据，这是新一代智能制造走向产业化的关键信号。
换道机会：从数控到智控，工业软件的新赛道
国产高端数控系统仍不能满足市场需求。苗圩提出发展智控机床——智能传感器感知、智能算法计算、精度实时补偿，“这有可能让我们再一次换道超车”。他认为，操作系统、数据库等基础软件须集中力量统一布局，功能软件和应用软件鼓励差异化竞争；大型工业软件应产生于制造业企业，“而不是产生于软件企业”。
杜宗亮介绍了“智算力学”探索：让传统CAE工业软件从“人学软件”走向“软件理解人”；其问题是无关机器学习技术“串行与主流商软并行32核相比，仍有20倍的效率提升”，软件“越用越好使，越用越智能”。李培根提出，AI范式正从“文本生成”向“理解物理现实”转型，物理AI成为重要趋势。
圆桌对话上，黄培提出：与其在传统赛道追赶西门子、发那科，能否在智控新赛道换道超车，如同新能源汽车不再追赶传统发动机与变速箱？梁斌介绍，北航团队用十余年时间把五轴半数控曲面的加工理论“平面化”，“走出一条非模仿式的赛道”；王焱指出，高速加工引入后，力热耦合下的变形控制已超出人的反应周期。
在与会嘉宾看来，这是一个难得的窗口：在传统产品迭代的赛道上追赶很难，但以AI重新定义产品规则，中国具备数据、场景与工程能力的组合优势。
底座约束：算力与电力，两道绕不开的门槛
“Token的增速是这个时代最确定性的增量。”中科类脑董事长刘海峰测算，2030年对比2025年，Token增速至少百倍，算力消耗5年至少突破10倍，电力需求增长5倍、从1700亿度增至8000亿度。他提出“价值跃迁”链条：1块钱的电供给算力基础设施可产生20块钱的算力服务价值，跑出国产开源大模型则达130块钱；电的成本占比全生命周期中有望超过30%。他提出以“度电智能”衡量基础设施效能，通过“算电协同”匹配电力出力与算力负荷曲线，有望使电力成本降低20%；其Token工厂正向新疆、内蒙古等西部布局，为安徽汽车、家电产业赋能。
算力与电力，正成为新一代智能制造的“新基建账本”。谁能率先把电、算、模型三者打通，谁就能占据先手；西部绿电与东部制造场景的组合，正在打开新的产业空间。
“最后一公里”：从标杆到普及，绕开“试点陷阱”
苏波提出阶段性目标：力争到2030年，规模以上制造业企业基本普及数字化、网络化制造；到2035年，基本普及数字化、网络化、智能化制造。但他同时提醒，“有的技术概念很热，但进入车间还不深；有的应用场景能够试点，但难以复制推广；有的企业有转型意愿，但不会转、转不起、不敢转”。
黄培指出，当前AI应用仍存在“试点陷阱”——“试点都挺好，但真正批量应用就存在一些具体的问题”。梁斌提出，更大挑战是数据的集中使用与大模型的可解释性，“它还是一个黑匣子”；力控数据缺失制约着人形机器人在工业场景的落地。
张立建议推广按效果付费、节约分成等合作模式，“让企业看得见效果，算得清收益”。苏波强调不能用“一把尺子”推进：龙头领军企业建设领航级、卓越级智能工厂，中小企业从数字化、网络化基础做起，推广“小快轻准”方案，降低转型门槛和成本。
生态变量：跨界融合与复合型人才
跨界实践正在拓宽“AI+制造”的边界。北京大学药学院教授刘振明给出数据：我国创新药对外授权（Licenseout）去年达1370亿美元，全年预计超1700亿美元，“在整个出口当中能排前三”。中国科学技术大学教授江俊介绍，其机器化学家平台把高熵催化剂试错开发从理论上需1400年压缩到5周，“AI提供了一个让产业的真数据回到基础端的机会”。
人才是共同的关键词。苗圩提出建好卓越工程师学院、设置交叉融合课程，“让人才在真实的场景当中去成长”；苏波强调健全智能制造标准体系，加快培养既懂制造又懂人工智能的复合型人才。
未来十年窗口期：从“标杆示范”走向“规模普及”
“未来十年，是我国制造业实现智能升级、跨越发展的关键历史时期。”苏波表示，必须集中优势资源，打赢这场智能升级的战略决战，实现中国制造从“数字一代”向“智能一代”的跨越发展。张立亦认为，未来十年是制造业高质量发展与新一代智能制造变革交汇的战略机遇期，“必须保持战略定力，坚持新一代智能制造的主攻方向”。
政策方向明确、产业基础扎实、落地案例可量化、换道路径清晰，新一代智能制造正从“技术概念”走向“产业实践”。下一步的关键，在于算力与电力的底座支撑、中小企业的普及程度、复合型人才的供给三个变量。对制造业企业而言，与其观望技术路线，不如率先把AI嵌入研发、生产、管理、服务全流程，用“看得见的效果、算得清的收益”开启转型；对产业政策而言，则需把基础设施、标准、数据与人才机制统筹起来，推动智能制造从“标杆示范”走向“规模普及”。率先完成这一跃迁的企业和区域，将在新一轮产业竞争中占据主动。
审核：马国香 董琳 江金骐
校对：大海
