数智赋能实现从“制造”到“智造”

提要

制造业智能化升级是抢占未来产业制高点的战略举措，企业亟需通过智能化转型实现从“制造”到“智造”的跨越。面对制造业智能化升级的迫切需求，应从打造可信工业数据空间、培养复合型智能制造人才、建立智能化升级效益评估体系和推动终端产业创新四个方面协同发力，推动制造业高质量发展。

当前，数字技术与制造深度融合已成为大势所趋。尤其是人工智能的迅猛发展，已经开始赋能各行各业。面对日益激烈的国际竞争，传统制造业面临多重挑战。制造业智能化升级不仅是应对挑战的必然选择，更是抢占未来产业制高点的战略举措，企业亟需通过智能化转型实现从“制造”到“智造”的跨越。面对制造业智能化升级的迫切需求，需要采取系统性措施，精准施策，从打造可信工业数据空间、培养复合型智能制造人才、建立智能化升级效益评估体系和推动终端产业创新四个方面协同发力，为制造业注入新活力，推动制造业高质量发展。

打造可信工业数据空间

制造业智能化升级的一大挑战是“数据孤岛”问题。产业生态中企业之间信息系统割裂，数据难以整合，严重制约人工智能技术应用效果。工业数据空间作为解决方案，通过可信安全的数据共享环境实现“可用不可见”的数据开发，采用联邦学习架构可以使企业无需共享原始数据即可贡献训练结果，保护商业机密的同时提升模型性能。该空间可按行业细分专业数据池（如精密制造、电子组装等），企业按需接入获取定制化模型优化服务。例如50家电子组装企业各贡献1000小时生产数据，即可形成5万小时训练样本，支撑高性能端侧大模型开发，预计提升生产效率10%-15%、降低不良品率20%-30%。深圳等地一些龙头企业已开始联合上下游建立垂直领域数据共享机制，通过标准化接口实现跨企业协同。

可信工业数据空间的构建关注数据标准化、隐私保护等问题。建议采取四项措施：制定统一数据标准确保兼容性，建立贡献评估机制实现权益分配，开发安全审计工具防止数据滥用，构建价值评估体系激励共享参与。其成功运营将形成“数据积累-模型优化-企业增效”的良性循环，推动制造业向数字化、网络化、智能化转型。这种数据、技术、应用三位一体的生态体系，正成为智能制造升级的核心引擎。

培养复合型智能制造人才

制造业智能化升级面临人才不足挑战。兼具人工智能与制造工艺知识的复合型人才数量还不能满足需求，成为制约大模型开发与应用的瓶颈。应推行“AI工程师”专项培养计划，由教育部门与工信部门协同推进，在职业院校设立“AI+制造”专业，课程融合人工智能基础、模型压缩技术、嵌入式开发及制造工艺知识，通过项目实践强化技能。企业需建立“师徒制”培养机制，联合高校共建实训基地，提供真实生产场景训练。

培育高水平复合型智能制造人才还需构建职业认证体系与在职教育机制。可设立初、中、高三级“AI工程师”资格认证，涵盖理论考核、实操评估和项目经验评审，为企业选才提供标准。推广“订单式”培养模式，由企业定制人才需求，院校定向输送。针对在职工程师，开设聚焦应用场景的强化培训课程，助其快速掌握AI技术。系统化培养体系的构建可有效缓解人才短缺，为制造业输送兼具技术实施与现场问题解决能力的复合型智能制造人才，推动制造业智能化转型进入快车道。

建立智能化升级效益评估体系

制造业智能化升级存在投资回报评估难题。中小制造企业因缺乏科学效益评估方法，难以衡量智能化投入的长期收益，导致投资意愿不足。建立专业化评估体系是破局关键，应由政府主导，联合行业协会和科研机构共同建设。具体来说，工业和信息化部门可牵头制定评估标准框架，根据产业特点进行落地，在重点工业园区设立实体评估中心。相关联合会、协会等行业组织可提供专业诊断报告和行业基准，负责案例收集与经验推广。评估模型需覆盖生产效率、质量改善等反映直接效益的指标，以及品牌价值、员工技能提升等反映间接效益的指标，通过多维分析降低决策风险。评估中心可联合高校开发大数据分析工具，基于历史案例建立预测模型，提升收益估算精度。

推动终端产业创新发展

传统“云端智能”模式虽功能强大，但网络依赖性较强、数据安全风险较高、实时性不足，以中小企业为主体的制造业，数字化基础设施建设水平参差不齐，技术升级意愿存在显著差异，全面数字化转型面临较高门槛。端侧大模型技术的出现为制造业智能化升级提供了新思路，实现了人工智能能力从云端向终端设备的迁移，使本地化运算和决策成为可能。其低延迟特性保障实时决策需求，本地计算架构降低数据传输成本，内置隐私保护机制确保核心工艺数据安全。端侧大模型通过模型压缩、知识蒸馏和量化技术等先进方法，实现了对人工智能模型的轻量化处理，使其能在计算资源受限的终端设备上高效运行。其“轻量级”特性与中小企业需求高度匹配，可针对特定生产环节实施“精准智能化”，投入成本可控，效益显现周期短，更易获得企业认可，为中小企业提供了渐进式升级的可行方案。一些龙头企业正在探索构建“端边云协同”的新型技术架构——将轻量级决策功能部署在生产设备端，中等复杂度分析处理置于工厂边缘服务器，高复杂度模型训练和优化依托云端计算资源，既确保生产过程实时响应能力，又充分利用云端强大算力资源。

端侧大模型技术的应用离不开终端产业的支撑。推动终端产业创新发展，不仅能为制造业智能化升级提供技术基础，也能形成新的经济增长点。推动终端产业创新发展需要政府、企业、科研机构多方协同：政府应加大对端侧AI基础研究和应用示范的支持力度；企业应加强协同创新，建立产业联盟，共同解决技术难题；科研机构应加强基础理论研究，为产业发展提供技术支撑。终端产业的创新发展将为制造业智能化升级提供强大动力，推动传统制造业实现数字化、网络化、智能化转型，焕发新的生机与活力。

（王忠：广东工业大学经济学院教授、副院长，大数据战略研究中心执行主任；王浩亮：广东工业大学经济学院讲师）

编辑白珊珊审读吴剑林二审王雯三审甘霖