2026年我国制造业数字化转型发展形势展望 (1)

微信扫码，打开到小程序

031 2026年我国制造业数字化转型发展形势展望 【内容提要】 展望2026年，我国制造业数字化转型将步入深水区，场景图谱构建为 转型工作提供重要方向，智能技术与制造业加速创新融合，数据要素资产化进程加快，人工 智能赋能日趋深入，生态合作逐渐密切。与此同时，我国制造业数字化转型仍面临投入产 出难衡量、核心技术薄弱、人工智能应用深度不足、系统互联不畅通、技术与业务脱节等挑 战。在这种形势下，赛迪研究院聚焦场景打造、评估诊断、技术攻关、人工智能赋能、融通 发展等关键环节提出建议，以期推动制造业数字化转型向智能化、融合化方向发展。 【关键词】 制造业数字化转型 发展形势 展望 2025年，我国制造业数字化转型工作持续推进，在场景图谱建设、 技术融合创新、数据要素应用、人工智能落地和生态融合等方面取得 了一定成效。展望2026年，我国制造业基础稳、潜能大的优势将更加突 出，面对更复杂的内外部环境和更多样的转型需求，数字化场景培育、成 效评估、智能技术赋能和生态构建成为必答题，数字化转型将真正成为制 造业高质量发展的核心引擎，助力我国从制造大国向制造强国稳步迈进。 一、对2026年形势的基本判断 （一）场景驱动精准深化：从“大水漫灌”到“精准滴灌” 2025年，我国制造业数字化转型工作不再追求全面铺开，而是聚 焦于能直接满足业务需求、创造显著价值的特定场景。工信部印发《场 032 中国工业和信息化 发展形势展望系列 景化、图谱化推进重点行业数字化转型的参考指引（2025版）》（以下 简称《参考指引》），覆盖钢铁、石化等14个重点行业，为场景优化、 要素匹配、供需衔接、成效评估等提供了系统框架。累计培育“小快轻 准”解决方案超1万个，有效降低中小企业数字化转型门槛。 展望2026年，制造业数字化转型将进一步向纵深发展，更加注重 基于行业特性与企业实际痛点的场景挖掘与培育。行业知识图谱与转型 路径图谱将深度融合，推动形成“一业一策”“一企一策”的精准赋能 机制。未来将重点围绕智能制造、工业智能、服务型制造等核心应用场 景，系统构建场景化解决方案库与评估体系，实现从单点突破到体系化 推进的升级，推动制造业迈向更智能、更高效的新发展阶段。 033 （二）智能设施全面升级：从单点突破到全要素智能化 2025年，我国制造业智能化水平不断提升，为研发和生产注入了新 的发展动力。截至2025年7月底，我国已建成全球规模最大、覆盖最广的 网络基础设施，5G基站达459.8万个，“5G+工业互联网”项目超2万个， 在多场景广泛应用。目前，已建成3万余家基础级智能工厂、1200余家先 进级智能工厂、230余家卓越级智能工厂，覆盖80%以上制造业大类，全 球“灯塔工厂”85家，占比45%。建成制造业中试平台2400余个、国家级 制造业创新中心33家，为新质生产力发展筑牢支撑。 展望2026年，制造业的智能设施将从局部部署转向全域集成，构 建覆盖感知、计算、执行全环节的智能化基座。在设施体系方面，将重 点推进工业网络全互联、算力资源全域调度与异构设备统一接入，实现 “云边端”协同的算力一体化布局。在技术融合方面，工业网络与算力 设施将加速升级，5G-A、TSN（时间敏感网络）等深度融入生产核心环 节，支撑高实时、高可靠业务场景的规模化部署。在自主可控方面，高 端数控系统、智能传感与执行单元等关键部件将加速技术攻关与规模化 应用，为制造业全要素智能化提供安全可靠的底层支撑。 034 中国工业和信息化 发展形势展望系列 （三）数据要素价值跃升：从信息工具到核心资产 2025年，工业高质量数据集的实践探索与创新应用步伐加快，数据 正逐渐成为重构制造业价值体系、驱动创新与效率革命的核心资产。截 至2025年6月，全国已建成省、市级数促中心近230家，覆盖18个省份， 建成高质量数据集超3.5万个，总体量超400PB，覆盖钢铁、石化、煤炭 等重点行业。企业数据治理能力持续增强，截至2025年9月，8000余家企 业已通过数据管理能力国家标准（DCMM）认证。可信数据空间试点已覆 盖汽车、装备制造、钢铁等制造业领域，为多主体协同创造条件。 035 展望2026年，数据要素价值将加速释放，有力重构制造业价值链。 在数据资产化层面，数据确权、评估、入表流程将更加规范，工业数据 空间、数据交易所等为工业数据共享提供流通渠道，将涌现出更多标准 化、模块化的封装工业数据产品，数据资产相关的金融创新工作起步探 索。