近年來，全球制造業進入從工業3.0邁向4.0的時代，以新一代信息技術與先進制造技術深度融合為基本特征的智能制造，已成為這次新工業革命的核心驅動力。

大數據、云計算、人工智能與制造業的結合不僅為傳統生產要素賦能，同時也打破了勞動力、資本、土地等有限供給對經濟增長的制約，為產業持續升級、轉型發展提供了基礎和可能。智能制造也正在不斷突破傳統制造的約束、催生新業態，推動制造業邁向高質量發展的新臺階。

2021年上半年中國規模以上工業增加值在經歷了兩年低迷期后強勢回歸，同比增長15.9%，其中高技術制造業發展勢頭強勁（包含醫藥制造業、航空、航天器及設備制造業、電子及通信設備制造業、計算機及辦公設備制造業、醫療儀器設備及儀器儀表制造業、信息化學品制造業），增加值同比增長22.6%。智能制造行業產值規模也順利突破了25000億大關，同比增長約18.85%。

分產品看，新能源汽車、工業機器人、集成電路產量同比增速排名前三，分別為205.0%、69.8%、48.1%，均是“十四五”規劃中的重點發展產業，環保、智能、高端發展的趨勢愈發明顯。

對此，不少觀點認為，智能制造的風口已至。

但實際上，在智能制造概念火熱、融資升溫、產業加快發展的同時，其后續發展還面臨三大悖論。

 01

  成本與收益倒掛 

智能制造系統中涉及大量的數控加工中心、工業機器人、嵌入式芯片等各種高端制造裝備和核心零部件以及ERP、MES、CAD等各種工業軟件，而上述裝備、零部件以及工業軟件的核心技術在國外，國內制造企業只能大量進口。

目前來看，中國近90%的芯片、70%的工業機器人、80%的高檔數控機床和80%以上的核心工業軟件依賴進口，且短期內很難實現國產替代。這造成國內制造業企業智能化改造成本居高不下，嚴重制約中國智能制造的整體進展。

更為關鍵的是，雖然中小型企業對智能化轉型的需求極為迫切，但從實際操作角度來看，卻很難實現智能化全覆蓋。

在全國規模以上工業企業中，84.2%的企業屬于小型企業，規模以下(年主營業務收入2000萬元以下)尚有200余萬家小微企業。廣大小微企業是制造業的根基，其智能化水平很大程度上影響著中國智能制造工程的實施效果。

總體來看，中國智能制造仍處于初級發展階段，大部分企業處于研發階段，僅16%的企業進入智能制造應用階段;從智能制造的經濟效益來看，52%的企業其智能制造收入貢獻率低于10%，60%的企業其智能制造利潤貢獻低于10%。

90%的中小企業智能制造實現程度較低的原因在于，智能化升級成本抑制了企業需求。相比于大中型企業，小微企業的智能化之路面臨更大的試錯成本和不可控風險，稍有不慎就會危及生存。

其中，缺乏融資渠道影響最大。年收入小于5億元人民幣的企業中，50%的企業在智能化升級過程中采用自有資金，25%為政府補貼，銀行貸款和資本市場融資各占11%。而企業收入規模大于50億元人民幣的企業，其智能化升級資金來源中自有資金占67%，銀行貸款占比25%。

由于自有資金不足、信息化基礎薄弱、缺乏相關人才等因素，大部分中國制造業小微企業只能羨慕大企業申請智能制造試點示范項目、圍觀大企業開展轟轟烈烈的智能化改造，自身卻難以融入智能制造的發展浪潮。

 02

  政策眾多，效能不高

雖然圍繞《中國制造2025》戰略，我國發布了一系列配套引導性政策，包括專項規劃、行動計劃、實施方案等，意在通過全方位政策合力，引導我國智能制造業快速發展，但現階段而言，我國各地方對智能制造發展的投入力度差異較為明顯。

華東與華北地區進入成長發育期，華中與西南地區發展不平衡，華南、西北與東北地區的智能制造頂層設計還有待進一步加強。

從結果來看，我國智能制造區域發展不平衡，東西部智能應用水平差異較大，相關產業發展受到一定制約，導致地區間的發展水平差距將進一步拉大。

同時，各地區關于智能制造政策的實施細則較少，規劃層面政策有余，但操作層面政策不足。

智能制造政策涉及的發文部門較多，但聯合行文政策較少，大多數政策由單一部門完成。這導致政策間的配合性和高效性不足，政策不能及時落實。

如此一來，雖然看似鼓勵性政策眾多，但實際上各地有大部分跨部門、跨地區的政策引導工作無法有效、高效開展，難以形成系統化的有效政策扶持體系。

另一方面，區域之間關于智能制造政策的協調不足，忽略產業分工協調發展，地方省市過度追求自身工業體系的完整度，將會導致業結構趨同，使產業空間布局呈分散態勢，無法支撐集群發展。

區域之間的行政割裂也將會導致兩極化現象，中心城市由于基礎設施、人才等各種優勢，有能力吸收外圍邊緣城市的各種資源，從而進一步擴大城市間的智能化發展差距。

 03

   利用難、推廣慢 

人工智能與制造業的深度融合發展需要以大數據作為支撐，但與消費環節相比，制造環節數據的可獲得性、可通用性更弱。制造業機器設備生成的數據通常較為復雜，有近一半的數據是沒有相關性的，利用率較低。

進一步來看，就算是剩余一半的數據被有效收集，由于缺少統一標準、接口和編碼體系，使得企業內外“數據孤島”林立，無法實現互通、共享，導致企業使用數據規模、種類有限，信息閉環難閉合，海量數據的資產價值無法得到充分發揮。

加之不同產業或產業中不同領域、不同企業之間技術、流程等差異巨大，導致數智技術在產業中的深入滲透須結合具體場景進行定制化開發，尚不存在一套全覆蓋的通用解決方案，這也使得數智技術在產業互聯網中的應用很難像在消費互聯網時代一樣，短期建立規模效應、獲取巨大收益。

這三大悖論決定了智能制造的紅利釋放難以形成互聯網經濟那樣的風口效應，而將是一個緩慢的過程。而智能制造產業的快速發展有待于通過技術突破和發展模式創新等化解悖論。

更多智能制造相關精彩內容可在文末留言咨詢，或長按識別下方二維碼，我們將通過提供專屬信息、情報和預測服務，為相關決策提供支持。

基于近30年提供智慧服務的實踐和深厚理論經驗積累，福卡智庫長期為企業和有關部門提供戰略、情報、大數據轉型、自媒體運營服務。服務詳情可在文末留言或長按識別下方二維碼咨詢。