我国智能制造高质量发展的现实基础_湖北铭科达自动化设备有限公司

新闻资讯

行业解决方案

电子行业

铭科达深耕电子制造业，根据不同产品类型的生产环境需求、工艺流程、产品特性、效率要求，研发了适合不同电子生产企业的检测设备、生产设备、生产线等..

湖北铭科达自动化设备有限公司
武汉东湖新技术开发区关东街道黄龙山东路6号
华测时空智能科创园C栋
TEL/+86-027-87609808
FAX/+86-027-87609807

行业资讯

我国智能制造高质量发展的现实基础

点击次数：171 次更新时间：2024-03-19

作为新一代信息技术与先进制造业深度融合的新型生产方式，智能制造是新一轮产业变革的核心，已成为制造业变革的发展趋势，是推动我国制造业转型升级的重要抓手和“换道超车”领跑的重大机遇。党的二十大报告将高质量发展作为全面建设社会主义现代化国家的首要任务。高质量发展本质上是以质量为价值取向的发展理念和发展方式[21]，追求长期导向的动态效率最大化。智能制造高质量发展同样也不追求短期走得快，而是追求长期走得稳。这就要求在智能化技术、系统集成度和系统运行成本及效率之间寻求一种平衡，在特定时点上绝不是技术越先进越好、系统集成度越高越好。智能制造高质量发展包括智能制造核心产业本身的健康发展和传统产业智能化改造的高效实施。从智能制造核心产业的高质量发展来看，一方面，以需求为牵引，引领集成技术创新，攻克智能制造关键技术在复杂工艺应用中的现实难题。工业和信息化部电子工业标准化研究院的数据显示，我国三年内突破关键技术近600项，形成400余个智能制造行业知识库和数据模型。另一方面，改善供给侧市场生态，在工业控制系统、工业机器人、MES等智能制造关键装备和工业软件领域打破国外长期垄断，实现市场份额的重大突破。从传统产业智能化改造的高质量发展来看，智能化技术通过作用于产业边界、交易成本、价值增值和供需精准匹配等加强向制造业的渗透，保障“量的合理增长”和“质的有效提升”的“质量齐升”，实现知识溢出效应和技术扩散效应，强化智能制造关键核心技术和知识重组对制造业高质量发展的赋能作用。

（一）智能制造应用潜力巨大但关键核心技术面临“卡脖子”难题

智能制造是一个覆盖更宽泛领域和技术的系统工程，我国智能制造高质量发展蕴含着巨大的潜力，智能制造应用水平与规模经过近十年的发展已处于全球领先行列，应用规模持续增长。根据工业和信息化部的数据，智能制造装备行业市场规模由2017年的1.27万亿元增长至2022年的2.68万亿元，2023年上半年已经超过3.2万亿元。工业软件市场规模2022年度增至2 407亿元，同比增长14.3%，高出全行业整体水平3.1个百分点。智能制造系统解决方案市场规模自2019年起以平均50%的速度增长，2022年增至0.8万亿元，主要分布在通用机械、石油化工、专用机械等重要行业；截至2023年3月，智能制造系统解决方案提供商超过6000家，其中主营业务收入超10亿元的达40余家，覆盖超过90%的制造业，优质供给能力不断提升。

先进制造技术为智能制造打好了工厂内数字化和网络化的基础，新一代信息技术及人工智能技术促动并支撑智能制造向网络化协同和智能化方向发展。虽然智能制造的本质并非技术革命，但智能制造产业所涉及的技术范围较广、技术难度较高，难以短时间内简单复制，技术壁垒较为显著，新进入者较难掌握关键核心技术，同时人才稀缺带来的人才壁垒与难以获取客户资源使智能制造产业进入门槛较高。作为新一轮工业革命的核心驱动力，智能制造通过软硬件结合实现了对智能制造范式的改变，软件通过编程和算法形成对制造系统的逻辑控制，硬件通过传感器和装置设备等形成对制造系统的物理控制。在工业互联网推动制造范式革命的背景下，我国智能制造产业关键核心技术面临“卡脖子”难题，体现为单点关键核心技术受制于人、系统集成技术国产替代较弱、系统解决方案供给能力不足。从单点技术来看，一方面，我国工业软件中研发设计类和生产控制类软件国产化程度仍然较低，95%以上的研发设计类工业软件依赖进口，对基础工艺研发和关键工艺流程缺乏单点突破和集成研发，与制造业深度融合不足；另一方面，智能制造装备中高端工业控制芯片、工业机器人等核心器件和装备国产化率较低，产品稳定性不足，下游应用渗透率不高，关键核心技术迭代受限。从系统集成技术来看，智能制造涉及企业生产全生命周期的硬件、软件、各子系统和数据库的集成，具有复杂性、可扩展性和协同互联特征；涉及不同端口的标准协议，存在不同系统和数据端口的兼容性、互操作性和适配性难题。从系统解决方案来看，智能制造涉及工艺、装备、软件、网络的系统集成和深度融合，具有敏捷柔性生产特点，但蕴含产业机理和制造原理的系统解决方案创新性和适配性不强，应用场景受限，中国自主的系统解决方案有待拓宽挖掘。

