高端装备智能化，重在机理与数据的融合

制造业是立国之本、强国之基。近日，习近平就发展先进制造业作出重要指示，强调坚持智能化、绿色化、融合化方向，持续做大做强先进制造业，提升产业链自主可控水平，加快构建以先进制造业为骨干的现代化产业体系，巩固壮大实体经济根基，为推进中国式现代化提供有力支撑。当前，人工智能正在深刻重塑高端装备产业，变革的关键不在通用大模型，而在机理知识与数据学习的深度融合。我国正处在向智能化新赛道换道追赶的窗口期，也面临算力、数据、人才三重约束。如何把人工智能真正嵌入高端装备，是建设制造强国、构建现代化产业体系必须回答的时代课题。

让隐性知识变得可计算

高端装备是隐性知识最为富集的产业部门，核心竞争力凝结在数十年积累的工艺诀窍与失效机理之中，人工智能的深层意义正在于为这类知识提供显性化、可计算的通道。上海交大智邦科技2025年9月发布的“思源智控”智能体机床μAI正是这一逻辑的具象化。这台荣获2025年国际工业博览会CIIF大奖的装备，率先实现零人工经验加工路径的自主生成，将复杂零部件的工艺规划效率提升40%至60%，并已在航空、航天、航发领域完成重点客户验证。其效率跃迁的关键不在算力规模，而在机理与数据两种认知方式的融合。

人工智能属于通用目的技术，即像蒸汽机、电力、信息技术一样，能够渗透各行各业、降低下游创新成本、提升整体效率的基础性技术。它对一国产业竞争力的塑造，最终取决于与具体产业的结合深度，而非模型参数规模。高端装备涵盖工业母机、航空发动机、工业机器人等，是通用目的技术价值密度最高的应用场域，其中工业母机的智能化水平会沿产业链向几乎所有制造环节传导。而高精度、高可靠、长周期服役的要求，使通用大模型难以直接奏效，必须依赖深度的机理融合。

机理与数据的融合正在研发、制造、运维全流程落地。在研发设计环节，2026年9月，中国商飞上海飞机设计研究院基于国产昇思MindSpore框架正式发布“御风”民机总体与气动智能设计平台，融合此前已落地的“御风·智翼”超临界翼型设计智能体与“东方·御风”“东方·翼风”系列专用大模型，实现民机全流速智能并行协同设计的能力升级；上海电气电站设备公司2025年以大语言模型和知识图谱构建三维工艺设计平台，整合汽轮机、燃气轮机核心零部件全流程数据，典型部套设计效率提升37%。

在制造环节，人工智能与工业母机、工业机器人的结合最具变革性。华中数控2025年4月发布的华中10型智能数控系统，将人工智能芯片与行业大模型深度嵌入，处于国际先进水平，已在航空航天领域批量应用；截至2025年，科德数控五轴联动核心技术与关键部件自主化率达85%，整机自主化率超90%。高端装备对精度、可靠性与安全边界的要求，使纯粹数据驱动的黑箱模型面临训练样本稀疏、长尾异常稀少、外推可靠性存疑三重局限。机理与数据的融合，由此从一种理念走向具体方法。学界兴起的物理信息神经网络，把描述物理过程的偏微分方程作为约束嵌入学习目标，让模型在数据稀缺时仍受物理规律支配；知识引导的机器学习则把守恒律、边界条件与失效准则等先验注入训练过程，确保输出落在物理可解释、安全可控的边界之内。前者弥补样本之不足，后者守住安全之底线。二者共同表明，越是对精度与可靠性要求苛刻，机理知识越不可替代。这正是高端装备智能化区别于消费互联网应用的根本逻辑。

在运维环节，人工智能把事后抢修转化为事前预判。北京能源集团2025年9月与华为联合发布的燃机大模型，将多年运行数据与检修经验沉淀为知识库，故障诊断与异常预警等场景的准确率超过90%；上海电气2025年发布的SIMPLE燃机智能运维平台以性能孪生体与大数据分析为核心，已在9个项目17台机组应用。

换道追赶的历史窗口

从产业基础看，我国高端装备已经站上新台阶。据中国机床工具工业协会统计，2025年我国机床工具行业营业收入达10571亿元，金属加工机床消费额连续多年位居全球第一；海关总署数据显示，金属加工机床出口额达96.8亿美元、同比增长17.9%；德国机床制造商协会2026年1月的统计数据显示，2025年中国机床出口份额首次超越德国；五轴联动数控机床国产化率由2020年的约18%升至2025年的59.5%，按销售台数口径首次超过进口。规模跃升的同时，智能化转型成为决定下一程的关键变量。

当通用目的技术引发范式更替时，领先者往往因已有投入和历史路径转型迟缓，后发者反而能凭借较低的转换成本实现跨越。这一点在高端装备领域格外真切。传统赛道的领先建立在数十年工艺经验与成套设备的积累之上，追赶者难以逾越；智能化的底座则是通用算法、数据与算力，比拼的是应用创新而非历史积淀，后发者不必重走老路，可以直接在新的技术基座上起步。高端装备的竞争因此正从机理与工艺的传统赛道，切换到智能化的新赛道。在传统赛道我国仍有差距，在智能新赛道上各方近乎同时起步；外部在核心工业软件等领域的技术遏制，客观上形成倒逼，使智能化升级更加紧迫。这正是难得的换道追赶窗口。

