2026年上海市新一代智能制造发展论坛10月12日在国家会展中心（上海）举办，主题是“智启制造新范式，共筑发展新生态”。主办与指导由中国国际工业博览会组委会主办，上海市经济和信息化委员会指导。参会规模政府部门、院士专家、企业、高校院所和投资机构约500名代表参加。定位首届上海市新一代智能制造发展论坛，依托第二十六届中国国际工业博览会平台举办。论坛现场发布了多项成果：《宝山区建设上海市智能制造引领区行动方案（2026—2028年）》正式发布；权威解读《上海市加快发展新一代智能制造总体考虑》；长三角重点企业联合发起《长三角新一代智能制造协同发展联合倡议》。核心观点上海市经信委主任汤文侃：2025年全市规上工业总产值迈上4万亿元台阶，累计培育2家国家领航级、28家国家卓越级智能工厂，数量连续多年居全国城市第一。中国工程院院士周济：作《以新一代智能制造为主攻方向 加快建设制造强国》主旨报告。
新一代智能制造已成为发展新质生产力的重要引擎。新质生产力的核心，是用技术创新、要素重构与产业组织变革，把经济增长从“堆资源、拼工时、扩产能”转向“靠知识、靠模型、靠系统智能”。制造业是新质生产力的主要载体，而新一代智能制造，正是新质生产力在制造领域最集中的呈现方式：它不只是把 AI 接进工厂，而是让制造系统本身具备感知、推理、决策、执行和持续进化的能力。从政策与实践看，“人工智能+制造”正在成为驱动产业变革、催生新质生产力的核心引擎；到 2027 年，我国目标实现人工智能关键核心技术安全可靠供给，推动 3—5 个通用大模型在制造业深度应用，推出 1000 个高水平工业智能体、100 个工业高质量数据集、500 个典型应用场景。AI+制造是起点，新一代智能制造才是归宿。前者是“AI 叠加在制造之上”，后者是“制造运行在 AI 之上”。
一、新质生产力视角：智能制造为什么必须“换代”
传统制造靠设备、工人、经验和规模取胜；上一代智能制造靠 ERP、MES、SCADA、工业互联网平台和规则引擎，把流程数字化、把产线联网化、把管理精细化。
但面对新质生产力的要求，上一代模式会遇到三道天花板：1.规则天花板：人能写出的规则，永远赶不上工况、订单、物料、能耗、质量波动的组合复杂度。 2.响应天花板：市场从“大批量稳定需求”变成“小批量、多品种、快交付、强定制”，人介入决策太慢。 3.进化天花板：数据产生了，但知识没沉淀；系统跑了，但能力不生长。
新质生产力要的不是“更自动的工厂”，而是“会学习、会协同、会再造工艺”的工厂。新一代智能制造的答案，是把新一代人工智能与先进制造技术深度融合，让制造系统从规则驱动的自动化，走向准则约束的自治化。正如 2026 年上海市新一代智能制造发展论坛上多位专家所强调：传统信息化架构将迎来重构，制造业务由“人治”逐步转向“自治”；新一代智能制造不是单点工具升级，而是底层架构与生产模式革新。
重新理解新质生产力：智能制造为什么被放到“主攻方向”。新质生产力的核心，不是多盖厂房、多买设备、多加班次，而是让数据、算法、知识、装备、能源、人才重新组合，使全要素生产率实现阶跃式提升。在传统制造里，增长靠资本开支和劳动力投入；在数字化制造里，增长靠流程上线和精益管理；而在新质生产力语境下，增长靠三件事同时发生：技术革命性突破：工业大模型、具身智能、数字孪生、边缘计算、工业操作系统开始进入生产核心环节。生产要素创新性配置：数据成为新资源，算法成为新工具，算力成为新基础设施，工业知识被模型化、资产化、复用化。产业深度转型升级：工厂从“生产车间”变成“感知—决策—执行”一体的智能系统，供应链从串行为网状，产品从交付即结束变成“交付即服务起点”。所以新一代智能制造不是“上几个机器人、装一套MES”的升级工程，而是制造范式的代际切换。正如政策与产业界已形成共识：智能制造已成为发展新质生产力的重要引擎，而以新一代人工智能与先进制造深度融合为特征的新一代智能制造，正是主攻方向。
