近日，工业和信息化部等八部门联合印发《"人工智能+制造"专项行动实施意见》，标志着我国制造业智能化转型进入新的发展阶段。
这一举措围绕技术基础、应用场景和产业生态进行了系统部署，为制造业高质量发展指明了方向。
人工智能与制造业的融合具有深远的战略意义。
通过深度融合，不仅能够显著提高生产效率、降低制造成本，更重要的是推动研发设计、生产组织、质量管控、供应链协同等全流程的系统变革。
这种变革使制造业逐步从要素驱动、经验驱动向数据驱动、智能决策驱动转变，代表了制造业发展的新方向。
加快推进"人工智能+制造"既是培育新质生产力的题中应有之义，也是增强产业链供应链韧性、提升制造业核心竞争力的必由之路。
我国制造业具有独特的发展优势。
门类齐全、链条完整、场景丰富的制造业体系，为人工智能技术的落地生效提供了天然优势。
然而，制造业智能化转型仍处于爬坡过坎的关键阶段。
企业在部署设备和系统后，如何打通数据、优化流程，防止智能化停留在局部自动化阶段，仍是亟待解决的问题。
同时，如何在拥有平台和项目的基础上制定有效解决方案、形成稳定的人才队伍并实现规模效应，也需要深入探索。
在这样的关键时期，必须把方向看准、路径走实，坚持系统观念，抓住基础性、牵引性工作持续用力。
推进"人工智能+制造"走深走实，需要在多个方面同步推进。
首先要打牢自主可控的技术和数据基础。
制造业对稳定性和安全性的要求极高，任何波动都可能带来质量和安全风险。
因此人工智能进入制造业，不仅要能用，更要用得稳、用得久。
这首先取决于技术底座是否扎实、数据体系是否健全。
在技术层面，必须把关键核心技术牢牢掌握在自己手里。
制造业智能化离不开算力和工业软件支撑，特别是在高端芯片、核心软件等领域，唯有突破核心工业软件的技术封锁，实现从基础软件到行业应用软件的自主研发与迭代，才能真正让制造业智能化的"大脑"自主运转。
必须持续推进自主创新，提升人工智能在工业现场的部署和运行能力，保障系统长期稳定运行。
在数据层面，要把工业数据这一基础资源建设好。
人工智能模型的效果很大程度上取决于数据质量。
如果企业数据仍分散在不同设备和系统中，标准不统一、质量参差不齐，就会导致"采得多、用得少"等问题。
下一步应在技术底座和数据体系两方面同步推进，围绕研发、生产、质量和运维等环节形成有效数据资源，为制造业智能化提供长期支撑。
其次要通过产业链协同实现从局部提效到系统增效的转变。
单个工序、单条产线的智能化改造固然重要，但真正决定制造业竞争力的，是设计、研发、生产、供应链和服务等环节的全链条联动。
人工智能要从局部提效走向系统增效，就得打通企业内部的数据壁垒，贯通上下游之间的协作链条。
实践中，一些地区通过平台建设和场景对接加快新技术落地，一些企业通过示教仿真和云端复制提升产线切换和推广效率。
下一步应把产业链协同作为推进智能化的重要抓手，发挥龙头企业的带动作用，将成熟、好用的解决方案推广到更多中小企业，聚焦重点行业总结一批典型应用场景，避免智能化改造碎片化、孤岛化。
再次要完善产教融合和人才培养机制。
制造业智能化是一项长期工程，需要既懂工艺设备、又懂数据算法的复合型人才队伍。
技术人员懂现场、一线人员会系统，应用才能落地并不断实现迭代升级。
工业现场最难的不是写算法，而是把算法嵌入流程、把模型嵌入管理、把数据嵌入生产，归根结底考验的是企业员工在技术、管理、工程方面的综合能力。
应把产教融合摆在更加突出位置，推动高校与企业共建产业学院、联合实验室和实训基地，让真实工业问题进入课程，培养适应产业发展需要的人才队伍。
制造业智能化不是“装上设备、接入系统”就大功告成，而是一场涵盖技术、数据、流程与人的系统性变革。
越是在转型的关键关口，越要在夯实底座中增强定力，在贯通协同中形成合力，在机制创新中释放活力。
把每一次场景落地变成可复制的能力，把每一份数据沉淀变成可持续的资产，才能让产业升级从“看得见的试点”走向“摸得着的成效”，为高质量发展提供更坚实的支撑。