2023-2024年度中国智能制造产业发展报告.pdf

中国智能制造产业发展报告 （20232023-20242024 年度年度）2024 年 4 月 指导单位：指导单位：中国高科技产业化研究会 编写单位编写单位：中国高科技产业化研究会学术交流部 中国高科技产业化研究会数字经济分会 中国高科技产业化研究会信息化工作委员会 中国通信学会通信设备制造技术委员会 中国信息产业商会大数据产业分会 东南数字经济发展研究院 北京信息产业协会 共同编写及鸣谢单位：共同编写及鸣谢单位：工业和信息化部电子第五研究所 中国科学院信息工程研究所 中国信息通信科技集团有限公司 浙江砖助智连科技有限责任公司 中国联通 西北工业大学 航空工业计算所 浙江英鸿新型建材有限公司 北京融安特智能科技股份有限公司 北斗长缨集团有限公司 神州灵云（北京）科技有限公司 长扬科技（北京）股份有限公司 北京北信源软件股份有限公司 北京思特奇信息技术股份有限公司 北京观安信息技术有限公司 北京神缘文化科技有限公司 北京嘉诚瑞杰信息技术有限公司 北京紫东谦华环保工程有限公司 北京昱栎技术有限公司 编委会顾问：编委会顾问：倪光南 中国工程院院士 肖龙旭 中国工程院院士 张宏科 中国工程院院士 梁小虹 中国高科技产业化研究会理事长 陈山枝 中国信息通信科技集团有限公司副总经理、总工程师 编委会主任：编委会主任：邝世诚 编委会副主任：编委会副主任：（排名按姓氏拼音为序（排名按姓氏拼音为序）胡延明 黄伟庆 康 军 牛少彰 戎 豫 王林波 王茂森 杨春晖 编委会成员：编委会成员：（排名按姓氏拼音为序（排名按姓氏拼音为序）金 鑫 凌 芸 罗森林 王宝会 王武魁 肖文栋 于力扬 於二军 张振江 张广艳 周香林 左兴权 邹建成 目目 录录 第一篇 智能制造总述.1 一、第四次工业革命的发展.1 二、智能制造概念.1 三、人工智能融合智能制造发展.2 四、智能制造系统.4(一)数字设计.4(二)智能制造单元.5(三)生产全过程数字化.5(四)智能物流仓储系统.6(五)大规模定制平台.6(六)产品远程运维服务.7(七)数字孪生与智能制造的结合.7(八)工业互联网赋能智能制造.8(九)AI 大模型引领智能制造.9 五、AI+智能制造总体架构.10 六、AI+智能制造关键技术.10(一)5G 工业网络技术.11(二)数字孪生.12(三)区块链技术.14 第二篇 AI 赋能制造业转型升级.15 一、人工智能在具体实践中的问题.15 二、人工智能的优势.15 三、人工智能推动制造业转型升级.17 四、人工智能赋能制造业仍需多方面合作.18 第三篇 智能制造的全球发展形势.19 一、全球智能制造发展现状.19(一)德国.19 (二)美国.20(三)日本.21(四)欧盟.22 二、全球智能制造业格局.22 第四篇 智能制造在中国的概况.24 一、中国智能制造发展现状和形势.24(一)中国智能制造发展取得积极成效.26(二)中国智能制造发展面临的机遇和挑战.28 二、中国智能制造政策措施.30(一)加强统筹协调.31(二)完善创新体系.31(三)强化人才支撑.31(四)提升公共服务.32(五)深化开放合作.32(六)加大财税金融支持.32(七)创新金融扶持方式.33(八)发挥行业组织作用.33(九)深化国际合作交流.33 三、中国智能制造战略布局.34(一)研究制定智能制造发展战略.34(二)加快发展智能制造装备和产品.34(三)推进制造过程智能化.34(四)深化互联网在制造领域的应用.35(五)加强互联网基础设施建设.35 第五篇 智能制造在中国态势分析.36 一、中国智能制造的优势分析.36(一)政策引领：顶层设计彰显制度优势.36(二)试点先行：发挥示范项目龙头作用.38 (三)全面覆盖：推动各类主体跨域协同.38 二、中国智能制造工程目标.39(一)坚持创新驱动，实现科技自立自强.39(二)强化数实融合，深化智能技术应用.40(三)探索特色路径，促进区域协调发展.41 第六篇 中国智能制造产业分析.43 一、中国智能制造产业链分析.43(一)智能工厂.43(二)机器视觉行业.44(三)数控机床.45 二、中国智能制造行业发展特点分析.47(一)制造流程智能化.47(二)3D 打印和工业软件市场规模增大.48(三)中国智能硬件市场规模持续增长.48(四)工业机器人应用成全球趋势.49(五)智能制造打造智能制造工厂.50 