二、内涵重定义：什么是新质生产力下的新一代智能制造
可以给出一个面向新质生产力的定义：
新一代智能制造，是新一代人工智能与先进制造技术深度融合，具备自感知、自学习、自决策、自执行、自适应能力，在研发、工艺、装备、生产、供应链、服务全流程中自主协同的新型制造范式。其本质不是“机器替人”，而是制造系统获得在准则边界内持续优化的“主体性”。
几个关键词必须拆开看：
深度融合：不是外挂视觉质检、外挂排产模型，而是 AI 与装备、工艺、软件、数据、组织方式发生“基因级重组”。
五自能力：自感知是源头，自学习是基础，自决策是核心，自执行是落脚点，自适应是进化方向。
三全协同：全流程、全价值链、全生命周期协同，而不是某个车间、某条产线、某个 KPI 局部最优。
准则自治：人在上层定战略、定安全、定伦理、定质量红线；系统在下层自主完成感知—推理—决策—执行—反馈闭环。
新质产出：更高附加值产品、更低边际成本、更快工艺迭代、更强供应链韧性、更少资源消耗。
中国信通院《工业智能创新发展报告（2026）》也指出，制造业智能化正从“自动化智能”走向“自主化智能”，从单一场景感知走向认知级决策，从静态预测走向动态自主优化。
新质生产力下的构建逻辑：不是“AI＋制造”，而是“制造被AI重构”。“AI＋制造”是起点，“新一代智能制造”是终局。两者关系必须讲透：AI＋制造：AI 进设计、进质检、进客服、进排产——点状赋能；新一代智能制造：设计—工艺—生产—供应链—服务—能碳—组织全部重连——系统重构。
只做 AI＋制造，会得到一堆“智能孤岛”；只喊系统重构，没有场景深耕，会得到 PPT 里的未来工厂。正确顺序是：场景破点 → 数据筑基 → 模型沉淀 → 智能体协同 → 全厂自治 → 产业链自组织。
三、体系架构：用“1132”搭出新制造的操作系统
构建新一代智能制造，不能只买模型、上大模型、做看板。它需要一套类似“工厂操作系统”的体系架构。可概括为 1132：
1. 第一个“1”：顶层框架——CPS / HCPS
赛博物理系统（Cyber-Physical System）不是软件、不是硬件、不是某个平台，而是顶层秩序。
上一代智能制造中，人在回路之外当总指挥：规则人写，异常人处理，系统只执行。新一代智能制造里，工业智能体活在数字世界，必须有一套内建秩序来规定：物理世界与信息世界如何映射；数据、模型、装备、软件如何协同；多智能体如何协商、博弈、兜底；
AI 在什么时候可以自主决策，什么时候必须让人确认。没有 CPS，三大技术支柱就是三座孤岛，工业智能体就是一群孤狼，泛在网络和新一代 AI 没有物理坐标与法则，系统再聪明也可能“无人驾驶式失控”。CPS 就是那根缰绳：没有准则约束，AI 是脱缰野马；有 CPS 约束，AI 才是被驯服的千里马。
2. 第二个“1”：智能底座——工业智能体
工业智能体不是“大模型进车间”四个字。它是：
工业机理模型 + AI 模型 的深度耦合系统。机理模型：物理规律、工艺规则、装备约束、材料特性、控制边界；AI 模型：生成、理解、因果推理、时序预测、多目标寻优；智能体：能感知、能推理、能调用工具、能下指令、能回收结果、能持续学习。
上一代系统里，人就是那个“超级智能体”。新一代系统复杂度、响应速度、协同范围已经超过人的实时处理能力，所以决策主体必须替换：人：定目标、划边界、担责任；工业智能体：拆任务、调资源、做推理、下指令、自我修正；多智能体：装备智能体、数据平台智能体、软件智能体、质量智能体、能源智能体、供应链智能体……
宝钢在 2026 上海论坛上提出，新一代智能制造是以价值创造为中心、AI 驱动的预测式制造新范式，企业要打造“算法型企业”。 这说明龙头企业已经把工业智能体当作核心生产能力，而不只是 IT 项目。