（二）智能工厂走深向实但存在信息孤岛

智能工厂基于数据驱动、虚实融合、柔性敏捷和全局协同，在数字空间超越生产本身实现高效规划和基于知识的工艺迭代，走深向实构建柔性化生产能力，以大批量规模化生产的低成本实现多品类的订单交付。智能工厂的本质是人机交互，旨在实现多元业务互联互通和挖掘数据价值，解决生产设施在日益复杂的世界中因动态和快速变化的边界条件而产生的问题。从发展态势来看，根据《中国智能制造产业发展报告》，2020年我国智能工厂市场规模为8 560亿元，2022年已突破1万亿元，未来几年我国智能工厂仍将保持10%以上的年均增速，预计2025年有望超过1.4万亿元。聚焦实践发展，国内研究机构智能制造研究院（e-works Research）提出智能工厂金字塔结构，根据管理基础、工业互联、工厂数字化、物流与供应链、工业自动化和工业智能评选出2023年百强杠杆智能工厂，旨在寻找智能制造行业细分领域的领先企业和最佳实践。其评选出的百强智能工厂分布在电子/电器、机械装备等12个行业；49%的智能工厂建设投资总体规模在1亿元至10亿元之间，30%的智能工厂建设投资在1亿元以下；57%的智能工厂为民营企业，32%为国有企业；57%的智能工厂为上市企业。灯塔工厂是智能制造技术应用示范者和引领者，截至2023年底，全球153家灯塔工厂中位于中国的有62座，占比40.5%，位列全球第一。从行业属性来看，全球灯塔工厂集中于离散型制造业，美国和德国集中于生物技术、半导体等高端产业，中国则集中于产业链下游的家电制造和电子制造，高端制造和品牌打造仍有较大提升空间和发展潜力。

然而，智能工厂建设涉及智能装备、智能传感器、工业软件和系统解决方案等供应商，集成难度较大，技术复杂度高，需要高昂的成本和大量资金，对于中小企业会造成较大的负担。实践中有些智能工厂只注重购买高端数控设备，而缺乏相应软件系统的支持，导致数据在各设备之间难以流畅共享和交互；有些企业数据自动化采集和车间联网程度较低，生产线之间还需要中转库转运，难以实现对设备状态的实时监测和预测性维护，可能导致生产中断和设备损耗增加。同时，从技术层面来看，我国还缺乏适合建设智能工厂数据中心的软件平台，更缺少能够“无需编码或少量编码”快速开发各类工业App的敏捷开发框架。

（三）工业互联网已迈出实质性步伐但根基不稳

作为智能制造的关键使能技术，工业互联网通过物联网、大数据、人工智能等现代信息技术的集成应用，实现设备、系统和人员之间的高效互动和协同工作。我国工业互联网体系架构1.0到2.0的迭代增强了工业互联网平台对制造系统的适配性，通过对工业全要素、全价值链和产业链的重构，进一步强化了数据价值挖掘和分析应用，实现自上而下优化数据闭环，推动微笑曲线向数据驱动的价值闭环转变。工业互联网平台中边缘计算、Iaa S技术、数字孪生、工业区块链等关键核心技术，将工业世界和数字世界连接为一体，以软硬结合的方式实现产业链协同。工业互联网成为全球工业强国竞争的主战场，美、中、日、德四国在工业互联网赛道上领跑，我国工业互联网在数据挖掘、沉淀和复用等方面持续发力。从总体来看，我国工业互联网进入快速增长期，工业互联网平台应用普及率由2021年的17.5%增长至2022年的22.2%1，且呈现加速提升态势。2022年基于工业互联网平台开展数字化管理、智能化制造、网络化协同、个性化定制、服务化延伸的企业比例分别达42.0%、20.9%、29.8%、12.1%和30.1%，较2021年均有明显提升。从产业规模来看，2022年我国工业互联网核心产业规模2超过了1.2万亿元，同比增长15.5%，工业互联网产业增加值规模3达到4.25万亿元，同比增长3.5%。赛迪顾问预测，未来5G应用场景的80%会在工业互联网平台，且更看好“自上而下”模式生长的工业互联网平台。