三、AI+智能制造典型应用场景.50(一)大模型在医疗领域的应用.50(二)大模型赋能制造业升级.51 第七篇 中国智能制造的发展规划.53 一、中国智能制造的指导思想和目标.53 二、中国智能制造的重点任务.54 三、智能制造部署的专项行动.55 四、智能制造的保障措施.56 第八篇 全国各省市智能制造最新政策一览.57 一、十一部门展开“携手行动”促进大中小企业融通创新.57 二、工信部会同有关部门起草了“十四五”智能制造发展规划.58 三、工业和信息化部印发新型数据中心发展三年行动计划（2021-2023 年）.58 四、工业和信息化部、中央网信办出台5G 应用“杨帆”行动计划(2021-2023 年).59 五、北京市印发北京市制造业数字化转型实施方案（2024-2026 年）的通知.60 六、上海市关于印发上海市战略性新兴产业和先导产业发展“十四五”规划的通知.61 七、江苏省印发 江苏省制造业智能化改造和数字化转型三年行动计划（20222024年）的通知.61 八、重庆市人民政府印发重庆市工业企业以数字化为引领深化技术改造促进产业高端化智能化绿色化转型升级行动方案（20232027 年）的通知.62 九、浙江省人民政府印发2023 年全省经信系统技术创新和智能制造工作要点的通知.63 十、福建省工业数字化转型三年行动计划（20232025 年）.63 十一、山东省政府印发山东省制造业数字化转型提标行动方案（2023-2025 年）的通知.64 十二、广东省人民政府关于加快建设通用人工智能产业创新引领地的实施意见.65 第九篇 中国智能制造优秀案例.66 一、工控安全网络安全产业.66 二、北斗长缨智能机器人打磨案例介绍.70 三、“5G+工业互联网”应用推广重点难题及中国联通 5G 智能云化工控典型案例.72 四、推进智慧档案馆室数字技术应用，助力发展新质生产力.75 五、工业数字孪生在生活用纸行业中的应用.79 六、计算所智能实践应用.82 中国智能制造产业发展报告（2023-2024 年）1 第一篇 智能制造总述 一、一、第四次工业革命的发展第四次工业革命的发展 智能制造已成为公认的提升制造业整体竞争力的国家战略。以德国工业 4.0 为代表的智能制造集中于离散装备制造业，过程工业智能制造的模式为智能优化制造，生产过程智能化是智能优化制造的关键。近年来，人工智能和工业互联网的发展为智能制造提供了新的技术基础，为实现生产过程智能化开辟了新的途径。2016 年 10 月，美国国家技术委员会提出 国家人工智能研究与发展战略计划，明确了 AI 在制造过程中的作用，包括改进制造过程调度、增强制造过程的柔性、改进产品质量并降低成本。2018 年 5 月，美国白宫举办“美国工业人工智能峰会”，发表声明，重点发展具有高影响、面向特定领域的 AI，用于增强美国劳动力素质，提高他们的工作效率并更好地服务客户。美国科学基金会也发表声明，指出人工智能可能改变美国工业的各个环节，为先进制造创造新的希望。2019 年，美国工业互联网联盟为了促进人工智能技术与工业领域的融合，将其工业分析任务组更名为工业人工智能任务组。美国政府在 2020 年和 2021 年的财务预算中，计划优先支持智能和数字化制造领域，尤其是基于工业物联网、机器学习和 AI 的制造系统。在提出“工业 4.0”平台之后，德国在 2017 年 9 月启动了名为“学习系统”的计划，旨在使未来工作和生产更加灵活和节省资源。德国 2018 年的人工智能战略指出了促进面向经济的 AI 发展和应用。中国工程院制造强国战略研究（三期）的“新一代人工智能引领下的智能制造研究报告”认为，新一代智能制造是我国智能制造的第二阶段(2025-2035)的战略目标，意在使我国智能制造技术和应用水平领先于世界。二、二、智能制造概念智能制造概念 党的二十大报告提出了推动制造业高端化、智能化、绿色化协同发展的重中国智能制造产业发展报告（2023-2024 年）2 要任务，旨在构建智能制造（Intelligent Manufacturing,IM）产业发展新格局，高效实施供给侧结构性改革，并促进数字经济与实体经济的深度融合。在数字经济的背景下，随着大数据、人工智能、云计算等科技创新的不断发展，智能制造业蓬勃发展。智能制造发展规划(20162020 年)进一步明确了智能制造的内涵：它基于新一代信息通信技术与先进制造技术的深度融合，贯穿了制造活动的各个环节，具备自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。