（问题）新一轮科技革命和产业变革加速推进的背景下，制造业正面临需求更分散、交付周期更短、质量一致性要求更高等挑战。过去依赖经验和单点自动化的生产方式，已难以支撑大规模定制、跨工序协同以及全生命周期的质量管理。此外，人工智能快速迭代也带来“有的热、有的冷”的落地现象，加之数据供给不足、算力与人才结构性短缺，影响了技术红利向产业端的有效转化。 （原因）从技术与产业两端看，我国推动融合发展的基础正在夯实。李乐成在“部长通道”介绍，2025年我国人工智能核心产业规模将达到1.2万亿元——涉及的企业超过6200家——产业生态优化。其一，开源大模型加速走向国际，国内企业推出的开源模型在全球下载量领先，降低了使用门槛和部署成本，让更多中小企业“用得起、用得上”。其二，面向生产的一批工具和平台逐步成熟，无人化生产、人机协同在车间加快落地，设计、制造、检测等关键环节的效率和一致性持续提升。其三，智能终端创新活跃，面向消费和行业应用的产品不断推出，带动应用场景扩展。李乐成还提到，去年我国企业推出的人形机器人超过300款，占全球一半以上，反映出国内在软硬件协同、场景探索和产品迭代上的活跃度。 （影响）人工智能与制造业深度融合，正改变生产方式和竞争格局：一是推动制造环节由“自动化”走向“智能化”，通过数据驱动提升良品率、降低能耗与停机时间，让复杂工艺更稳定可复现。二是带动研发设计变革，借助仿真优化、生成式设计和知识工程加快迭代，缩短从研发到量产的周期。三是催生新终端与新业态，智能穿戴、智能计算终端、人形机器人等加速进入应用验证期，有望在物流、巡检、装配、养老服务等场景形成新增量。四是增强产业链韧性与安全水平，通过智能预测、供应协同与风险预警，提高关键环节的可视化与可控性。 （对策）面向下一阶段，关键是以应用牵引技术、以产业需求明确创新方向，打通从模型能力到工业价值的“最后一公里”。一要加大制造业场景开放和标杆带动，围绕钢铁、汽车、电子、装备、医药等重点行业建设可复制的智能工厂与示范产线，推动工艺机理与数据模型深度结合。二要补齐数据、算力与平台底座，推进工业数据标准化治理与高质量数据供给，提升边缘与云端协同能力，降低企业部署成本。三要加快关键技术与软硬件协同攻关，增强大模型在工业知识、工程约束与安全控制上的能力，提高其在质量检测、预测性维护、工艺优化等高价值场景中的可靠性。四要完善标准、测评与安全体系，加强算法可靠性、数据合规和工业控制安全的全链条治理，守住产业安全底线。五要培养复合型人才与服务生态，支持行业解决方案商、系统集成商与中小企业协同创新，形成“模型+工具链+行业方案”的供给体系。 （前景）李乐成表示，2026年将按照政府工作报告要求，推动人工智能和制造业加快“双向奔赴”。可以预期，随着开源生态更扩展、工业场景持续沉淀、智能终端规模化应用推进，人工智能将更深入嵌入研发设计、生产制造、经营管理和售后服务等全流程；制造业也将为人工智能提供更丰富的数据土壤与工程验证平台，形成技术迭代与产业升级的正向循环。未来竞争的重点不只在于模型参数规模，更在于面向产业的工程化能力、可靠性和持续落地能力。
人工智能与制造业协同发展，既是技术演进的趋势，也是制造业升级的重要路径。在政策引导与市场需求共同作用下，我国正加速迈向智能制造新阶段。此进程将重塑产业竞争格局，也将为全球科技与产业发展提供更多中国经验与可复制的解决方案。