这一窗口的战略意义已在国家层面确认。工业和信息化部等八部门于2025年12月印发《“人工智能+制造”专项行动实施意见》，明确推动工业母机、工业机器人等装备搭载智能体、研制新一代人工智能数控系统；“十五五”规划纲要提出加快建设制造强国，政府工作报告首次提出打造智能经济新形态、深化拓展“人工智能+”；全国先进制造业大会明确以新一代智能制造为主攻方向。人工智能赋能高端装备由此上升至国家战略层面。

算力、数据与人才的三重约束

然而，示范成效尚不足以掩盖结构性约束。制约人工智能规模化扩散的，是算力、数据、人才三组深层矛盾。

算力层面的障碍，在于投资的规模门槛与数据安全的张力。算力自建成本动辄数十亿元，与多数装备企业数亿元的年度利润严重不匹配；若将工艺数据放到公共平台训练，又意味着核心技术、能耗参数与商业秘密的让渡。国产算力虽加速追赶，但推理效率与最先进水平仍有数倍差距。企业由此陷入自建不可行、共享有顾虑、替代受制约的三难境地。

数据层面的障碍，在于工业数据的稀缺、非标准与权属不清的叠加。与消费互联网的数据丰沛相反，工业数据知识密度低、异常样本稀缺，企业通常只保存合格记录而舍弃不合格数据，而后者恰对人工智能学习最具价值。更深层的障碍在制度层面。一条工艺参数凝结企业多年的试错与巨额投入，价值难以客观标定、权利难以清晰界定，形成“反公地悲剧”，即数据为多方分别持有，却无人拥有完整支配权，结果是数据用不起来、流转不起来。

人才与认知层面的障碍，在于结构性断层与认知偏差对组织运用新技术能力的制约。懂人工智能者不懂制造、懂制造者不懂人工智能的知识断层，使技术方难以理解需求、工业方难以表达问题。一种偏差是把人工智能与自动化混为一谈。自动化以既定规则替代人力，人工智能则以学习与优化扩展认知与决策边界，二者对生产率和就业结构的影响截然不同。另一种偏差是以机器人台数、人工智能覆盖率等投入型指标衡量企业，忽视了行业地位、人均效能与产品竞争力这一产出标尺。

尤须看到，三重约束对广大中小企业更为严峻。与龙头企业相比，中小企业既无力自建算力，也缺乏高质量工业数据，更难以吸引复合型人才。如果智能化门槛只向头部企业敞开，人工智能赋能高端装备就难以成为整个产业的集体跃升，而只是少数头部企业的孤例。如何让量大面广的中小企业搭上智能化的快车，正考验着制度设计的智慧。

以制度协同破解堵点

破解上述约束，需要厘清有为政府与有效市场的边界，让技术路线由市场选择、规则标准由政府供给，推动技术、要素与制度协同演进。

在技术路线上，应当以机理为体、数据为用确立工业人工智能的技术范式，主赛道不在通用大模型，而在行业专用小模型与机理模型、知识图谱的深度融合。应鼓励龙头企业把工艺机理封装成可复用、可组合的模块化能力，构建大模型夯实基础、小模型深耕细作的工业人工智能体系。

在制度安排上，应当以制度创新破除数据与算力的双重堵点。数据方面，加快建设分行业高质量数据集和可信数据空间，以政府立规则、市场定流转为原则健全确权、授权与收益分配机制，探索“数据留在企业、模型跨企流动”的协作训练模式。算力方面，国产算力追赶的瓶颈不在算力规模，而在软件生态与工具链适配，应推动国产算力与行业软件生态协同，发展面向高端制造的行业算力服务，探索“先租后建、云边协同”的弹性供给方式。尤其要依托链主企业，在细分领域先行打通数据共享的“小循环”，让中小企业以较低成本接入智能化生态。

在评价导向上，应当以产出型评价引导企业实事求是，以其行业地位是否提升、人均效能与产品竞争力是否改善为核心。对基础研究类项目宜延长考核周期，对应用类项目宜设置阶段性目标，综合考量技术成熟度、产业链协同与企业创新能力。

在人才培育上，应当以复合型人才和产教融合补齐短板。既要推动工程技术人员补足人工智能与数据知识，也要推动算法人才下沉车间一线历练；既要发展人工智能与工艺复合型学科，也要以派驻、联合攻关、产教融合实践中心等方式，把高端人才引向制造业一线。

人工智能与高端装备的结合，本质上是把沉淀在少数企业与专家个体中的隐性知识，转化为可积累、可复用、可进化的产业公共能力。这一转化的深度，取决于机理知识能否持续编码、数据要素能否顺畅流通、组织能力能否同步提升，三者最终决定人工智能在这一领域究竟是零散的效率改善，还是系统性的能力跃迁。让机理知识与数据智能深度融合，把散落车间的智能“盆景”连成产业升级的“森林”，我国制造业方能在新一轮科技革命和产业变革中迈向全球价值链中高端，为中国式现代化构筑强大的物质技术基础。

（作者黄伟系上海立信会计金融学院上海科技产业研究中心主任，教授；王旸系上海政法学院经济管理学院讲师）