国内外按照驱动不同将工业互联网平台分为三种类型，分别是软件驱动类、制造经验驱动类以及技术驱动类。软件驱动类工业互联网平台（如ThingWorx和用友精智）具有多样化的客户群体，SaaS服务能力突出，行业聚焦和纵深不足，生态合力仍有提升空间；制造经验驱动类工业互联网平台（如Mind Sphere和卡奥斯COSMOPlat）工业机理理解透彻，行业Know-How积淀深厚，基于工业生产逻辑打通“产品—项目—生态”的发展路径，未来需要继续深耕行业和场景，持续拓宽走深向实；技术驱动类工业互联网平台（如IBM Watson IoT和Ocean Connect IoT平台）具有较强的数据整合能力和行业号召力，以生态链“链主”身份参与竞争，软硬一体的组合仍需强化联结效应。

从实践来看，我国工业互联网进入发展快车道，应用场景不断拓宽，已从概念普及进入实践的生根阶段。然而，与国外相比，我国工业互联网行业属性明显，标准化程度低，体现为工业互联网落地生根过程中存在IT（信息技术）和OT（运营技术）融合深度不足的“下不来”和“工具陷阱”难题，根源在于工业互联网是工业发展工具，并非工业本身，解决不了工业本身存在的问题。面对工业企业的海量数据和碎片化应用场景，工业互联网在模式、体系、技术和思路上与消费互联网存在较大差异，工业互联网生态发展难以简单复制消费互联网的构建和应用路径。因此，现有工业互联网发展存在落地适配性问题，难以通过搭建起庞大的“神经系统”来收集分析海量信息、解决问题以及预判问题的源头，也就难以实现“对症下药”，从而为智能制造高质量发展提供解决方案。同时，工业互联网涉及底层技术的深入应用和行业数据要素的全过程渗透，由于跨行业可复用性差，工业互联网平台企业缺乏普遍接受的标准和协议，可能导致不同设备和系统之间的操作干扰问题，增加了部署的复杂性和难度。

（四）智能技术为传统制造“按下加速键”但仍面临数字化转型难题

数字化转型是一个多层次、多维度的概念，本质是新一代信息技术驱动下的，以技术为支点、以业务为内核的管理、业务和商业模式的深层次变革与重构。数字化转型不仅需要优化流程降低成本、创新产品服务提供方式，而且需要进行组织结构和核心能力重组优化。智能技术的广泛应用，一方面使得传统制造企业在智能技术的驱动下，聚焦价值生成和价值驱动，以业务价值为导向，重新审视业务流程中的增值环节，助推智能技术在企业内部全面渗透；另一方面改变了单一流程化的传统制造模式，通过多环节的技术赋能促进传统制造转型升级，使其在附加值更高的微笑曲线两端获得更高利润。从智能制造赋能过程来看，在研发设计环节，创建虚拟模型，进行仿真测试，加宽企业的技术“护城河”；在生产制造环节，利用自动化生产线和机器人提高生产效率，通过物联网IoT和传感器技术监测生产参数，提高大规模定制水平；在销售环节，通过高度协同的智能制造降低企业的供应链成本，并利用柔性化生产无缝衔接生产与需求，帮助企业强化品牌和服务优势。

然而，当前我国传统制造还处于“2.0补课、3.0普及、4.0示范”的多进程并行发展的复杂阶段。从2.0到4.0的阶段跃迁，绝非简单的“机器替代人”，还需要生产组织模式和管理思维的系统转变。传统制造业数字化转型存在转型价值目标不清晰、价值效益不易显现、数字化模式难以响应日益不确定发展的要求、数据要素驱动作用尚未充分发挥的“不敢转、不会转”的现实难题。低端制造产业产能过剩，先进制造装备、核心零部件、半导体制造、高性能材料等中高端产业的保障能力供给不足，导致我国装备制造业低端市场同质化竞争严重，中高端市场发展面临关键核心技术“卡脖子”困境。具体来看，传统制造业为我国制造业转型升级和制造大国建设贡献了重要力量，但在数智技术升级迭代的今天，存在技术和管理“两张皮”、数字思维和能力存在差距的发展困境，不同业务间存在数据壁垒，海量数据要素作用尚未充分发挥，想转但是没有技术和人才支撑，进而导致了“转型找死，不转等死”的窘境。对于传统离散型制造业来说，需要较强的柔性制造能力和产业链协同能力，但在数字化转型过程中，制造设备结构化和敏捷性不足，不同设备间缺乏统一的数据标准和接口，数据要素尚未向生产全过程渗透进而转化为企业转型升级的生产力。对于传统流程型制造业来说，智能制造对制造过程连续性提出了较高要求，需要较强的精细化管理能力，存在供应链上下游协同作用不明显、精细化管理颗粒度较大、供需适配性亟须强化提高等问题。（来源：社科院工业经济研究所）

上一篇：智能制造体系及其多维解构
下一篇：智能制造高质量发展的推进策略