问题——制造业迈向新型工业化过程中，智能化转型需求强烈，但在不少行业和地区仍面临“能用、好用、常用”不足的现实矛盾：一方面，企业希望以更低成本获取稳定算力、可复用模型和可落地的智能应用；另一方面，技术从概念到工程化落地往往存在周期长、试错成本高、数据与场景割裂、人才与安全能力短缺等堵点，制约了“人工智能+制造”从示范应用走向规模复制。
原因——从产业规律看，制造业场景复杂、链条长、标准体系不一，决定了智能化不能停留在单点工具层面的“贴补式改造”，而需要把算力、算法、数据、工程化工具、运维体系与安全治理等要素进行集约配置与系统供给。
《“人工智能+制造”专项行动实施意见》提出，一端强化技术供给，推动智能产业化；一端强化赋能应用，加快产业智能化，通过壮大生态实现科技创新与产业创新深度融合。
当前技术创新进入密集活跃期，垂直场景数量大、更新快，更需要以基础设施化、平台化能力承接技术迭代，降低企业使用门槛，缩短从研发到应用的路径。
影响——在政策导向与产业需求共振下，以平台化方式构建“可持续供给能力”，正成为推动制造业智能化升级的重要抓手。
浪潮云提出并建设实体化人工智能工厂，由通用算力中心、模型工厂、智能体工厂、训练场等构成，面向区域、行业和企业提供模型与智能体的规模化、常态化“制造能力”，把以往偏“手工作坊式”的单点研发，转向标准化、批量化的工程体系。
据介绍，该平台已汇聚1400余家相关技术企业，形成基础支撑平台与紧耦合产业集群，带动链上企业生产成本下降、效率提升；累计完成数百个模型训练、落地近千个智能体应用，并服务全国多地客户。
相关实践显示，通过统一算力与工具链、沉淀行业数据与知识、提升模型迭代效率，有助于推动制造环节在质量、成本、交付周期等关键指标上实现系统性改善。
对策——要把政策要求转化为产业实效，关键在于“以中试促转化、以场景促迭代、以生态促规模”。
《意见》明确提出推进中试智能化改造，推动虚拟仿真、多模态融合等技术在中试环节应用，以全面感知、实时分析、科学决策和精准执行优化流程、降低成本。
围绕这一方向，浪潮云联合高校建设省级中试示范基地，依托人工智能工厂开展熟化研发、放大试验、工艺验证、小批量试生产与技术咨询等，着力解决从实验室到规模化生产的共性难题，完善“研发—中试—产业化”协同链条。
与此同时，为加快高价值场景落地，浪潮云推出面向重点行业的资源支持计划，聚焦化工、医药、交通等领域，通过异构算力、多源数据、专业模型与技术团队等要素配置，推动龙头企业牵引、上下游协同、标准与安全并重的示范应用建设。
前景——面向未来，“人工智能+制造”的竞争焦点将从单一技术突破，转向体系能力与产业组织方式的比拼：谁能更快把模型与数据资产沉淀为可复用能力，谁就更能在质量提升、柔性制造、供应链协同、设备运维与安全生产等环节形成规模优势。
随着政策持续推进、企业数字化基础不断夯实，以及中试与应用场景加速开放，实体化、工程化的人工智能基础设施有望成为区域产业升级的新底座。
同时也应看到，行业仍需在数据治理与合规流通、模型安全与可靠性评测、标准体系与人才供给等方面持续补短板，推动应用从“能跑通”迈向“可复制、可监管、可持续”。
人工智能与制造业的深度融合，代表着新型工业化建设的重要方向。
从单点应用到平台赋能，从技术创新到产业创新，这一演进过程反映了我国推进新质生产力发展的坚定步伐。
浪潮云打造的人工智能工厂等创新实践，为如何将科技优势转化为产业优势、经济优势提供了有益借鉴。
随着相关政策的深入实施和各类创新平台的不断完善，人工智能必将成为驱动制造业高质量发展、推进新型工业化建设的强大引擎，为我国经济社会发展注入新的活力和动力。