9月16日至17日，全国先进制造业大会在北京召开。这是首次以“全国先进制造业大会”形式召开的会议，信号很明确：先进制造业不再是单一的技术升级议题，而是被放在现代化产业体系的骨干位置上。
会议提出的方向可以概括为三个词：智能化、绿色化、融合化。其中“纵深开展‘人工智能+制造’行动”的表述值得注意——“纵深”二字，意味着AI与制造的结合不再停留在示范项目层面，而是要往产线深处、工艺深处、决策深处走。
政策信号变了：从“鼓励尝试”到“纵深推进”
过去几年，制造企业对数智化转型的态度经历了明显变化。早期是“要不要做”的观望，后来是“先建个示范线看看”的试点心态。而这次大会的提法，把“人工智能+制造”放到了行动层面，并且强调“加大对企业数智化转型引导支持力度，夯实智能软硬件基础”。
配套数据也能说明问题。今年上半年，规模以上装备制造业增加值同比增长9.3%，高技术制造业增长13.3%；前7个月，新动能对规模以上工业增长的贡献率超过50%。目前规上工业企业人工智能应用普及率超过三成，全国已建成4.3万多家智能工厂。
这组数字传递的信息是：智能化转型已经从“少数企业的先行先试”变成“相当规模企业的共同动作”。但另一个问题随之而来——建了这么多智能工厂，真正把AI用出效果的比例有多少？
数据背后的落差：智能工厂“建成”和“用好”是两件事
4.3万家智能工厂是一个存量数字。走访制造企业时会发现，同样挂着“智能工厂”的牌子，实际运行水平差距很大。
有的工厂上了MES、WMS，数据能采集、能看板，但排产仍然靠人工经验，AI模型没有真正介入决策。有的工厂部署了视觉检测，但换型之后模型需要重新标注、重新训练，产线一换产品，AI就“失灵”。还有的工厂数据底座没打好，设备协议不统一、数据质量参差不齐，模型上了也跑不出稳定结果。
这些问题的共同点是：智能工厂的“硬件”建起来了，但“软能力”没有跟上。AI在制造场景里要产生价值，前提是数据能通、场景能闭环、模型能迭代。缺了任何一环，智能工厂就容易变成一个展示项目，而不是生产力工具。
落地卡在哪：三个绕不过去的环节
从实际项目经验看，制造企业推进“人工智能+制造”时，卡点通常集中在三个地方。
第一是数据底座。 AI模型的效果上限由数据质量决定。很多工厂的设备数据散在不同系统里，协议不统一、口径不一致，模型训练时才发现可用数据不足。数据治理不是AI项目的前置工作，而是AI项目的一部分。
第二是场景选择。 不是所有环节都适合上AI。优先切入的应该是那些规则相对清晰、数据积累较好、容错空间可控的场景，比如质量检测、设备预测性维护、排产优化。一上来就追求全流程无人化，往往投入大、周期长、效果难验证。
第三是组织能力。 AI落地不是IT部门单独能完成的事，需要工艺、生产、质量、设备多个角色共同参与。很多项目推不动，不是技术问题，而是缺少一个能把业务语言翻译成技术需求的中间角色。
什么样的制造企业能吃到这波红利
政策方向明确、支持力度加大，对制造企业来说是窗口期。但窗口期不等于所有企业都能自动受益。
从目前跑出来的案例看，吃到红利的企业有一个共同特征：先把数据底座和场景闭环做扎实，再谈AI规模化。 三一重工的灯塔工厂大脑、宁德时代的极限制造、海尔卡奥斯的工业互联网平台，路径不同，但底层逻辑一致——数据先行，场景驱动，模型迭代。
对于更多中型制造企业来说，不需要一步到位对标灯塔工厂。更现实的路径是：选一个痛点明确的场景，把数据打通，让AI在一个点上跑出可量化的效果，再逐步扩展。精工智能数字化工厂在服务制造企业数智化转型的过程中，也遵循这个逻辑——从智能工厂规划入手，先理清数据流和业务流，再匹配MES、WMS、JMOM等系统能力，让AI在具体场景里产生可验证的价值，而不是堆一套系统就结束。
结语
全国先进制造业大会确立了数智赋能、高端自主、绿色低碳、跨界融合的产业路径。对制造企业而言，方向已经清晰，接下来的问题不是“要不要转”，而是“怎么转得更扎实”。4.3万家智能工厂是起点，不是终点。真正决定下一阶段竞争力的，是谁能把AI从展示屏里拉进产线，变成每天都在跑的生产力。
精工智能数字化工厂，制造业Online，持续在场，赋能企业高质量发展。