智能制造推动着企业创新发展，改变了传统的生产方式，促成了新的产业形态和商业模式的形成。信息化与工业化的深度融合不仅提升了智能制造企业自身的创新发展能力，还破除了区域间、行业间制造业发展不平衡的现状。越来越多的专家学者开始关注智能制造企业的发展，并取得了丰硕的研究成果。智能制造通过新一代信息技术、自动化技术、工业软件及现代管理思想在制造企业全领域、全流程的系统应用而产生。其应用使制造业企业实现了生产、管理、服务和产品智能化，促进了企业的创新发展。智能制造具有自主化决策、灵活生产多样化产品、快速应对市场变化的特点。人工智能与制造系统结合，利用机器学习、模式识别等模型提升了工厂管理系统能力。物联网的应用将设备连接起来，实现了机器之间的通信和互相沟通，实现了人与机器的融合。整个流程都有数字孪生模型，系统包括现实世界的一切，如应用和操作指南手册等。如今，智能制造已不仅限于生产过程或单体智能，而扩展到了产业价值链的各个环节，跨领域技术的深度融合和创新也变得更为重要。三、三、人工智能人工智能融合融合智能制造智能制造发展发展 在人工智能发展上，未来数字化的高峰一定是大模型推动下的智能化，人工智能的指数级跃变将会给城市发展带来巨大机遇。第一，ChatGPT 的出现，代表着超级人工智能时代的来临。原来的人工智能都是弱人工智能或垂直人工智能，带来的影响有限，而大模型属于通用人工中国智能制造产业发展报告（2023-2024 年）3 智能，在很多维度上已经超越了人类。ChatGPT 最大的意义是人类第一次把世界知识进行了重新编码、存储和推理，使得计算机能够对这个世界建立新的认知，现在 GPT-4 的出现是一个巨大的拐点。第二，大模型是工业革命级的生产力工具，将会带来一场新工业革命。ChatGPT 不仅仅是一个聊天机器人，还是一个提高生产力的工具。它不只是公司间竞争的武器，更重要的是，它像发电厂一样把以前我们都有但很难直接使用的大数据“从石油变成了电”。电是通用的，可以赋能千行百业，因此通用人工智能将在实体经济数字化、智能化转型过程中发挥重要作用。例如，微软已经做出示范，所有的软件、APP 和网站都可以用大模型重塑。这场工业革命关系到国家生产力的发展，是百年未有之大变局下大国博弈的重要机会，中国一定要迎头赶上。第三，中国做自己的大模型要坚持长期主义。中国发展大模型并没有不可逾越的技术障碍，OpenAI 公司的成功给我们指明了技术方向，点明了技术路线，中国科技公司在产品化、场景化、商业化方面有很大的优势，但我们也要清醒地意识到中国的大模型产品和 GPT-4 还存在较大的差距。因此，我们既不应该悲观放弃，也不应该盲目乐观、追求速胜，而是应该脚踏实地地补足短板。相信在未来的两三年时间里，中国的大模型发展将大有所为。第四，未来中国不只会有一个大模型。事实上，每个大城市，每个大一点的公司，包括每个政府部门都会有自己的专有大模型。但目前我们在使用大模型时，面临两个挑战。一是如果要真正发挥大模型的能力，就需要把自己的很多数据让渡给大模型，这时有可能造成数据泄漏问题。二是 GPT 的强大是因为它使用了很多通用知识、通用数据来进行训练，但其实际上缺乏行业知识。很多企业、政府部门、城市有自己多年积累的、专业的、保密的、专有的知识和数据，很难将这些知识和数据上传到公网上去训练一个公有的 GPT 模型。所以，在通用大模型基础之上，结合城市、政府、行业的专有知识去训练专有大模型，既符合国情，也符合城市发展的需要。中国智能制造产业发展报告（2023-2024 年）4 四、四、智能制造系统智能制造系统 智能制造系统是一个覆盖设计、物流、仓储、生产、检测等生产全过程的极其复杂的巨系统，企业要搭建一个完整的智能制造系统，最困难也是最核心的部分就是生产过程数字化。尤其是对于生产工艺复杂、原材料及原器件种类繁多的离散制造领域，产品往往由多个零部件经过一系列不连续的工序装配而成，其过程包含很多变化和不确定因素，在一定程度上增加了离散型制造生产组织的难度和配套复杂性，要做到生产全程数字化、可视化、透明化殊为不易。与离散领域显著不同的是，流程领域的生产流程本质上是连续的，被加工处理的工质不论是产生物理变化还是化学变化，其过程不会中断，而且往往是处于密闭的管道或容器中，生产工艺相对简单，生产流程清晰连贯，生产全过程数字化难度相对较低。