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，数字化转型将成为推动制造业高质量发展的核心驱动力，助力我国从制造大国向制造强国稳步迈进。

一、制造业数字化转型趋势

（一）场景驱动从“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。工业和信息化部印发《场景化、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、要素配置、供需对接、成效评估等提供了系统性框架。我国共培育“小快轻准”数字化解决方案超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深化，更聚焦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，构建“一业一策”“一企一策”的精准赋能体系。未来，我国将重点聚焦智能制造、工业智能、服务型制造等核心应用场景，系统搭建场景化解决方案库与评估体系，数字化转型实现了从单点突破到体系化推进的升级。

图1 行业场景图谱示意

（二）智能设施从单点突破到全要素智能化

2025年，我国制造业智能化水平持续提升，为研发与生产注入新动力。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之一，5G基站达459.8万个，“5G+工业互联网”项目超2万个，广泛应用于多场景。目前，我国已建成超过3万家基础级智能工厂、1200余家先进级智能工厂、230余家卓越级智能工厂，覆盖80%以上的制造业大类。全球灯塔工厂数量达到189家，其中，中国拥有81家，占比约43%。此外，我国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，我国将重点推进工业网络全面互联、算力资源全域调度及异构设备统一接入，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）等技术将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，我国将加速高端数控系统、智能传感与执行单元等关键部件的技术攻关并实现规模化应用，为制造业全要素智能化提供安全可靠的底层支撑。

（三）数据要素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不断加快，数据正逐渐成为重构制造业价值体系、驱动创新与提升效率的核心资产。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。此外，工业领域共形成了335个高质量数据集，进一步推动了人工智能大模型的研发。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装备、钢铁等制造业领域，为多主体协同发展创造了有利条件。

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，多维数据融合分析逐渐成熟，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2025年11月，国家网信办已备案生成式人工智能企业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。工业设备将由被动工具蜕变为具身智能体，人机关系也将从主从控制转变为双向协同。此外，知识传承模式也将从“师徒制”转变为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越发广泛，它们将提升要素配置效率。

（五）要素链接从链式配套迈向网状共生

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。工业互联网平台的链接服务能力显著提升，具有影响力的工业互联网平台已超340家，重点平台的工业设备连接数突破1亿台（套），全国累计上云、上平台企业约达400万家。平台应用已拓展至49个国民经济大类，实现了41个工业大类及185个工业中类的全覆盖。数据、资源在其中按需流动、高效配置，共同创造价值。

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；工业互联网平台的链接范围将进一步扩大，持续吸纳行业内、产业链上的更多要素与主体，实现从点到面的全要素拓展；产业集群生态将持续涌现，跨区域、跨领域的合作将进一步深化，为制造业的数智化转型注入强劲动力。

图2 基础设施建设情况

二、面临的挑战

（一）投入产出难以量化，动摇转型战略决心

一是制造业数字化初始投入规模较大，涵盖硬件改造、软件采购、系统集成及人才培训等多个方面，对企业现金流构成持续压力；二是效益体现间接且模糊，转型带来的流程再造、质量提升等核心价值多表现为“软性”收益，难以通过传统投资回报率模型精准量化；三是价值回报周期较长，数字化转型成效须通过生产、管理、营销等多环节协同优化才能逐步显现，远超一般技术改造项目。这种成本显性、收益隐性、周期漫长的特性，导致许多企业陷入“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

尽管我国制造业在数字化转型方面取得了一定进展，但在关键技术和自主可控方面仍存在不足。特别是在高端工业软件市场和底层技术领域，如工业网络协议和高端芯片。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

尽管人工智能被视作制造业数字化转型的核心驱动力，但目前在实际应用中大多仍处于探索和试点阶段。MIT的《The Gen AI Divide: State of AI in Business 2025》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。一方面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噪声大、格式不一、样本缺失等问题，难以满足算法要求；另一方面是存在人机协同的信任阻碍，由于人工智能决策过程不透明，推理逻辑难以被理解和阐释，大量一线工艺工程师对其决策持谨慎乃至排斥态度。

（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长期严重制约数据要素的整体效能提升。一是企业内不同部门之间存在信息孤岛，部分企业的信息系统技术架构不统一、通信协议不一致，缺乏统一的数据标准和全流程数据治理体系，各部门数据独立存储，新旧系统衔接及OT与IT平台融合难度较大，难以实现有效的全局整合与关联分析。二是企业与外部主体间存在数据孤岛，部分企业已积累了海量工业数据和知识，从过去的平台主导者转变为数据主导者，但与外部主体间的互认能力较弱、互通性不足，存在思想上的不信任，缺乏数据融通的技术能力和有效机制，形成了“数据烟囱”。

（五）技术与业务协同不足，制约转型普及

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，“技术与业务脱节”现象依然普遍，阻碍了制造业转型项目的落地与推广。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、可执行的技术需求。这种供需不匹配导致数字化建设成果难以满足实际需求，实用性不强。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、应对建议

（一）绘制转型路线图，提升供需对接效率

我们要依托《参考指引》，分行业、分产业链对数据要素、知识模型、工具软件、人才技能等要素进行清单式梳理，明确数字化攻关的重点工作路径；进一步拓展图谱清单的覆盖范围，纳入更多重点行业与典型场景，并提升其精细化与标准化水平；体系化培育面向场景的解决方案，广泛征集重点行业数字化转型需求及优秀转型实践案例，加速构建转型服务商资源池；聚焦重点行业与典型场景，开展数字化转型供需对接、案例研讨等活动，并与工业和信息化部中小企业数字化转型试点城市、大规模设备更新等工作紧密结合，推动行业及产业链成功实践的输出与推广。

图3 人工智能领域发展趋势

（二）深化转型效益评估，动态优化重点方向

我们要研究构建数字化转型一体化评估体系，打通现有评估体系间的映射与换算壁垒，为政府、企业、服务商搭建统一的评估对话框架，有效汇聚并应用不同来源的评估数据，降低企业评估诊断成本；加速构建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、可评估的关键绩效指标，科学评判转型投入所带来的经济效益与社会价值；基于评估结果，建议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，以快速获得转型收益，并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

我们要组织实施工业软件、工业控制芯片、实时工业网络等关键环节的攻关，开发一批通用型数字化转型工具，并围绕数据采集、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，以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，建立工业技术软件化开源社区，共享基础算法与组件，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模式，打造智能制造新范式

企业要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模型库，培育工业模型开源共享平台，并汇聚基础模型库、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，遵循能力互补、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

为深入贯彻制造强国战略，北京市、杭州市等均发布了制造业数字化转型的实施方案和评价指标体系，旨在加快完善制造业数字化转型标准体系。这些方案重点研制了工业数据分类分级、系统接口互通、跨平台安全共享等关键标准，以促进数据要素流通和系统互联互通，为制造业数字化转型提供制度保障。

此外，我们还要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、资金等要素高效配置，加速科技成果向现实生产力转化。

作者：赛迪智库制造业数字化转型形势分析课题组