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【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行业场景图谱示意图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。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，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，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加快完善制造业