摘要
展望2026年，我国制造业数字化转型将步入深水区：场景图谱构建明确方向，智能技术与制造加速融合，数据要素资产化进程加快，人工智能赋能持续深化，生态协同日趋紧密。与此同时，仍面临投入产出难衡量、核心技术薄弱、AI应用深度不足、系统互联不畅、技术与业务脱节等现实挑战。课题组围绕场景打造、评估诊断、技术攻关、AI赋能、融通发展等关键环节提出针对性建议，推动转型向智能化、融合化纵深发展。
2025年，我国制造业数字化转型在场景图谱建设、技术融合创新、数据要素应用、AI落地及生态构建等方面取得阶段性成效。2026年，依托基础稳、潜能大的优势，面对更复杂的内外部环境与多元转型需求，数字化场景培育、成效评估、智能技术赋能和生态构建将成为核心任务，数字化转型正加速成为制造业高质量发展的核心引擎，支撑我国从制造大国迈向制造强国。
一、2026年制造业数字化转型形势研判
（一）场景驱动精准深化：从“大水漫灌”到“精准滴灌”
2025年，制造业数字化转型转向聚焦高价值业务场景。工信部发布《场景化、图谱化推进重点行业数字化转型的参考指引（2025版）》，覆盖钢铁、石化等14个重点行业，构建涵盖场景优化、要素匹配、供需衔接与成效评估的系统框架；累计培育“小快轻准”解决方案超1万个，显著降低中小企业转型门槛。2026年，将强化基于行业特性和企业痛点的场景挖掘，推动行业知识图谱与转型路径图谱深度融合，形成“一业一策”“一企一策”的精准赋能机制；重点围绕智能制造、工业智能、服务型制造等核心场景，构建场景化解决方案库与标准化评估体系，实现从单点突破到体系化推进的跃升。
（二）智能设施全面升级：从单点突破到全要素智能化
截至2025年7月，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；建成基础级、先进级、卓越级智能工厂分别超3万家、1200家、230家，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。2026年，智能设施将由局部部署迈向全域集成，构建覆盖感知、计算、执行全环节的智能化基座：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；5G-A、TSN等技术深度融入生产核心环节；高端数控系统、智能传感与执行单元等关键部件加速技术攻关与规模化应用，筑牢全要素智能化安全底座。
（三）数据要素价值跃升：从信息工具到核心资产
截至2025年6月，全国建成省、市级数字经济发展促进中心近230家，覆盖18个省份；高质量工业数据集超3.5万个，总体量超400PB，覆盖钢铁、石化、煤炭等重点行业；8000余家企业通过DCMM认证；可信数据空间试点覆盖汽车、装备制造、钢铁等领域。2026年，工业数据资产化进程将全面提速：数据确权、评估、入表流程进一步规范；工业数据空间、数据交易所等载体加速完善流通机制，催生标准化、模块化工业数据产品；数据资产金融创新启动探索；多维融合分析与时空语义理解能力成熟，全面赋能产品设计、工艺优化、设备运维等环节，支撑虚拟调试、实时优化、预测性维护等智能应用。
（四）人工智能加速赋能：从实验场景到规模化落地
2025年，AI已覆盖研发设计、中试验证、生产制造、营销服务、运营管理全流程，工业大模型与智能体加快落地。网信办备案生成式AI企业达611家；IDC调研显示，中国工业企业应用大模型及智能体比例由2024年的9.6%跃升至2025年的47.5%。2026年，行业大模型将深度渗透垂直领域，工业智能体加速崛起：工业设备由被动工具升级为具身智能体，人机关系转向双向协同；算法驱动生产方法变革，知识传承从“师徒制”向可复用的大模型资产演进；通用大模型、行业大模型与工业智能体在更广场景落地，优化要素配置、提升价值链地位，助力中国制造由大到强跃升。
（五）要素链接更为广泛：从链式配套到网状共生
2025年，工业互联网平台链接服务能力显著增强：具有一定影响力的平台超340家，重点平台连接工业设备超1亿台（套），全国累计上云上平台企业约400万家次，平台应用覆盖49个国民经济大类、41个工业大类及185个工业中类，数据、资源、能力高效流动、协同创造价值。2026年，工业互联网平台将升级为万物互联的智能底座：自主可控标识解析体系全面建成；开源开放生态与标准化模式持续深化并在重点领域规模应用；平台链接范围持续拓展，纳入产业链上下游更多主体，实现全要素扩张；跨区域、跨领域产业集群生态加速涌现，形成更强生态合力。
二、当前亟需关注的关键问题
