中国工业5.0：人工智能科技创新的重要锚点与场景

2026年9月17日，国际著名金融服务机构摩根士丹利发布智库报告《中国下一轮工业革命》，以“中国工业5.0”概念统摄未来十年中国制造业的演进方向。报告判断，中国制造业正进入工业智能化阶段，从低成本、规模制造的“世界工厂”转向“全球工业操作系统”，迈向以“物理AI”为特征的“工业5.0”超级周期。这一判断与国内以“智能制造”为主攻方向的战略部署高度契合。与该报告发布的同时，在北京召开的全国先进制造业大会进一步指明了要坚持智能化、绿色化、融合化发展方向，推动制造业跃升。“中国工业5.0”实际是对我国制造业智能化实践提炼而形成的一个具有划时代意蕴的定义，揭示着一个根本性逻辑：中国工业5.0的核心是工业智能化，而工业智能化的底层支撑在于人工智能科技创新与赋能。

一、“中国工业5.0”的时代内涵与历史方位

（一）工业5.0的核心要义：从“联网自动化”到“自适应智能体”

摩根士丹利报告将工业革命演进路径概括为：机械化→电气化→自动化→数字化。中国工业5.0的公式是：规模+自动化+AI+深厚供应链+全球化部署。其三大支柱构成一个有机整体。

第一，工业智能化是中心内涵。AI+自动化+具身智能，使工厂从“联网自动化”升级为自适应、自学习闭环系统，不再仅靠人做核心决策。这是工业5.0区别于工业4.0的根本标志——工业4.0解决的是“连接”问题，工业5.0解决的是“决策”问题。

第二，工业韧性是安全底座。目标是自主可控，消除单点不可替代依赖、掌控关键接口、在外部限制条件下仍可独立迭代技术栈。韧性不是封闭，而是在开放条件下具备“断供可续、限制可破”的能力。

第三，工业领导力是价值制高点。依托规模实现生态输出、参与标准制定，在部分上游基础技术取得全球技术领先。从“产品出口商”走向“工业系统组织者”，从“快速工业化者”走向“工业研发引擎”。

三大支柱的逻辑关系是：智能化提供技术动力，韧性提供安全保障，领导力提供价值空间。三者相互支撑，构成中国工业5.0的完整体系框架。

（二）五大关键突破：技术路线图与竞争焦点

报告指出未来十年五大关键突破指向，构成工业5.0的技术路线图。

其一，AI原生制造操作系统，从自动化工厂走向自适应工厂。这是工业5.0的“大脑”，决定工厂的智能化水平。

其二，具身AI作为劳动力平台，从专用设备走向可通过软件升级的物理资本。具身AI的范围远不止人形机器人，还包括自动驾驶商用车、工业机器人、移动操作机器人、协作机器人、AMR/AGV、无人机和垂直起降飞行器等。报告预测，上述各类产品销量将从2025年的800万台升至2030年的2900万台和2035年的7600万台。这意味着，具身AI不是“机器换人”的简单替代，而是“物理资本可软件化升级”的范式革命。

其三，自主工业技术，从零部件国产化走向架构自主。报告指出，中国最显著的自主化缺口在产业上游的“脑、神经系统和精密层”——包括半导体与算力、工业软件与控制、高端机床与计量，以及部分先进材料。缺口最深的是前沿半导体设备和算力，但最具吸引力的机会往往位于相邻一层：晶圆厂设备、电子设计自动化、先进封装、工业控制软件、高端数控机床、精密运动控制、传感器以及通过认证的特种材料。中期潜力最强的是能够同时获得多个行业广泛下游需求拉动的领域——尤其是工业软件、精密设备和先进材料。

其四，产业生态输出与工业标准制定，从产品出口商走向工业系统组织者。新能源汽车与电池系统、光储一体化以及电力设备和智能电网处于最先进阶段；第二类行业包括智能工厂、港口和物流自动化、工程机械以及绿色船舶制造；人形机器人、eVTOL和自主实验室属于前沿选项。