流程领域企业接下来要做的是在全面贯通整合各阶段数据的基础上，运用人工智能的深度学习、强化学习（主要是动态规划方法）进行实时数据分析和实时决策，并进一步将智能系统延伸至供应链、生产后服务等各个环节，最终实现全面智能化。智能制造系统=自动化设备+智能“神经系统”。我们可以把智能制造理解为企业在引入数控机床、机器人等生产设备并实现生产自动化的基础上，再搭建一套精密的“神经系统”。智能“神经系统”以 ERP（企业资源计划系统）、MES（生产过程执行系统）等管理软件组成中枢神经，以传感器、嵌入式芯片、RFID 标签、条码等组件为神经元，以 PLC（可编程逻辑控制器）为链接控制神经元的突触，以现场总线、工业以太网、5G TSN、物联网（如 NB-IoT 等）等通信技术为神经纤维。企业能够借助完善的“神经系统”感知环境、获取信息、传递指令，以此实现科学决策、智能设计、合理排产，提升设备使用率，监控设备状态，指导设备运行，让自动化生产设备如臂使指。(一一)数字设计数字设计 数字化设计是智能制造系统的源头，是企业实现数字化、智能化道路上必须要突破的关键点。制造业中的设计包括产品设计、工艺设计、工艺优化、样品制造、检测检验等一系列过程。传统的研发设计流程是以模块分立形式，按中国智能制造产业发展报告（2023-2024 年）5 照顺序完成开发，产品开发周期长且质量得不到保证。而数字化设计借助计算机辅助设计软件（CAX）、三维设计与建模工具等技术能够赋予企业将研发过程全面数字化、模型化，实现研发设计流程的高度集成、协同与融合，大幅缩短产品开发周期，降低开发风险和开发费用。目前 CAX 类软件在国内制造业企业中已有一定程度应用基础，但从发展趋势及与智能制造系统的契合程度来看，第三代产品设计语言 MBD（基于模型的设计）技术将成为数字化设计的主武器，MBD 的应用将打通数字化设计与数字化制造，使三维模型成为制造的唯一数据源，让产品模型在整个生命周期得到充分利用。(二二)智能制造单元智能制造单元 智能制造单元是针对离散加工现场，将一组能力相近的加工设备和辅助设备进行模块化、集成化、一体化的聚合，使其具备多品种少批量产品的生产输出能力。对于离散制造领域的中小型企业来说，打造智能制造单元是开启智能化道路行之有效的切入点，其最大的作用在于提升设备开动率，加快生产节奏，“简单粗暴”的通过增加产出来提升企业收益。“智造单元”是一种模块化的小型数字化工厂实践，整个单元由自动化模块、信息化模块和智能化模块三部分组成，以“最小的数字化工厂”实现企业在多品种小批量乃至单件自动化的生产智能化。(三三)生产全过程数字化生产全过程数字化 打通数据整合优化互联互通降本增效。生产全过程数字化是将“人、机、料、法、环”五个层面的数据连接、融合并形成一个完整的闭环系统，通过对生产全过程数据的采集、传输、分析、决策，优化资源动态配置，提升产品质量管控。生产全过程数字化需要企业在人员配备、自动化设备、设备连接、环境感知等各方面具备良好的基础，即前文中提到的智能“神经系统”包含的要素必须齐全。在此基础上，生产全过程数字化的重点工作是打通各种数据流，包括从生产计划到生产执行（ERP 与 MES）的数据流、MES 与控制设备和监中国智能制造产业发展报告（2023-2024 年）6 视设备之间的数据流、现场设备与控制设备之间的数据流。有条件的企业可以自主研发或委托开发生产数字化集成平台，将不同生产环节的设备、软件和人员无缝地集成为一个协同工作的系统，实现互联、互通、互操作。(四四)智能物流仓储系统智能物流仓储系统 让一切物理实体流动起来，节省空间、时间与人力资源。物流仓储是制造业中极为重要的一环，如果说通信网络是智能制造系统的神经纤维，那么物流仓储则可视为智能制造系统的血管。智能物流仓储系统的应用能够使原材料、辅助物料、在制品、制成品等物理对象在各个生产工序间顺畅流转，并通过提升仓库货位利用效率、提高仓储作业的灵活性与准确性、合理控制库存总量、降低物流仓储人员需求数量等方式大幅压缩物流仓储成本。智能物流仓储系统尽管不直接参与产品的生产，但作为整个智能制造系统中的重要子系统，其组成架构也与之类似，分为设备层、操作层、企业层，设备层包括仓储设备、物流设备、识别设备；操作层由 WMS、WCS、TMS 等软件构成；企业层则对接 ERP、CRM、SCM 等管理软件的采购、计划、库存、发货等模块，融入总系统的闭环中。(五五)大规模定制平台大规模定制平台 打造向大规模定制转型的入口，提升品牌价值与用户粘性。