人工智能在制造業(yè)的應用已取得顯著成效

人工智能在制造業(yè)的應用，今天已經成為很普遍的話題，很多企業(yè)、很多專家都說這是一個必選項，不是選擇項。為什么？因為我們看到人相關技術在制造業(yè)多個環(huán)節(jié)實現(xiàn)深度融合，形成一批可復制、可推廣的典型應用場景，如智能質檢提升產品合格率、預測性維護保障生產連續(xù)性、綠色能源與智能制造協(xié)同發(fā)展等。

當前人工智能應用仍面臨“投入產出不匹配”與“泡沫化風險”

人工智能應用雖然廣泛推進，但為什么在座的人工智能服務商企業(yè)感到市場回收那么慢，市場價值實現(xiàn)總是比預期低；在座很多制造業(yè)企業(yè)感覺通過人工智能解決問題的實際效果和期望有比較大的差距，為什么？

（一）“索洛悖論”在AI時代再度凸顯

1988年諾貝爾經濟學獎得主Robert Solow發(fā)布了一個著名的論斷“We see the computer age everywhere except in the Productivity Statistics”。隨后人們對IT投資的實際收益和期望收益不一致的現(xiàn)象稱為“生產率悖論”。其實質是指為什么信息技術革命的出現(xiàn)與統(tǒng)計上的勞動生產率、全要素生產力增長水平下降相伴隨的問題。而我們似乎正目睹這一悖論在AI時代重演，甚至以更復雜的形式出現(xiàn)，有經濟學家稱之為“現(xiàn)代索洛悖論”或“AI索洛悖論”。

根據(jù)麻省理工學院2025年研究報告，全球企業(yè)在生成式人工智能領域累計投入300–400億美元，但高達95%的企業(yè)尚未獲得實質性回報。這表明人工智能技術尚未充分轉化為生產力提升，存在“技術滲透率高而經濟效益低”的現(xiàn)象。

（二）需警惕人工智能領域泡沫化傾向

瑞銀證券等機構指出，國內外部分AI企業(yè)存在“循環(huán)融資”（過去幾個月OpenAI先后與甲骨文、英偉達、AMD簽下1.4萬億美元的基建大單）、重基建輕應用等現(xiàn)象，可能掩蓋真實商業(yè)邏輯，形成局部泡沫。必須引導人工智能發(fā)展與實體經濟需求緊密結合，避免脫離實際、盲目投入。

（三）全要素生產率增長乏力

相比勞動生產率或資本效率，全要素生產率更能反映一個經濟體的綜合競爭力，它代表了除資本和勞動之外，制度、技術、管理、資源配置等因素的貢獻。根據(jù)國家統(tǒng)計局數(shù)據(jù)，2000–2021年間我國全要素生產率年均增長率僅為3.6%，反映出在資本與勞動之外，技術、管理、制度等要素對經濟增長的貢獻仍有較大提升空間。人工智能作為關鍵賦能技術，其成效最終應體現(xiàn)在全要素生產率的持續(xù)提升上。

制造業(yè)是現(xiàn)代化產業(yè)體系的根基，人工智能賦能必須堅持以制造業(yè)為重點

如何打破索洛悖論，提升全要素生產率，制造業(yè)如何加好AI，實現(xiàn)高質量發(fā)展，要以黨的二十屆四中全會精神為指針，需要轉變觀念、創(chuàng)新思想。

黨的二十屆四中全會提出：經濟增長保持在合理區(qū)間、全要素生產率穩(wěn)步提升、經濟增長潛力得到充分釋放、居民收入增長和經濟增長同步、勞動報酬提高和勞動生產率提高同步、中等收入群體持續(xù)擴大等重要目標。

（一）制造業(yè)具有不可替代的基礎作用

沒有現(xiàn)代化的制造業(yè)，農業(yè)、服務業(yè)、數(shù)字經濟等都將失去賴以發(fā)展的物質基礎與技術支撐。制造業(yè)是人工智能、數(shù)字經濟等新興技術發(fā)展的土壤與載體。

（二）制造業(yè)智能化演進路徑清晰

從機械化、電氣化到自動化、數(shù)字化、信息化，再到如今的智能化，制造業(yè)技術發(fā)展具有明顯的階段性與連續(xù)性。必須遵循產業(yè)規(guī)律，扎實打好各階段基礎，不能盲目跨越。

（三）國家政策明確指向制造強國建設

黨的二十大及二十屆四中全會多次強調“構建以先進制造業(yè)為骨干的現(xiàn)代化產業(yè)體系”，明確提出“堅持智能化、綠色化、融合化方向”，為人工智能在制造業(yè)的應用指明了方向。

推動人工智能在制造業(yè)落地必須堅持“因地制宜、場景驅動、系統(tǒng)推進”

（一）發(fā)展新質生產力要堅持實事求是

新質生產力由技術革命性突破、要素創(chuàng)新性配置、產業(yè)深度轉型升級催生，必須立足本地稟賦與企業(yè)實際，科學理性推進，防止一哄而上、脫離實際。

（二）踐行“一把鑰匙開一把鎖”的工作方法

不同行業(yè)、企業(yè)、車間乃至工序，其問題屬性、數(shù)據(jù)基礎、工藝特征均不相同。必須深入具體場景，厘清“什么數(shù)據(jù)、什么算法、什么模型”，實現(xiàn)精準施策。

（三）重視內源性數(shù)據(jù)積累與模型構建

制造業(yè)90%以上數(shù)據(jù)源于內部生產、管理與運營過程。寶鋼、東方電氣等企業(yè)的成功實踐表明，只有基于長期積累的工藝數(shù)據(jù)與行業(yè)知識，構建自主、持續(xù)的模型優(yōu)化能力，才能實現(xiàn)真正意義上的智能制造。

（四）典型案例提供有益借鑒

1.云南白藥：通過“雷公大模型”貫穿“種好藥、開好藥、講好藥、供好藥”全鏈條，體現(xiàn)數(shù)據(jù)驅動業(yè)務增值。

2.寶鋼股份：四十年持續(xù)推動工藝數(shù)據(jù)化、模型化，實現(xiàn)從引進消化到自主創(chuàng)新的跨越。

3.東方電氣：在重大裝備制造領域逐步構建智能研發(fā)、智能生產與智能服務體系，走在行業(yè)前列。

把握價值與方法

如何讓人工智能在制造業(yè)中真正扎根、結果？習近平總書記指出：“發(fā)展新質生產力需要具備一定稟賦條件”“要堅持因地制宜、分類指導”。這啟示我們，必須堅持問題導向、場景為本，做到“一把鑰匙開一把鎖”。推進“人工智能+制造”，必須理性回答四個核心問題：

（一）數(shù)據(jù)從哪來？制造業(yè)90%以上的有效數(shù)據(jù)來自內部：設備日志、工藝參數(shù)、質量檢測、供應鏈流轉……外部數(shù)據(jù)雖重要，但內部數(shù)據(jù)才是智能系統(tǒng)的“血脈”。

（二）算法如何選？不必盲目追求“大模型”。很多場景下，一個回歸分析、一個圖像識別小模型、一個工藝優(yōu)化算法，就能解決真實問題。關鍵是匹配度，而非復雜度。

（三）價值怎么算？投入必須能在企業(yè)財務報表上體現(xiàn)為成本下降、效率提升、質量改進、收入增長。只有進入財務系統(tǒng)、影響全要素生產率的AI，才是真正的“生產力”。

（四）如何可持續(xù)？系統(tǒng)應具備迭代能力：能隨著工藝改進、產品升級、市場變化而持續(xù)優(yōu)化。避免“項目制”交付后即成“孤島”。