其五，工业技术创新领导力，从快速工业化者走向工业研发引擎。这是工业5.0的最高目标，也是中国制造业从“大”到“强”的根本标志。

（三）国内呼应：从“智能制造”到“新一代智能制造”的战略跃升

近十年来，我国逐步确立“以智能制造为主攻方向，加快建设制造强国”的发展导向，密集发布有关战略指引，持续加力推进工业智能制造。就在最近两年，国家工信部于2025年4月印发《智能制造典型场景参考指引》，又于2026年7月发布《关于开展2026年度智能工厂梯度培育行动的通知》，不断将智能制造推深走实。摩根士丹利报告的“工业智能化”与国内“新一代智能制造”概念高度契合。2026年9月在合肥举行的世界制造业大会上，中国工程院院士、国家制造强国建设战略咨询委员会主任周济即指出，新一代人工智能与先进制造技术深度融合，催生新一代智能制造，它既是第四次工业革命的核心技术，也是我国加快建设制造强国的核心驱动力。

国内专家将新一代智能制造的核心要义概括为三个层面。第一，人工智能赋能新型工业化。智能技术发挥赋能主导作用，制造技术是本体核心，根本任务是推动制造业数字化转型、智能化升级。第二，智能制造包含三类基本范式：数字化制造、“互联网+”制造、新一代智能制造。近十年我国实践以第一、第二范式为主，面向未来需要全面推广新一代智能制造。第三，智能制造是一个大系统，贯穿产品、生产、服务型制造全生命周期，涵盖产品创新、生产技术创新、产业模式创新、制造系统集成创新四大维度。

新一代智能制造是智能制造的高级范式与主体范式，可实现自主感知、自主决策、自主执行、自主学习。以机床为例，新一代智能制造体系下的机床不再是单纯执行预设程序的设备，而是具备自主感知、自主决策、自主执行、自主学习能力的新型制造系统。人与信息系统的关系发生根本性转变：由人类直接下达具体操作指令，转变为教会系统掌握分析处理问题的能力。其三大核心特征是：智能化，从被动执行工具升级为自主决策智能体；开放性，从封闭架构转向开放生态；系统性，从信息孤岛转向体系化工程。

中国工业5.0的本质，是一场以AI为核心驱动力的制造业范式革命，其战略逻辑是“智能化引领、韧性保障、领导力制胜”。具象化为产业层面，新一代智能制造将驱动三大模式变革：生产模式从大规模流水线生产转向定制化规模生产；组织模式从竞争和垄断走向竞争和协同共享；产业形态从生产型制造向服务型制造转变。

在实践层面，国内各地纷纷出台建设“智造大省”的十五五发展目标和举措。广东建设“智造强省”，江苏打造“数实融合第一省”，浙江推进“产业大脑+未来工厂”，上海实施“智能工厂”专项行动计划，安徽举办的2026世界制造业大会聚焦智能制造的泛在推进。这些部署展现了各地对工业革命大趋势的深刻认知与积极把握，也显示着中国工业5.0进程已然加速。

二、我国人工智能赋能先进制造业的现状与长三角使命

（一）人工智能科技创新的巨大进展与赋能成效

随着2016年人工智能技术实现重大颠覆性突破，人类迈入新一代人工智能发展阶段。近年来，我国人工智能科技创新取得举世瞩目的成就。在大模型领域，涌现出DeepSeek、通义千问、文心一言、智谱GLM等一批具有国际竞争力的大模型产品。在算力基础设施方面，我国已建成全球规模最大的5G网络和光纤网络，智能算力规模位居世界前列。在AI芯片领域，华为昇腾、寒武纪、海光等企业持续突破。在计算机视觉、语音识别、自然语言处理等应用技术领域，我国已处于全球第一梯队。

在赋能先进制造业方面，我国也取得积极成果。工业互联网平台建设加速推进，海尔卡奥斯、树根互联、徐工汉云等平台已具备一定国际影响力。智能工厂建设方面，我国已建成一批达到国际先进水平的灯塔工厂和智能制造示范工厂。工业机器人装机量连续多年位居全球第一，2024年产量超过50万台。在汽车、电子、电池、光伏等标准化程度较高的行业，AI赋能效果显著，生产效率和质量水平大幅提升。