销售是所有企业的核心业务之一，智能制造系统中的销售智能化除了应用 CRM 等软件管理销售业务外，更为重要的是在订单获取层面发挥作用。在当前个性化需求日益旺盛的环境下，企业通过建立定制平台，能够将用户提前引入到产品的设计、生产过程中，通过差异化的定制参数、柔性化的生产，使个性化需求得到快速实现，以此提升品牌价值，增加用户粘性。与之相匹配的，企业应将定制平台与智能制造系统中的研发设计、计划排产、制造执行等模块实现协同与集成，实现从线上用户定制方案，到线下柔性化生产的全定制过程；在企业后台建立个性化产品数据库，应用大数据技术对用户的个性化需求特征进行挖掘和分析，并反馈到研发设计部门，优化产品及工艺，基于用户需求新趋势开展研发活动。中国智能制造产业发展报告（2023-2024 年）7(六六)产品远程运维服务产品远程运维服务 以智能化服务拓展商业模式，推动价值链向后延伸。智能制造视角下的产品服务是借助云服务、数据挖掘和智能分析等技术，捕捉、分析产品信息，更加主动、精准、高效的给用户提供服务，推动企业价值链向后延伸。远程运维服务即是典型的制造企业智能化服务模式，企业利用物联网、云计算、大数据等技术对生产并已投入使用的智能产品的设备状态、作业操作、环境情况等维度的数据进行采集、筛选、分析、储存和管理，基于上述数据的分析结果为用户提供产品的日常运行维护、预测性维护、故障预警、诊断与修复、运行优化、远程升级等服务。远程运维服务可以有效降低设备故障率，提升设备使用率与使用寿命，既能减轻制造商的负担，又能显著提升产品价值。远程运维对于企业产品的智能化程度要求较高，产品必须配备开放的数据接口，具备数据采集、通信模块；企业还需建立远程运维服务前端平台与后端数据中心，采集产品数据并基于大数据分析与计算，向用户提供增值服务。(七七)数字孪生与智能制造的结合数字孪生与智能制造的结合 数字孪生，即物理空间在信息空间的完全映射，信息在两个空间中交互和融合，由统一“软件”平台协调和安排资源、能源、时间的最优分配，并在反馈中不断升级。由于人工智能技术的应用，机器算法将替代人的决策过程，形成对资源、能源、时间等生产要素的动态配置，并在数据反馈中不断优化算法精度，提升决策水平，即智能制造系统相对传统制造具备自感知、自学习、自决策、自执行和自适应能力。回溯工业革命发展历程，在机械化生产时期，信息技术尚未出现，所有生产要素都集中在物理空间中发生；到了电气化生产时期，机器大规模生产拓展了实体要素发生的物理空间，从小作坊变成了大工厂。伴随信息技术发展以及在制造领域的深入应用，相对于物理空间中的实体要素外，信息和数据作为新生产要素，在企业活动中扮演越来越重要的角色。在当前高度信息化和集成化的工业生产模式，生产线发生意外故障时，很中国智能制造产业发展报告（2023-2024 年）8 容易致使全产线停机停产，例如高度精细化的汽车生产线，会造成每天数百万级的损失。对于一些特殊工艺生产线，比如高温高压下的化工生产线，甚至面临严重的安全风险和衍生灾害。因此工业生产过程中需要基于大量数据，在虚拟数字空间中进行例如设备诊断、化学类生产过程的模拟，以及对当前设备状态和生产工艺下结果的仿真预测等，从而防止现场故障、生产异常产生出严重后果。工业设备数字孪生系统是以具体应用需求为目标，基于实体数字建模、物联网、大数据、人工智能等多融合技术，通过构建物理空间与数字空间之间的闭环数据交换通道，实现数字空间和工业设备的虚实客观映射，在数字空间对物理设备的实时状态进行呈现，并对历史状态进行记录。基于其状态的映射和记录，面向具体应用需求，对物理空间的活动进行分析决策支持或闭环控制，并支持设备实体与数字孪生系统的双向迭代优化。其包括实现以上目标的物理设备、传感系统、计算系统、实体数字模型、数据模型、算法模型以及相应的应用软件。(八八)工业互联网工业互联网赋能赋能智能制造智能制造 工业互联网（Industrial Internet）作为新一代信息技术与制造业深度融合的产物，已成为推动智能制造发展的重要引擎。它将物联网、大数据、人工智能等技术与传统制造业深度融合，赋能制造业实现生产过程的智能化、网络化、数字化和高度柔性化。首先，工业互联网为智能制造提供了强大的数据支撑。通过传感器、设备和系统的连接，工业互联网实现了对生产过程的实时监测、数据采集和信息传递。这些数据不仅包括设备的运行状态、工艺参数，还包括产品的生产轨迹、质量指标等信息。借助大数据分析和挖掘技术，制造企业可以从海量数据中发现潜在的生产优化点，提高生产效率和产品质量。