在数据驱动决策层面，多维数据融合分析成熟，时空与语义上下文 理解驱动决策精准化，工业数据将赋能产品设计、生产工艺优化、设备 运维全流程，推动虚拟调试、实时优化、预测维护智能化。 （四）人工智能加速赋能：从实验场景到规模化落地 2025年，人工智能在制造业研发设计、中试验证、生产制造、营销 服务、运营管理全环节加速渗透，工业大模型、智能体加快落地应用， 有力推动生产效率提升和产业提质升级。《工业和信息化部信息化和工 业化融合2025年工作要点》强调以工业智能体为核心，深化人工智能在 工业领域的应用，推动工业数据集和工业大模型的持续创新与发展。截 至11月，网信办已备案生成式人工智能611家。IDC调研显示，中国工业 企业应用大模型及智能体的比例从2024年的9.6%提升到2025年的47.5%。 展望2026年，行业大模型向垂直领域渗透，工业智能体加速崛起， 将重塑制造业的要素配置模式。工业设备将从被动工具进化为具身智 能体，人机关系由主从控制转向双向协同。生产方法将迎来算法革命， 036 中国工业和信息化 发展形势展望系列 知识传承从“师徒制”转向可复用的大模型资产。通用大模型、行业大 模型及工业智能体的应用场景将更加广泛，有效优化要素配置、提升价 值链地位，抢占新工业革命制高点，推动中国制造实现由大到强的全面 跃升。 （五）要素链接更为广泛：从链式配套到网状共生 2025年，工业互联网平台等数字纽带作用凸显，初步形成开放互通 的价值网络。工业互联网平台链接服务能力显著增强，具有一定影响力 037 的工业互联网平台超340家，重点平台工业设备连接数超1亿台（套）， 全国累计上云上平台企业约400万家次，平台应用已拓展至49个国民经济 大类，实现了41个工业大类以及185个工业中类全覆盖，数据、资源、能 力在其中按需流动、高效配置，共同创造价值、共享成果。 展望2026年，智能融通将向更深层次演进，工业互联网平台将成为 万物互联的智能底座。自主可控的标识解析体系即将全面建成，开源开 放生态与标准化推进模式持续深化，并在制造业重点领域初步实现规模 应用。工业互联网平台链接范围将更加广泛，持续纳入行业内、产业链 上更多的要素和主体，实现由点及面的全要素扩张。产业集群生态将不 断涌现，跨区域、跨领域合作更加深化，为制造业数智化转型注入更强 劲的生态合力。 二、需要关注的几个问题 （一）投入产出难以量化，动摇转型战略决心 一是初始投入规模较大，覆盖硬件改造、软件采购、系统集成与 人才培训等多方面，对企业现金流形成持续压力。二是效益体现间接模 糊，转型所带来的流程再造、质量提升等核心价值多体现为“软性”收 益，难以通过传统的投资回报率模型进行精准量化。三是价值回报周期 漫长，数字化转型成效需要通过生产、管理、营销等多环节的协同优化 038 中国工业和信息化 发展形势展望系列 才能逐步显现，远长于一般技术改造项目。这种成本显性、收益隐性、 周期漫长的特点，使得许多企业，特别是中小企业，陷入“不敢转、不 愿转”的困境。 （二）核心技术存在短板，安全风险隐患突出 在技术方面，我国制造业在数字化关键环节的自主可控能力仍然不 足，高端工业软件市场长期由国外厂商主导，工业网络协议、高端芯片 等底层技术领域存在明显对外依赖。在安全方面，随着工业互联网平台 的规模化部署和“云-边-端”架构的普及，原本相对封闭的工业控制系 统逐渐开放，系统复杂度提升，安全边界不断扩大，导致网络攻击、数 据窃取或篡改的风险大幅上升。一旦生产控制系统遭遇攻击，可能引发 关键工艺参数被篡改、生产线停摆运行，甚至造成设备物理损坏，对企 业的连续生产和运营安全构成直接威胁。 （三）人工智能应用不足，难以融入核心业务 尽管人工智能被视为制造业数字化转型的核心驱动力，但目前在实 际应用中仍多处于探索和试点阶段。MIT的《The GenAI Divide》报告显 示，95%的组织在生成式人工智能上获得了零回报，仅5%人工智能解决方 案最终成功投入生产环境。一是存在显著的数据基础差距，人工智能模 型训练依赖大量高质量、规范化的标注数据，而工业现场数据普遍存在 039 噪声大、格式不一、样本缺失等问题，难以满足算法要求。二是存在人 机协同的信任障碍，由于人工智能决策过程不透明，推理逻辑难以被理 解和解释，大量一线工艺工程师对其决策持谨慎甚至排斥态度。 （四）系统融通不畅，数据孤岛阻碍价值挖掘 系统割裂与数据孤岛问题一直严重制约数据要素的整体效能。一是 企业内不同部门之间存在小孤岛，部分企业信息系统技术架构不一、通 信协议各异，缺乏统一的数据标准与全流程数据治理体系，各部门数据 独立存储，新旧系统衔接、OT与IT平台融合难度大，无法进行有效的全 局整合和关联分析。二是企业与外部主体之间存在大孤岛，部分企业已 经积累了海量工业数据和知识，从过去的平台主变成了数据主，但与外 部主体间互认能力弱、互通性不足，思想上不信任，缺乏数据融通的技 术能力和有效机制，形成“大烟囱”。 （五）技术与业务协同不足，制约转型实施推广 数字化转型的本质是业务模式与管理体系的重构，并非单纯的技术 引进与叠加。当前，“技术业务两张皮”现象仍然普遍，阻碍转型项目 落地与推广。一方面，部分技术供给方过分追求技术的前沿性，未能精 准切入需求方在降本、增效、提质等方面的核心痛点。另一方面，部分 业务部门缺乏信息技术认知，无法将模糊的业务诉求转化为清晰、可执 040 中国工业和信息化 发展形势展望系列 行的技术需求。这种供需错位导致建设成果不适用、不好用。此外，技 术本身无法自动打破旧有体系的桎梏，组织变革和流程再造的滞后性， 也会导致先进技术系统难逃“旧瓶装新酒”的命运。 三、应采取的对策建议 （一）聚焦场景绘制转型路线图，提升供需对接效率 依托《参考指引》，分行业、分产业链开展数据要素、知识模型、 工具软件、人才技能等要素的清单式梳理，明确数字化攻关的重点工作 路径。进一步扩大图谱清单范围，覆盖更多重点行业和典型场景，并提 升其精细化、标准化程度。体系化培育面向场景的解决方案，征集一批 重点行业数字化转型需求和优秀转型实践案例，加快构建转型服务商资 源池。聚焦重点行业、典型场景，开展数字化转型供需对接、案例研讨 等活动，与工信部中小企业数字化转型试点城市、大规模设备更新等工 作有机结合，推动行业、产业链的成功实践输出和推广。 （二）深化转型效益评估，动态优化重点方向 研究构建一体化评估体系，打通现有评估体系间的映射与换算关 系，为政府、企业、服务商提供统一的评估对话框架，将不同来源的评 估数据有效汇聚应用，降低企业评估诊断成本。加快建立以投入产出为 核心的数字化转型综合评价模型，明确可量化、可考核、可评价的关键 041 绩效指标，科学评价转型投入带来的经济效益与社会价值。基于评估结 果，引导企业优先在数据采集、视觉检测、能耗管理等见效快、集成度 低的环节部署轻量化解决方案，快速获得转型收益，增强持续转型的信 心与动力。 （三）强化关键技术攻关，筑牢安全发展基座 组织实施工业软件、工业控制芯片、实时工业网络等关键环节的攻 关计划，开发一批通用型数字化转型工具，围绕数据采集、边缘计算、 系统集成等共性需求，推出标准化、模块化、低成本的解决方案，降低 企业技术应用门槛。支持龙头企业牵头，联合高校、科研院所组建创新 联合体，推动建立工业技术软件化开源社区，共享基础算法和组件，突 破设计、仿真、控制等领域的核心技术瓶颈，打通技术研发到落地应用 的全链条。 （四）深化人工智能融合创新，打造智能制造新范式 推动人工智能技术与工业机理模型、专家知识深度融合，构建工 业知识图谱。开发面向特定行业的大模型知识引擎和机理模型库，培育 工业模型开源共享平台，汇聚基础模型库、数据集、工具链。发展工业 垂类模型，聚焦研发、生产、运维等核心工业场景，按照能力互补、场 景适配的原则，构建大模型理解任务、小模型精准执行的协同体系，驱 042 中国工业和信息化 发展形势展望系列 动生产流程再造与业务模式创新。深化面向工业场景的智能体产品培育 和应用推广，打造群体智能解决方案，实现从单点应用到全流程赋能 转变。 （五）推动多层次融通发展，构建开放协同新生态 加快完善制造业数字化转型标准体系，重点研制工业数据分类分 级、系统接口互通、跨平台安全共享等关键标准，为数据要素流通和系 统互联互通提供制度保障。深化产业链供应链数字化协同，支持链主企 业构建开放型工业互联网平台，带动链上企业开展协同设计、共享制 造、供应链金融等创新应用，形成大中小企业融通发展的新型产业生 态。构建“产学研用金”协同创新体系，引导金融机构开发数字化转型 专项金融产品，促进知识、技术、人才、资金等资源要素高效配置，加 速科技成果向现实生产力转化。 本文作者：制造业数字化转型形势分析课题组 18612033366 hanjian@ccidthinktank.com