（二）结构性失衡与深层问题

在欢呼我国智能制造取得举世瞩目成就的同时，我们也必须冷静直面一个问题，即我国人工智能科技创新在赋能先进制造业方面仍存在明显的结构性短板。

其一，大模型研发的结构性失衡：通用类偏多，垂类工业大模型偏少。当前我国大模型研发呈现“通用类相对较多、垂类工业大模型较少”的格局。据统计，国内已发布的大模型超过200个，但绝大多数为通用大模型或面向消费端的应用模型，真正针对特定工业行业、特定工业场景的垂类工业大模型不足10%。专用算法、软件等也不够。工业场景对模型的可靠性、实时性、安全性要求极高，通用大模型难以直接满足。例如，在高端数控机床的加工参数优化、化工过程的智能控制、钢铁冶金的炉温预测等场景，需要深度融合行业机理知识和专家经验的专用模型。这种结构性失衡导致AI技术在工业领域的落地效果打了折扣。

其二，具身智能技术的工业应用不足：消费热、工业冷。具身智能技术较多以消费型为关注点，如表演、图像、视频、文本助手等，而工业具身智能技术开发仍不够。当前，人形机器人研发热潮主要集中在展示表演、家庭服务、教育娱乐等消费场景，而在工业制造场景中，能够适应复杂工况、完成精密装配、实现柔性作业的工业具身智能系统仍较为稀缺。工业场景对具身智能的精度、可靠性、耐用性、安全性要求远高于消费场景，需要长期的技术积累和场景验证。这种“消费热、工业冷”的局面，可能导致我国在工业具身智能领域错失发展先机。

其三，结构性失衡有多维深层原因：从技术层面来看，工业场景的数据获取难度大、标注成本高、场景碎片化严重，通用大模型的规模效应难以直接迁移至工业领域。就市场层面而言，消费端市场回报周期短、规模效应显著，吸引大量资本和人才涌入；而工业端市场回报周期长、定制化程度高，企业投入意愿相对不足。从产业生态考量，工业AI需要AI企业、制造企业、工业软件企业、系统集成商等多方协同，而当前我国工业AI生态尚不成熟，跨界融合存在壁垒。从人才层面观察，既懂AI技术又懂工业机理的复合型人才严重短缺，而这种要素是智能机器和工具所不可替代的。

（三）构造“中国工业5.0引擎”是上海（长三角）国际科创中心的使命

长三角地区是我国人工智能科技创新的领先高地，上海（长三角）国际科技创新中心建设为工业智能化技术发展提供了独特优势。如何进一步发挥这一优势，在“中国工业5.0”进程中成为重要引擎，是当前亟待深入研究的重大问题。

长三角地区拥有全国最完整的制造业体系、最密集的科技创新资源、最活跃的资本市场。上海拥有张江综合性国家科学中心、临港新片区、科创板等重大平台；江苏拥有强大的制造业基础和丰富的应用场景；浙江拥有数字经济先发优势和民营经济活力；安徽拥有中国科学技术大学、合肥综合性国家科学中心等战略科技力量。长三角地区人工智能相关企业数量占全国三分之一以上，工业互联网平台数量全国领先，智能制造示范工厂数量位居全国前列。人工智能科技创新的产出与广阔工业应用场景消纳相融合，奠定了上海（长三角）国际科创中心构造“中国工业5.0引擎”的坚实基础。

着眼于发挥优势与弥补短板，上海（长三角）国际科创中心构造“中国工业5.0引擎”的发力方向与实施路径不妨从五个维度展开。

其一，构建工业垂类大模型创新联合体。依托上海人工智能实验室、之江实验室、合肥综合性国家科学中心等战略科技力量，联合长三角地区龙头制造企业，组建工业垂类大模型创新联合体。聚焦集成电路、汽车、电子、生物医药、化工材料、冶金、装备制造等长三角优势产业，开发深度融合行业机理知识的专用大模型。建立工业数据集共享机制，推动制造企业开放脱敏后的生产数据，为模型训练提供高质量数据支撑。

其二，打造工业具身智能技术创新高地。发挥上海在机器人研发、江苏在精密制造、浙江在智能控制、安徽在大模型研发等方面的优势，协同攻关工业具身智能关键技术。重点突破复杂工况下的感知与决策、精密力控与柔顺操作、人机协作安全等核心技术。建设工业具身智能中试验证平台，为技术从实验室走向工厂提供场景验证。