（一）投入产出难以量化，动摇转型战略决心
初始投入大（含硬件改造、软件采购、系统集成与人才培训），对企业现金流形成长期压力；核心效益（如流程再造、质量提升）多为“软性”收益，传统ROI模型难以精准衡量；价值回报周期长，需经生产、管理、营销等多环节协同优化才能显现，远超一般技改项目。成本显性、收益隐性、周期漫长，导致中小企业普遍存在“不敢转、不愿转”困境。
（二）核心技术存在短板，安全风险隐患突出
高端工业软件市场长期被国外主导，工业网络协议、高端芯片等底层技术对外依存度高。随着“云-边-端”架构普及与工业控制系统开放化，系统复杂度上升、安全边界扩大，网络攻击、数据窃取或篡改风险加剧；一旦遭攻击，可能引发工艺参数异常、产线停摆甚至设备物理损坏，严重威胁连续生产与运营安全。
（三）人工智能应用不足，难以融入核心业务
当前AI应用仍以探索与试点为主。MIT《The GenAI Divide》报告指出，95%组织在生成式AI上未获实际回报，仅5%方案成功投入生产。主因包括：工业现场数据噪声大、格式杂、样本缺，难以满足高质量训练要求；AI决策逻辑不透明，一线工程师对其缺乏信任与接受度，人机协同存在显著认知与协作障碍。
（四）系统融通不畅，数据孤岛阻碍价值挖掘
企业内部存在“小孤岛”：信息系统架构与通信协议不统一，缺乏全流程数据治理标准，OT与IT系统融合困难，难以全局整合分析；企业外部存在“大孤岛”：虽积累大量工业数据与知识，但互认能力弱、互通机制缺、思想不信任，形成封闭“数据烟囱”，制约跨主体价值共创。
（五）技术与业务协同不足，制约转型实施推广
数字化转型本质是业务模式与管理体系重构，非单纯技术叠加。“技术业务两张皮”现象普遍：部分技术供给方重前沿性、轻实效性，未能切中企业降本、增效、提质等核心诉求；部分业务部门缺乏技术理解，难以将模糊需求转化为清晰、可执行的技术方案。供需错位导致成果不适用、不好用；组织变革与流程再造滞后，更易造成先进技术系统陷入“旧瓶装新酒”困局。
三、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、分产业链梳理数据要素、知识模型、工具软件、人才技能等清单，明确攻关路径；扩大图谱覆盖范围，提升精细化与标准化水平；体系化培育场景化解决方案，征集重点行业转型需求与优秀实践案例，加快构建服务商资源池；结合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，开展供需对接与案例研讨，推动典型经验复制推广。
（二）深化转型效益评估，动态优化重点方向
构建一体化评估体系，打通不同评估模型间的映射关系，提供统一评估对话框架；加快建立以投入产出为核心的综合评价模型，明确可量化、可考核、可评价的关键绩效指标（KPI）；基于评估结果，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方案，帮助企业快速获得转型收益，增强持续投入信心。
（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攻关计划，开发通用型数字化工具；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、低成本解决方案；支持龙头企业联合高校、科研院所组建创新联合体，共建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、控制等核心技术瓶颈，打通技术研发—应用落地全链条。
（四）深化人工智能融合创新，打造智能制造新范式
推动AI与工业机理模型、专家知识深度融合，构建工业知识图谱；开发行业大模型知识引擎与机理模型库，建设工业模型开源共享平台，汇聚基础模型、数据集与工具链；发展工业垂类模型，聚焦研发、生产、运维等核心场景，构建“大模型理解任务+小模型精准执行”协同体系；培育并推广面向工业场景的智能体产品，打造群体智能解决方案，实现从单点应用到全流程赋能跃升。
（五）推动多层次融通发展，构建开放协同新生态
加快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，夯实数据流通与系统互联制度基础；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生态；健全“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，加速科技成果产业化转化。
来源 | 新型工业化研究中心