其次，工业互联网实现了制造资源的高度集成和共享。在传统制造模式下，企业往往存在资源孤岛现象，生产设备、信息系统之间缺乏有效的协同和集成。而通过工业互联网技术，不同设备、工序、企业之间可以实现信息共享和资源中国智能制造产业发展报告（2023-2024 年）9 整合，实现生产资源的最大化利用。这种资源共享模式既可以降低企业的生产成本，又可以提高资源利用效率，实现生产要素的优化配置。第三，工业互联网赋能智能制造实现了生产过程的智能化和自动化。通过工业互联网平台的建设和数据分析，制造企业可以实现生产过程的智能调度、自动控制和远程监控。生产设备可以根据实时生产数据进行自适应调节，实现生产过程的优化和精益化管理。同时，基于人工智能和机器学习技术，工业互联网还可以实现生产过程的预测性维护和故障预警，提高设备的稳定性和可靠性。最后，工业互联网为智能制造提供了开放和灵活的生态环境。通过工业互联网平台的建设，制造企业可以与供应商、合作伙伴、客户等各方建立起紧密的连接和协同关系。这种开放式的生态环境不仅可以促进创新和知识共享，还可以为企业提供更多的商业机会和增长空间。同时，工业互联网平台的灵活性和可扩展性也为企业未来的发展提供了更大的可能性和空间。(九九)AI 大模型引领智能制造大模型引领智能制造 近年来，智能制造逐渐成为全球工业发展的重要趋势之一，而人工智能（AI）大模型的出现和应用正是智能制造向前迈进的重要驱动力之一。首先，工业大模型的部署将成为智能制造的核心支撑。通过在工业生产和制造过程中应用 AI 大模型，可以实现更加智能化和灵活化的生产模式。这些大模型可以通过学习和分析大量数据，提高生产效率、优化生产流程，并且在预测性维护、质量控制等方面发挥重要作用。因此，加速工业大模型的部署将成为智能制造发展的重要推动力。其次，建立完善的标准体系是智能制造发展的基础。随着智能制造技术的不断发展和应用，相关标准体系的建设变得尤为重要。这不仅包括技术标准，还包括安全标准、数据标准等方面。通过建立统一的标准体系，可以提高智能制造产品的质量和安全性，促进产业发展和国际交流合作。此外，对龙头企业的支持和引导也是智能制造发展的关键。龙头企业在智能制造领域具有丰富的经验和技术积累，可以在关键技术装备的研发和应用方中国智能制造产业发展报告（2023-2024 年）10 面发挥重要作用。国家层面应设立智能制造发展基金，为企业的智能制造项目提供资金支持，推动智能制造技术的创新和应用。综上所述，AI 大模型的应用将成为智能制造的重要驱动力，加速工业大模型的部署、完善标准体系建设以及支持龙头企业的发展，将为智能制造的发展奠定坚实的基础，助力中国智能制造走向更加智能化、高效化的未来。五、五、AI+智能制造总体智能制造总体架架构构 AI+智能制造方案构建了面向制造、能源电力、采掘等各垂直行业，以基础硬件设备、软件系统平台、解决方案三大层级为核心，生态协同为保障的技术架构。与主要依赖本地算力的传统工业架构相比，AI+智能制造方案通过软硬结合的方式，将成为未来智能化工厂的标准解决方案，提升产品质量检查和缺陷识别、生产作业过程识别以及安全行为等视觉识别的精准性、高效性。图图 1-1 AI+智能制造总体架构图智能制造总体架构图 六、六、AI+智能制造关键技术智能制造关键技术“AI+”通过整合 5G、数字孪生、边缘计算、区块链等先进数字技术，凭借“全中国智能制造产业发展报告（2023-2024 年）11 面连接、信息共享、上下联动、资源整合”等优势，深度激活行业“脉络”，全面融入 45 个国民经济大类，对重塑工业体系、大力推进新型工业化的关键支撑效应正逐渐显现。(一一)5G 工业网络技术工业网络技术（1）5G 通信增强技术。5G TSN（时间敏感网络）技术通过高精度时间同步，实现工厂内无线 TSN，保障工业互联网业务端到端的低时延。5G 高频和多天线技术支持工厂内的精准定位和高宽带通信，大幅提高远程操控领域的操作精度。5G 边缘计算加速工业 IT 及 OT 网络融合，通过边缘数据处理、跟踪及聚合能力的增强，提升工业互联网业务的高可靠、低时延等性能指标，优化资源共享和用户体验。（2）网络切片。5G 网络切片技术支持多业务场景、多服务和质量、多用户及多行业的隔离和保护。网络切片是提供特定网络能力的、端到端的逻辑专用网络。一个网络切片实例是由网络功能和所需的物理/虚拟资源的集合，具体可包括接入网、核心网、传输承载网及应用。