其三，建设工业AI开源开放生态。依托上海开源信息技术协会、OpenXLab等平台，打造工业AI开源社区，推动工业算法、模型、工具链的开源共享。建立工业AI标准体系，推动长三角地区率先制定工业大模型、工业具身智能等领域标准。培育工业AI系统集成商、解决方案提供商，形成完整的产业生态。

其四，强化复合型人才培养与引进。依托长三角地区高校和科研院所，设立工业AI交叉学科，培养既懂AI又懂工业的复合型人才。建立企业与高校联合培养机制，推动人才在产学研之间流动。实施工业AI高端人才引进计划，面向全球吸引顶尖人才。

其五，深化长三角聚焦式颗粒化的协同联动。建立长三角工业智能化协同推进机制，推动政策互通、标准互认、平台互联。发挥上海（长三角）国际科技创新中心的辐射带动作用，推动人工智能科技创新成果在长三角地区先进制造业转化落地，共同打造世界级工业智能化产业集群。

三、着力补齐中小企业数字化转型的短板

我们在长三角区域调研中发现，目前人工智能科技创新成果转化赋能和应用场景落地主要集中在新兴产业和未来产业领域，特别是科技大厂显示出工业智能化龙头领先态势，但是中小企业较为普遍存在滞后现象，导致产业链内部和企业之间的K型分化及断层。

（一）全链条智能化中的“木桶短板”

工业智能化是数字化的升级版。从全产业链视角看，工业智能化是包括上中下游、大中小企业全链条系统性的智能化。新兴产业和未来产业的科技大厂已然在工业智能化轨道上高歌猛进，然而作为零部件、元器件配套的中小企业的数字化转型却举步维艰，大量中小企业仍处在数字化转型攻坚期，尚未完成数字化基础普及工作，成为工业5.0体系中的“代差”断层，也势必成为长三角构造“工业智能化引擎”的短板。

数字化转型与“互联网+”制造是基础前提，没有这一基础就无法积累大数据资源，智能制造便是无根之木，更无从落地，工业智能化升级也难以实现。因此，完成制造业数字化转型的基础普及是不可逾越的历史任务，从而才能为后续全面开展智能化升级筑牢根基。针对科技大厂与中小企业在工业智能化的进程分化和不相匹配难题，国内专家提出了“并联式发展”的思路。随着人工智能技术快速迭代，第四次工业革命已然到来，新一代智能制造能够为加速制造业数字化转型提供重大机遇。在这一过程中，不能等待全部完成数字化转型之后，再启动智能化升级，应当走并联式发展道路，坚持数字化、网络化、智能化并行推进、融合发展的技术方针，即数智化转型。应该说，这一思路是切合实际、合理可行的。

（二）中小企业数智化转型面临的五重困扰

据调研，当下中小企业的数智化转型还面临着以下五重困扰。

其一，成本收益失衡，投入意愿不强。中小企业普遍面临“不敢转、不会转、不愿转”的困境。数字化转型需要投入大量资金用于设备更新、系统建设、人才培养，而中小企业资金实力有限，难以承担高昂的转型成本。同时，数字化转型的收益具有滞后性和不确定性，中小企业难以在短期内看到明显回报，因此投入意愿不强。

其二，技术能力薄弱，人才储备匮乏。中小企业普遍缺乏数字化技术人才，既懂业务又懂技术的复合型人才更是稀缺。许多中小企业没有专门的IT部门，数字化转型缺乏技术支撑。同时，中小企业对新技术、新模式的认知有限，难以准确把握数字化转型的方向和路径。

其三，数据基础薄弱，场景碎片化。中小企业生产流程标准化程度低，数据采集、存储、治理能力薄弱，难以形成高质量的数据资源。同时，中小企业应用场景碎片化严重，难以形成规模效应，导致数字化解决方案的边际成本居高不下。

其四，服务供给不足，生态支撑薄弱。面向中小企业的数字化服务供给不足，市场上缺乏低成本、轻量化、易部署的数字化解决方案。同时，中小企业数字化转型的生态支撑薄弱，缺乏专业的咨询、实施、运维服务。

