当前，我国制造业数字化转型覆盖广度明显提升，进入规模化普及阶段。中国信息通信研究院（以下简称“信通院”）前不久发布的《制造业数字化转型发展报告（2025年）》显示，截至2025年12月，全国规模以上工业企业开展数字化改造比例达89.6%，数字化设备普及率达到57.7%。累计建成3.5万余家基础级、8200余家先进级、500余家卓越级、15家领航级智能工厂。

业内专家认为，随着政策体系日益健全，应用持续深化，数字技术和产品供给水平明显提升，数字基础设施支撑坚实有力，制造业数字化转型整体步伐不断加快。

系统性重塑新赛道

经过多年发展，制造业数字化转型推广普及已具备坚实基础，并从重点环节改造向集成化智能化升级。

我国工业体系完备，门类众多，不同行业数字化转型基础不同，且受行业工艺机理、产品复杂度及市场驱动力等多重因素影响，各行业数字化发展水平与所处阶段呈现出一定差异性。工业和信息化部制造业数字化转型综合信息服务平台数据显示，电子信息制造业和装备制造业总体处于第一梯队，消费品行业和原材料行业处于第二梯队。其中，汽车、船舶和电子信息制造业开展数字化改造的企业比例最高，分别达94.4%、94.2%和93.9%。

走进得力打印机科贝工厂SMT电路板生产车间，这里正呈现出制造业高效运转的忙碌场景——全自动高速贴片机每分钟可以完成1000次贴片动作，把微米级精度的元器件贴在电路板上，再通过回流焊接并进行自动光学检查。

“这是我们自主研发的激光打印机主控板，上面搭载了国产芯片。基于该芯片可以完成控制板和控制程序的深度优化，构建了全链路自主技术体系，从源头上保障打印数据安全。”得力打印机科贝工厂厂长吕学京介绍完主板功能后，又指着一款手掌大小的黑色小盒子说，这是激光打印机的核心组件之一——激光扫描器，有了它才能将电子信号精准地转化成图像信息。

零部件有了，如何生产出一台完整的打印机？在组装车间，一台台小巧的机械手灵活地左右摆动，一上一下完成安装动作。“在这里，每台机器使用的每个物料批次信息都通过MES系统实现可追踪管理，确保产品品质。”吕学京介绍，得力在宁波、武汉、威海、深圳等地布局4个研发基地，拥有2个智能制造工厂，年产能达到350万台，以自主创新实力构建打印产业竞争力。

信通院信息化与工业化研究所工业发展研究部主任袁媛认为，在全球经济增长放缓、我国制造企业竞争压力加剧的背景下，新一代信息技术正从创新范式、生产方式到组织模式，对制造业进行系统性重塑，助力企业从“拼价格”转向“拼效率、拼能力”。

一方面，数字技术催生“内生增长”新动能。过去，制造业发展高度依赖资源投入与规模扩张，现在通过打造“数据驱动”的智能工厂，实现制造效率、成本及质量进一步跃升。

另一方面，数字技术给企业开辟“价值创造”新赛道。生产端依托柔性快速换产，使大规模个性化定制成为可能；服务端通过预测性维护、远程运维等增值服务，实现从单一产品制造商向“产品+服务”综合解决方案提供商转型。这种从产品创新速度、客户深度体验到品牌高端化跃升的全面重塑，避免了“内卷式”同质化竞争。

需求为本价值导向

近年来，科技革命和产业变革蓬勃发展，新一代信息技术、新材料等关键领域不断取得突破，正在重塑产业形态和竞争格局。特别是大模型、智能体、具身智能等前沿技术突飞猛进，促使人工智能发展进入爆发期。

袁媛告诉记者，“人工智能+制造”正在成为制造业转型升级的重要方向，“面对AI驱动的产业变革，数字化转型通过装备数字化、部署云计算和工业互联网等，为AI应用筑牢硬件支撑与数字底座，促进技术与AI协同赋能研发、生产、管理全流程，助力制造业开辟价值增长新空间”。

信通院信息化与工业化研究所智能制造研究部工程师郭晓彤观察到，人工智能技术已全面融入制造业研发设计、生产制造、供应链管理等核心环节，驱动制造模式创新变革，带来更加高效、创新、韧性的制造体系。

在研发环节，依托数据沉淀、知识建模与AI工具，研发正从经验驱动向数据驱动转型，突破传统研发的思维与效率限制，有效缩短研发周期，提高一次设计成功率。在生产环节中，通过制造执行系统、工业互联网与AI算法协同，对人、机、料、法等要素进行全流程优化配置，进一步打破传统工序和部门边界，推动生产向零缺陷制造升级。在供应链管理环节，依托定制化服务、资源动态调配及共享再制造，形成响应敏捷、高效的生态网络。

过去，制造业面临的是“AI在实验室可行，进工厂难落地”问题。“传统软硬件通过AI深度嵌入，提升工具智能交互、自动生成、自适应优化、自主诊断等能力，实现设计、仿真等专业能力跃升。”郭晓彤说，当前，具身智能、工业智能体和自主协作系统等工业智能产品加速涌现，正推动制造体系由数字化支撑运行向具备自感知、自决策和自优化能力的高级形态演进。

不过，制造业企业也要清醒认识到，AI不是一场比拼“谁追热点更快”的技术竞赛，真正决定价值的仍然是其能否解决研发设计、工艺优化、供应链协同等具体业务问题。企业的数据基础、行业知识和变革能力，才是技术落地的关键。