图图 1-2 网络切片管理架构图网络切片管理架构图 每个虚拟网络之间是逻辑独立的，任何一个虚拟网络发生故障都不会影响其他虚拟网络。依据应用场景可将 5G 网络分为 3 大类：移动宽带、海量物联网和任务关键性物联网。由于 5G 网络的 3 类应用场景的服务需求不同，且不同领域的不同设备大量接入网络，这时网络切片就可以将一个物理网络分中国智能制造产业发展报告（2023-2024 年）12 成多个虚拟的逻辑网络，每一个虚拟网络对应不同的应用场景，从而满足不同的需求。5G 网络切片技术可以为不同的应用场景提供相互隔离、逻辑独立的完整网络，从而实现 5G 网络共享，节约宝贵的频谱资源，建设行业虚拟专用网络。（3）边缘计算。边缘计算在靠近数据消费者的地方提供计算、存储能力，以及边缘应用所需的云服务和基础设施环境。相比于集中的云计算服务，边缘计算解决了时延过长、汇聚流量过大等问题，为实时性和带宽密集型业务提供更好的支持。边缘计算与接入方式无关，5G 标准设计原生支持边缘计算，提供架构、移动性、会话管理等方面的灵活部署能力。应用功能随网络功能下沉，部署到靠近接入基站的位置。5G 网络支持在转发路径上灵活的插入分流点，引导对应的数据流进入边缘节点。随着用户移动，可支持不同等级和方式的业务连续性保障。要求分流能力可向应用开放，提供转发路径优化和加速服务。(二二)数字孪生数字孪生 数字孪生技术的发展源于新一代信息技术与不同领域技术的融合，是在 CPS、建模仿真、大数据与人工智能技术的基础上发展起来的一门新兴技术。（1）物联网技术。数字孪生是物理世界在数字世界的孪生，如何实现数字孪生与物理世界的虚实映射是数字李生实施的基础。物联网是以感知技术和网络通信技术为主要手段，实现人、机、物的泛在连接，提供信息感知、信息传输、信息处理等服务的基础设施。随着物联网的不断健全和完善，数字李生所需的各种数据的实时采集、处理得以保障。在空间尺度上，由于物联网万物互联的属性，面向的对象由整个产业垂直细分至较小粒度的物理实体。同时，在时间尺度上，由于物联网实时性的提升，使得不同时间粒度的数据交互成为可能。以上使得数字李生正在变得更加多样化和复杂化，使得数字世界和物理世界能够在物联网的支持下进行时间和空间上细粒度的虚实交互，以支撑不同尺度的应用。中国智能制造产业发展报告（2023-2024 年）13（2）大数据技术。数据是数字孪生系统动态运行的最重要的驱动力量。随着数据时代的到来，大数据分析应运而生。通过体现大数据海量、异构、高速、可变性、真实性、复杂性和价值性等特征，大数据分析面向解决具体问题提出相应的算法和框架模型。对数字李生系统而言，大数据分析为深度探索物理空间事物提供可能，而通过数据可视化，为数字孪生系统揭示物理实体的隐性信息提供了有效工具。（3）多领域、多层次参数化机理模型建模技术。物理实体的机理模型是数字孪生系统的骨架。近年来，不同领域混合的多层次精准建模方法为数字孪生技术对物理世界真实描述提供了使能技术。首先，其综合复杂物理实体涉及的针对诸如机械、电气、液压、控制及具体行业特征进行综合建模的能力，为数字孪生系统对物理实体的有机综合分析提供了高可用技术；其次，物理实体机理模型的多层次表述能力，可使得模型在不同空间粒度上对实体进行客观真实表述；再次，参数化建模方法为数字孪生实体机理模型对物理实体在时间维度上变化的映射，即模型的动态更新能力，提供了有效手段。（4）人工智能技术。数字孪生系统对工程应用的重要意义在于其智能分析和自主决策能力。人工智能技术的发展，可通过和传统的建模仿真分析技术结合，有效赋能数字孪生系统，使得数字孪生系统可针对过去、现在的状况进行综合智能分析，并进行自主决策，对物理世界的变化进行准确判断和决策，对物理世界的活动进行智能化支撑。（5）云边缘协同计算技术。数字孪生系统是庞大复杂的系统，然而其对物理世界的感知和决策支持往往具有时效性和个性化的特点。云边缘协同计算技术，可有效地发挥云端强大的存储计算能力和边缘端个性化实时感知和控制能力，为数字孪生系统的高效运行提供支撑。综上，物联网、大数据、多领域多层次参数化实体建模技术、人工智能技术、云边缘协同计算技术相互交互，相互融合，加速推动着数字孪生的落地应用。中国智能制造产业发展报告（2023-2024 年）14(三三)区块链技术区块链技术 工业互联网平台在部署过程中工业数据需要上云，企业对自身隐私数据泄露存在担忧而不愿参与其中，阻碍了工业互联网平台的推广。因此需要一项技术解决工业互联网中博弈多放的互信协作问题，以及各企业对自身数据的控制权问题。