其五，产业链协同不足，孤岛效应明显。中小企业往往处于产业链末端，与上下游企业的数字化协同不足，形成信息孤岛。龙头企业与中小企业之间的数字化鸿沟，制约了全产业链的智能化升级。

（三）补短板路径的选择

为补齐中小企业数智化转型的短板，消弥新一代智能制造进程的K型分化，需要有效市场与有为政府结合联动，两方相向发力。

首先，在有效市场方面，一是坚持全产业链系统数智化的理念，以龙头大厂“链主”牵引中小“链企”，以产业链为系统框架，实施链式转型，助力中小企业数智化。发挥各细分行业的产业链龙头链主企业的引领带动作用，以优惠待遇向中小“链企”输出技术，推动产业链上下游企业协同数字化转型。鼓励龙头企业开放数字化平台和工具，为中小企业提供低成本的数字化服务。建设产业链数字化协同平台，打通上下游数据壁垒，实现全链条智能化升级。推广“链主企业+中小企业”的数字化协同模式，形成大中小企业融通发展的良好生态。

二是激发中小企业主体自主能动性，在链主龙头带动和生产性服务业帮助下，主动顺应工业智能化大趋势，积极夯实数据基础，释放数据价值。为促进中小企业加强数据采集、存储、治理能力建设，夯实数字化转型的数据基础，应建设行业级工业数据空间，推动数据安全共享和有序流通。探索数据要素市场化配置机制，让中小企业能够从数据资产中获得收益。加强数据安全和隐私保护，消除中小企业数据共享的顾虑。

三是深化先进制造业与生产性服务业融合，拓展生产性服务业针对中小企业数智化转型的专业机构及业务。适应中小企业实际，着重构建轻量化解决方案，提升服务供给。数字化服务商开发面向中小企业的轻量化、模块化、低成本解决方案。推广“小快轻准”的数字化产品，如SaaS化ERP、MES、CRM等。建设中小企业数字化转型公共服务平台，提供诊断评估、方案设计、实施监理等一站式服务。培育一批专注于中小企业数字化转型的服务商，形成专业化服务网络。

其次，在有为政府方面，一是创新政策工具，降低转型成本。设立中小企业数字化转型专项资金，对中小企业数字化改造给予补贴。推广“数字化转型券”制度，中小企业可凭券购买数字化服务。探索“先使用后付费”“按效果付费”等灵活付费模式，降低中小企业转型门槛。将数字化改造投入纳入研发费用加计扣除范围，给予税收优惠。

二是以政府购买方式和高校社会服务方式，帮助中小企业强化人才支撑，提升转型能力。实施中小企业数字化人才培训计划，面向中小企业管理者、技术骨干开展数字化转型培训。各地方人才政策要着力支持中小企业引进数字化工程师及专业员工。建立数字化人才共享机制，鼓励高校、科研院所向中小企业输送数字化人才。推广“数字化专员”制度，为中小企业提供一对一辅导服务。

三是由于各地的工业智能化要素禀赋存在差异，因此需要深化跨区域协同，形成推进合力。发挥长三角一体化以及上海（长三角）国际科技创新中心的辐射带动作用，建立长三角中小企业数字化转型协同推进机制，推进政策互通、标准互认、平台互联，合力推动数字化服务资源向长三角地区中小企业延伸。如有必要和条件，可共同打造长三角中小企业数字化转型示范区，形成可复制、可推广的经验模式。

中国工业5.0不仅是一场技术革命，更是一场产业生态的重塑、发展模式的变革。抓住这一历史机遇，中国制造业必将实现从规模扩张向质量效益提升的战略性转变，从产品出口商向工业系统组织者的历史性跨越，从快速工业化者向工业研发引擎的根本性跃升。长三角地区各地政企应明晰大势和使命，勇于担当和开拓，加力扬长补短，合力构造“中国工业5.0引擎”。

宋宏，安徽省政府长三角专家咨询委员会专家，安徽省发展战略研究会副会长。文章观点不代表主办机构立场。

◆ ◆ ◆

编辑邮箱：sciencepie@126.com