问题——服务型制造整体水平仍存差距、关键能力“卡点”突出。钱锋调研中指出，我国服务型制造与先进水平相比仍有较大提升空间，主要体现在变革性数智技术在工业场景的突破不够，高能级数智化平台供给不足，跨行业、跨企业的数据要素融合利用不充分，政策、标准、统计与考核体系之间协同不够。同时，部分关键软硬件仍存在对外依赖，工业操作系统、工业软件、高端传感器等领域的外部风险不容忽视；面向制造业的大模型在可靠性、精确度、可解释性等与工业级要求仍有差距，难以深入支撑研发设计、工艺优化、生产调度等核心环节。 原因——产业链基础薄弱叠加数据“孤岛”，技术供给与应用需求错位。一上，工业软件与工业操作系统复杂度高、迭代周期长、生态依赖强，需长期投入并依靠产业协同；高端传感器、智能感知等硬件涉及材料、工艺和供应链能力，补齐短板难以短期完成。另一上，制造业数据来源多样且异构，存采集标准不统一、治理体系不完善、标注成本高、长尾场景样本不足等问题，企业之间对数据共享仍有顾虑，数据价值难以在更大范围释放。，服务型制造覆盖研发、生产、采购、维保、运营等多环节协同，缺少统一的数智化底座与行业机理模型支撑时，容易出现“局部试点多、系统协同少”。 影响——关系制造业竞争力塑造与产业安全，也决定新型服务模式能否规模化。服务型制造是制造业从“卖产品”向“卖服务、卖方案、卖能力”升级的重要路径，直接影响企业附加值提升与全球竞争力构建。关键技术与平台能力不足，将限制智能定制、全生命周期管理、智慧供应链等模式的规模推广，难以形成稳定、可复制的产业解决方案；数据要素难以流通共享，会削弱跨环节优化与全局协同能力，使数智技术在降本增效、质量提升和韧性增强上的作用打折。更重要的是，核心软硬件受制于人会放大供应链不确定性，对重点行业生产安全和产业安全带来潜在风险。 对策——以关键技术攻关、平台体系建设和数据治理协同发力，形成可落地的“人工智能+服务型制造”新模式。钱锋建议，面向服务型制造设立关键技术创新专项，构建共性技术平台，集中力量突破工业操作系统、工业软件、智能感知等关键软硬件瓶颈；加强面向工业场景的多模态算法研究，推动模型从“能用”提升到“好用、可靠、可验证”。围绕工程领域智能化能力，他提出设立“AI for Engineering”创新专项，攻关工业具身智能系统，探索构建融合工业大模型决策逻辑与人类知识经验、连接人类智慧与智能体的“群体智能”体系，提升人机协同决策水平。 在平台支撑上，钱锋提出以数据驱动和智能决策为核心打造新型“工业大脑”，推进研发、生产、采购、维保、运营等多环节协同的智能原生应用，带动业务流程重构与效率提升；同时聚焦集成电路、生物医药、机器人等重点领域，培育具备全球影响力的垂直产业互联网平台，并依托特色产业园区和生产性服务业功能区吸引国内外龙头平台集聚，带动头部平台企业加快国际化布局，提升我国全球产业链分工中的话语权。 在数据共享与融合利用上，他建议支持头部企业攻关多源异构数据融合决策、长尾场景样本合成、智能数据标注等关键技术，加快构建重点领域行业机理模型，形成高质量工业语料库和数据集；支持产业集聚区建设数据治理服务平台，完善数据采集设施与治理工具；建立数据资源地图和行业数据供需对接平台，完善数据标准体系与共享机制，推动数智技术从单点应用走向全局协同。 制度保障上，他建议出台“AI+服务型制造”专项行动方案，将服务型制造与智能制造协同发展纳入政策、标准、统计体系及政府考核、国企绩效评价指标，引导资源向关键环节聚焦；鼓励各级产业基金设立服务型制造子基金，以长期资本支撑技术攻关与平台培育；建设“AI+服务型制造”创新发展示范区、产业集聚区和公共服务平台，支持服务型制造咨询与服务机构发展，推动数据要素与业务场景深度融合，提升产业创新能力与服务供给质量。 前景——以示范牵引带动规模复制，推动制造业向“价值链高端”跃升。业内人士认为，随着数智技术与工业知识融合加深，服务型制造有望更多行业形成可复制的解决方案：一上，通过“工业大脑”与产业互联网平台打通全链条协同，可供应链韧性、质量管控、设备健康管理等上形成系统性优势；另一方面，随着关键软硬件自主能力提升和数据治理体系完善，工业级应用的可靠性与安全性将更增强，为我国制造业高端化、智能化、绿色化发展提供更扎实的基础。未来，若政策、产业协同与技术创新形成合力，“人工智能+服务型制造”将成为提升产业核心竞争力的重要抓手，并为新型工业化提供持续动力。
服务型制造的跃升，不是把新技术简单叠加到既有流程上，而是一场以数据为基础、以平台为枢纽、以场景为牵引的系统变革。只有把关键核心技术掌握在自己手中，把数据要素真正转化为生产力，把政策工具落实到可评估、可复制的路径上，才能让“人工智能+服务型制造”从试点走向规模化、标准化和可持续发展，为实体经济高质量发展提供更有力支撑。