区块链是由多种技术集成创新形成的分布式网络数据管理技术，通过区块链的加密算法、访问控制、隐私保护、入侵检测等技术，可以实现工业企业内部各个环节的数据共享、网络加密及访问权限控制等功能，并且可以利用区块链分布式的特点促进产业链的协同和产融协同。工业互联网平台下两种技术在兼容与调和过程中并不是简单的技术嵌入，而是需要在更多模式上进行升级。对于区块链如何同工业互联网平台进行业务上的集成与融合、各项标准制定也是未来需要研究的重点。随着“区块链+工业互联网”融合研究以及各项标准制度的发展与完善，再加上对区块链核心技术的不断研究和更多模式上的升级和探索，区块链技术将在工业互联网中网络安全保障、资源高效分配、制造数据追溯、智能协同制造等方面发挥更大的推动作用。中国智能制造产业发展报告（2023-2024 年）15 第二篇 AI 赋能制造业转型升级 一、一、人工智能在具体实践中的问题人工智能在具体实践中的问题 随着人工智能在我国工业领域的逐步深入，在应用过程中还面临着诸多需要改善的问题。首先，我国制造业领域人工智能技术的基础架构仍不够完善。以物流零售新概念为例，人工智能为主要核心的新物流和新零售等实际应用，然而我国目前传统旧物流和旧零售的问题仍未能得到很好的解决。所提出人工智能的新概念没有实施的实践基础。虽然国家重视制造业公司的改革与发展。但是诸多制造企业仍处于 1.0 与 2.0 的工业前期阶段，无法快速进行工业 4.0 的改革。同时，我国的人工智能科研基地有待进一步完善。作为大型科研国家与欧美等高端科研国家之间仍然存在很大差距。例如，学术论文的质量仍然存在重大问题。除此之外，中国需要在加强制造业方面进一步加强人工智能的创新意识。在我国的传统企业中，制造业在业务发展中的成功很大程度上取决于业务领导者自身的经验。至于现代人工智能技术的技术变革，并不是其核心竞争力。在制造企业的管理层，公司的科研团队和公司的服务团队必须紧密合作，使智能系统在公司中发挥最大的作用。但是，传统的制造业公司需要实现自上而下对改革的理解与支持，以加强制造业的人工智能水平。人工智能在我国前景依旧光明。许多行业和领域都充分应用了人工智能技术。但是，人工智能技术在中国制造业中的应用仍然相对较少，需要进一步加强。我国制造行业对人工智能的应用占比非常小，还需要进一步加强。这也是我国在实行人工智能赋能在制造业转型升级过程中所遇到主要问题和阻力之一，只有我国的制造企业充分意识到人工智能技术的重要性，加强对于人工智能技术的重视，才能够有效地促进我国制造业实现人工智能的转型和升级。二、二、人工智能的优势人工智能的优势“人工智能+制造业”不同于自动化或“互联网+制造”，自动化强调的是企业通过应用工业软件,实现离线环境下的自动生产，“互联网+”则是利用中国智能制造产业发展报告（2023-2024 年）16 互联网工具对接供需关系。而人工智能与制造业融合需要在数字化及网络化的基础上，由机器基于生产数据及供需环境的实时反馈，实现自主调整，完全智能。一般来说，人工智能将为制造业带来以下升级方向：1）提升生产效率。随着我国制造业接近世界先进水平，依靠技术引进和管理变革等方式提高生产效率的空间已经很小。近年来，人工智能在制造业应用深化，生产函数中加入新要素，为制造业的效率提升创造新空间。与自动化设备相比，智能装备可以实现统一平台、统一指挥，通过自主优化减少停机时间，并随着数据积累，还可以自我学习辅助生产管理，从多个层面促进企业效率的提升。2）降低人力成本。我国正处于工业化中后期，也是进入发达国家行列的关键时期。但随着老龄化日益严重，人口红利逐渐消失，劳动力的优势被东南亚国家超越。寻找新的优势生产要素，是维持我国工业高质量发展的关键。人工智能作为新兴的投入要素，既可以在很多领域替代传统劳动力，还能在高精度条件下维持动作一致性，避免产品质量受工人情绪和精力影响。研究表明，智能机器人密度与产品的质量成正比。3）高效质量控制。将人工智能与物联网等技术相结合，可以实现制造业生产线全面、实时监控，不仅提高质检效率，还能通过智能学习改善工艺流程。对于精密仪器等规模生产，但结构复杂、工艺要求高的行业，人工智能可以显著提高其良品率。例如，江苏汇博机器人公司针对卫浴行业推出机器视觉检测系统，分辨水平远超人类肉眼，不仅能检测微小缺陷，还能分析故障原因，快速筛选出不合格品，并操控生产线进行分拣，提升产品的出厂合格率。4）优化供需管理。人工智能通过实时跟踪海量数据，并进行自我学习，