3. “3”：三大技术支柱
（1）智能制造装备：物理端的“手和眼”
公式：智能制造装备 = 高端制造装备 + 嵌入式工业智能体
智能体不是云端外挂，而是以固件、芯片、边缘控制器形态嵌进机床、机器人、AGV、产线控制单元。它让装备会看工况、会调参数、会避异常、会自校正。
没有高端装备，智能体没有物理躯体；没有嵌入式智能体，高端装备只是更贵的执行器。
（2）工业智能数据平台：神经与记忆
公式：工业智能数据平台 = 高性能数据平台 + 注入式工业智能体
智能体以微服务、容器化形态进入数据管道，在数据流转中完成清洗、对齐、特征提取、异常检测、预测预警和在线学习。
新质生产力讲究数据要素化。但工业数据不是“采下来就行”，而是要统一语义、打通 OT 与 IT、形成工业数据空间。欧阳劲松等专家强调，公共数据字典、资产管理壳、OPC UA、数字产品护照等，是解决“数据说什么、数据怎么组织、数据怎么交互、数据怎么用”的基础。
（3）工业智能软件：大脑与决策
公式：工业智能软件 = 先进工业软件 + 原生式工业智能体
智能体不是插件，而是与 PLM、MES、APS、SCADA、质量系统同源共生。它懂工艺、能推荐、会优化、可解释、能和人协同。
未来工业架构会是“智能模型 + 数字孪生 + 智能体”：数字孪生做映射与仿真，模型做认知与推理，智能体做执行与闭环。
4. “2”：两大核心引擎
泛在网络：现场总线、工业以太网、5G、边缘网络、TSN 的融合，是全要素互联的感官与神经。
新一代 AI：大模型、多模态、因果推理、世界模型、工业智能体，是系统的大脑与灵魂。
没有泛在网络，AI 是聋子瞎子；没有新一代 AI，网络只是数据通道。二者合起来，才可能长出系统级涌现智能——不是某个软件聪明，而是整个工厂在运行中长出新工序、新排产结构、新工艺组合、新供应链方案。
四、新质生产力的“新”，落在制造现场是什么
讲新质生产力不能只讲概念。落到车间，至少有六种新能力：
1. 从“事后纠偏”到“预测式制造”
设备剩多少寿命、焊缝会不会开裂、批次质量会不会漂移、订单交期会不会失守，系统在发生前就给方案。宝钢提出的“预测式制造”就是这个方向。
2. 从“换产停机”到“换产不换线”
AI 根据订单、物料、刀具、工艺约束自动重排产线和参数，实现“接单即投产、改规格不停机”。
3. 从“专家经验”到“工艺智能体”
老师傅退休不再等于工艺丢失。工艺规则被封装成机理模型，再和 AI 模型协同，形成可复用、可审计、可迭代的工艺知识资产。
4. 从“质量抽检”到“过程自证”
不是做完再检，而是每个关键工序都有数字孪生与质量智能体，实时判断“这台零件现在该不该继续加工”。
5. 从“供应链被动响应”到“韧性协同”
需求波动、港口延误、原料涨价、能源价格变化进入供应链智能体，系统自动重算安全库存、替代料、运输路径和产能分配。
6. 从“能耗成本中心”到“碳效优化系统”
排产不仅看交期和成本，还看峰谷电价、碳配额、余热回收、设备空载率。新质生产力天然包含绿色生产力。
五、构建路径：企业怎么从“AI+制造”走到“新一代智能制造”
很多企业需要避免两个误区：一是以为上大模型就是新一代智能制造；二是以为没有完成数字化就不能碰 AI。正确路径是“三层并进”：
1. 底座层：先让数据会说真话
设备联网、协议统一、点位治理；建工业数据字典与资产模型；推首席数据官制度，做数据管理能力成熟度贯标；打造高质量工业数据集，开展“模数共振”。没有数据底座，模型就是漂亮骗子。
2. 场景层：用 AI+制造攒能力
优先选高频、高价值、可度量的场景：视觉质检；设备预测性维护；智能排产；工艺参数推荐；质量根因分析；供应链风险预警。这些不是终点，但能养数据、练团队、建信任、跑 ROI。
3. 系统层：把工业智能体嵌进体系
当场景足够多，就要从“项目制 AI”走向“体系级智能”：装备侧做嵌入式智能体；数据侧做注入式智能体；
软件侧做原生式智能体；产线/车间/企业/供应链做多智能体协同；用 CPS 定边界、定权责、定闭环。
上海电气在“十五五”中推进“数字+研发、数字+制造、数字+服务、数字+管控”，就是从单点赋能走向体系融合。
六、组织重构：比系统更难的是“人—智能体”关系
新一代智能制造最容易被技术人忽略的一环，是组织。
原来工厂里：工艺员写工艺卡；班组长排任务；设备员修机器；质量员判合格； 厂长做例外决策。
新一代工厂里：工艺智能体给推荐，工艺员审边界；排产智能体出方案，计划员定目标；设备智能体做自愈，维修工处理非常规故障；质量智能体做过程控制，质量经理管体系和合规；工业智能体做实时决策，厂长管战略、风险和资源分配。
人的位置不是被取消，而是被抬升：从“执行者”变成“目标设定者、边界守护者、异常处理者、价值判断者”。这也是新质生产力的人才含义：未来工厂最贵的人，不一定是会拧螺丝的人，而是懂工艺、懂数据、懂模型、懂边界的“工业智能体训练师、审核师和治理者”。
组织与人才：新一代智能制造最难的不是算法，是“人—系统关系”重排。很多工厂失败，不是模型不准，而是组织没变：工艺员怕 AI 替代，不肯交经验；信息部只管系统不碰产线；生产部长要良率，算法团队要指标，KPI 不对齐；老板以为买平台=转型，现场以为又来一波表单。新范式下，车间会出现新角色：工业提示词工程师：把工艺问题翻成模型任务；智能体训练师：管智能体权限、边界、回滚；新蓝领：会看数据、会调模型、会处理异常；AI 安全官：管模型误判、数据投毒、自动决策失控。
人本制造的含义是：重复活给机器，判断活给人；低频异常给人，高频微调给智能体；战略、伦理、工艺方向永远在人手里。
七、关键技术攻坚：别只追大模型，要把“工业硬骨头”啃下来
新质生产力不是概念生产力。新一代智能制造必须攻关：
1. 工业软件与工业操作系统
CAD/CAE/CAM/PLM/MES/APS 的底层引擎、实时数据库、组态系统、工业总线协议栈。没有自主工业软件，智能体再聪明也长在别人根上。
2. 实时智能与控制
大模型慢、幻、黑箱，车间要毫秒级、可证明、可回滚。未来是：大模型管认知与规划，机理模型管约束与仿真，实时控制器管执行与安全。
3. 具身智能与工业机器人
从“示教机器人”到“语义调度—视觉感知—力控执行”的机器人。同济大学“调度大模型＋视觉基础模型”让异构机器人零样本定位、动态协同，已经把大模型从文本层拉到物理层。
4. 工业世界模型
不是聊天世界模型，而是知道“把注塑压力调 2 巴，良率和翘曲会怎么变”的世界模型。数字孪生从“3D 可视化”走向“可仿真、可反控、可进化”。
5. 能碳智能
新质生产力必须是高效能、低能耗。智能排产同时优化交期/成本/碳排，零碳园区靠 AI 做绿电—储能—产线负荷匹配，这是中国制造避开“绿色贸易壁垒”的必答题。
八、产业实践：从行业标杆到中小企业
行业标杆的引领效应
钢铁行业是智能制造落地最深入的领域之一。除梅钢的数字孪生智能工厂外，永钢集团也入选了国家卓越级智能工厂。宁波钢铁通过部署具身智能巡检员、AI废钢判级系统等20余个高价值场景，实现研发周期缩短30%、能源利用率提升12%。
汽车制造领域的进展同样显著。奇瑞青岛超级工厂平均每1.5分钟就有一台整车驶下生产线，一汽解放青汽公司总装配一车间平均129秒下线一辆新车。在纺织服装行业，酷特智能依托AI操作系统实现全柔性生产，智造管理成本降低50%以上，生产效率提升20%以上。
这些标杆工厂的共性在于：不再是某个环节的单点智能化，而是打通了从订单到交付的全流程数据链路，形成了“数据驱动决策”的闭环。
中小企业的差异化路径
标杆工厂的经验不能简单复制到中小企业。中小企业的数智化转型需要另一套逻辑：更低的技术门槛、更轻的投入方式、更快的回报周期。
当前，工业智能体等AI新技术正在智能质检、设备预警、工单排产等场景中为中小企业释放新价值。黑湖科技展出的十余个决策型工业Agent，覆盖报价、工程、排程、跟单、质检、仓管、设备、异常分析等核心环节，帮助工厂“看得懂订单、算得清产能、守得住交付”，形成面向柔性制造的决策能力。这种“即插即用”的轻量化AI工具，正在降低中小企业拥抱智能制造的门槛。
政策层面，集群式、链式数字化转型模式正在推广。通过“数转券”引导中小企业接入工业互联网平台体系，依托龙头企业带动产业链上下游协同改造，是当前较为有效的推进策略。
九、挑战与保障：构建可持续的推进机制
1.核心技术攻坚
当前我国制造业智能化转型最突出的短板，仍集中在关键核心技术领域。高端训练芯片、工业软件、精密传感与控制等环节的自主可控能力亟待提升。破解这一难题，需要发挥新型举国体制优势，围绕“卡脖子”环节组织产学研用协同攻关，以应用促成熟、以市场育生态。
2.数据要素流通
数据是新一代智能制造的“燃料”，但当前工业数据的流通和共享仍面临产权不清、标准不一、安全顾虑等多重障碍。需要加快完善数据产权、流通交易、安全治理等基础制度，推动工业数据分级分类开放共享，建设高质量的行业数据集和工业数据空间，为大模型训练提供充足的高质量语料。
3.复合型人才培养
智能制造需要的不是单一学科的工程师，而是兼具机械、控制、计算机和AI能力的复合型人才。在制造业智能化转型背景下，单一学科知识难以培养学生对复杂工程系统的整体认知，打破学科壁垒成为培养复合型人才的必然要求。南昌航空大学工程训练中心探索的“跨学科学习—前沿技术应用—真实产业淬炼”模式，构建了从基础制造工艺实训到数字孪生、工业机器人等交叉技术实训的阶梯式培养体系，为高等工程教育改革提供了有益参照。
4.渐进式改造与安全治理
存量工业系统的异构碎片化是阻碍升级的现实障碍。对于大量已经建成投产的制造企业而言，推倒重来的成本不可承受。需要探索存量系统渐进式改造的路径，通过标准化接口和中间件实现新旧系统的兼容与数据互通。同时，自主化决策带来的安全治理问题不容忽视——当制造系统具备自主决策能力时，如何确保决策的可解释性、可追溯性和安全边界，需要标准规范和技术手段的双重保障。
十、结论：真正的变革，是制造体系为 AI 而重建
第一次工业革命的标志，不是蒸汽机被搬进作坊，而是工厂围绕蒸汽机重建。第二次是电让流水线成为可能。第三次是计算机让 ERP/MES/PLC 成为工厂神经。这一次，是工业智能体成为工厂的“决策生命”。
所以必须分清楚：
AI+制造：在旧系统上外挂智能，解决今天效率问题；
新一代智能制造：为智能体重构装备、软件、数据、网络、组织和准则，解决明天能力跃升问题。
AI+制造是积累，新一代智能制造是方向。
今天不做 AI+制造，明天没底座；把 AI+制造当成终点，就会错过新质生产力真正的主战役。
新质生产力下的新一代智能制造，最终不是“无人工厂”四个字能概括的。它是一场制造哲学的变化：
从人写规则机器执行，到系统依准则自主进化；从局部优化单点 KPI，到全生命周期、全价值链协同；
从把现有的牌打到极致，到用 AI 与机理突破换一副更好的牌。谁先把制造体系为 AI 重建起来，谁就拿到下一轮全球制造业竞争的入场券。
一句话收束：新质生产力不是更聪明的 PPT，而是更会学习的工厂；新一代智能制造不是 AI 应用于制造，而是制造在 AI 之上重新长出来。
参考文献
[2] 刘志峰. 以人工智能为核心驱动力 加快发展新一代智能制造
[3] 中国信息通信研究院. 工业智能创新发展报告（2026年）
[12] 硬核科技提升制造业“软”实力
