国家层面先后出台了《“十四五”智能制造发展规划》《国家智能制造标准体系建设指南》《智能制造能力成熟度模型》《智能制造能力成熟度评估方法》等一些列顶层指导文件，有力推动制造业朝着高端化、智能化、绿色化方向发展，新业态、新模式不断涌现，显著加快了制造业数字化、网络化、智能化升级转型的步伐，例如，全国工业企业关键工序数控化率、数字化研发设计工具普及率不断提高，智能制造装备产业规模不断扩大。

尽管智能制造已取得一定发展成果，但在其发展过程中仍存在诸多亟待解决的问题。一是部分企业在构建智能制造系统时，缺乏长远规划，点状应用多。二是智能制造和现状结合不够，信息技术与制造业的融合深度不足，路径不清晰。三是，企业更多关注信息技术的应用，而忽视了配套的管理变革和流程优化，导致事倍功半。

鉴于此，深入探究智能制造的演进路径，剖析其发展规律，明确各阶段关键要素及重点举措，对于指导制造业有效开展智能制造，避免弯路，减少浪费，有着现实的实操意义。本文将通过系统研究，结合钢铁行业智能制造的实践，试图为智能制造的演进提供有价值的见解与实践指导。

1 智能制造的认知

智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于研发设计、生产、管理、服务等制造活动的各个环节，通过工业互联网(IIoT)、人工智能(AI)、大数据(BigData)、数字孪生(DigitalTwin)等技术，实现生产系统全要素(设备－物料－人员－环境)的互联互通、实时感知、自主决策与动态优化的新型生产方式。

智能制造有如下核心特征:

以工厂(或产线、车间)为落地载体:通过生产管理系统、过程控制系统和现场自动化装备/智能装备的集成与闭环，实现生产过程的自动化、智能化、网络化分布式管理，从而实现业务流程与工艺流程的协同，以及各类生产要素在企业内外的动态优化配置。

以关键制造环节智能化为目标:借助自动化、信息化、数字化、网络化等技术，实现生产制造关键环节的智能化，提质增效，支持柔性生产，满足个性化需求，使企业能够灵活应对市场。

以数据流为关键要素:数据在制造过程的全流程，包括研发设计、生产、管理、服务等环节，全方位、全生命周期的采集、高效流动共享，是实现智能制造的关键要素，通过数据打破各种界面，包括专业界面、工序界面、时空界面等，基于工业大数据的分析、预测和决策来优化生产过程和资源配置。

以互联互通为基础:基于工业互联网平台，支持人、机、物的全面互联互通，消除了数据孤岛，打破了业务壁垒，实现人－机、人－人、机－机的协同，支撑生产过程的高效运转。

以管理变革为保障:智能制造是制造企业数字化转型的根本，数字化转型首先是一个管理问题，其次才是技术问题。

数字化技术的发展，推动经营和运营模式发生了本质的变化，管理变革和数字化建设是相辅相成的，智能制造涉及的集中操控、无人化和少人化作业、远程运维等等，都是在数字化技术条件下管控模式、业务模式、操作模式、组织体制的变革。

智能制造的价值在于以人工智能、大数据、物联网为代表的新一代信息技术与制造业深度融合，将重塑制造，提升企业核心竞争力，推动产业升级，促进产业链融合发展，具体体现在:

机器代人重塑制造:利用新一代信息技术开发智能机器代人实现生产现场的无人化、少人化，解放劳动力，提升本质安全，提高效率，提高产品质量。

远程操控重塑管控体系:操作层面，利用5G等新一代网络通信技术，实现现场操作室一律集中，远程操作，岗位优化。管控层面，打造“一个智慧决策中心+系列智慧工厂”的“1+N”的网络型制造模式。

系统代替人脑重塑决策:工业知识叠加大数据、人工智能、数字孪生等信息技术，突破人脑局限，解决生产过程中的不确定性问题和“黑箱”问题。

工业互联重塑产业生态:依托工业互联网，互联互通，打通产业要素，实现网络化共享和智能化协作，实现全产业链协同。

智能制造不是简单的“机器代人”，也不是传统的自动化、信息化升级，而是通过数字化技术重构制造系统的运行逻辑和制造范式，与传统制造相比，智能制造实现被动响应向预测性干预转变、由经验驱动向模型驱动转变、由刚性生产向柔性制造转变，其终极目标是构建具有自感知、自学习、自决策、自执行、自适应功能的新型生产方式。

当前全球制造业正处于从自动化、信息化向智能化跨越的关键期，这一过程将持续重塑全球产业竞争格局。

2 智能制造演进路径

企业开展智能制造转型已成为共识，但如何推进智能制造，选择什么样的路径，很多企业还存在不少困惑，结合业界先进企业的实践经验，如宝武集团，智能制造的演进路径如图1所示。

图 1 智能制造的演进路径

智能制造是个不断迭代升级的过程，不存在弯道超车，必须脚踏实地，稳步推进，夯实每一步的基础。

2．1 阶段一:自动化、装备硬实力提升是基础

现场高度自动化、无人化、少人化是智能制造的基础，不经过自动化水平的提升，智能制造就无从谈起。这一阶段主要依靠自动化的填平补齐、机理模型的应用、使用机器/装备代人替代3D(Dusty恶劣环境、Danger危险、Duplication重复)岗位、业务线上化等举措，实现生产的高度自动化，减少人工干预，提高劳动效率，避免人为操作影响产品质量。同时，通过现场装备、自动化的改造提升，解决数据实时/全面采集、数据不落地的问题，为第二阶段数据应用奠定基础，也才能更好实现远程操控、设备远程运维、岗位优化等变革。

宝武集团在推进智能制造的过程中，创造性地提出了“四个一律”的目标，既现场操作一律机器人、操作室一律集中、设备运维一律远程、服务一律上线，并制定了“四个一律”量化评估与评价体系，统一了共识，量化了目标，提升了人、机、物协同效率，在集团内快速驱动了工序的数控化率和无人化、少人化水平，为智能制造的持续提升夯实了基础。

2．2 阶段二:数据软实力提升是核心

数据是智能制造的核心要素，基础自动化水平的提升，为数据全生命周期(采集、分析、应用)的闭环管理奠定了基础，支撑企业实现从“经验驱动”向“数据驱动”的跨越，最终提升生产效率、产品质量、管控效率和市场竞争力。这一阶段的主要举措是打造工业大数据中心，汇聚数据，对数据进行治理，开发数据算法，基于数据开发创新应用。通过构建统一的数据平台，实现数据的横向和纵向集成，打破信息孤岛，拆除业务烟囱，整合企业内部与外部数据，在企业内部以数据的高效流动打破部门、专业、时空等各种界面，在企业外部贯通上下游供应商、物流、库存等数据，实现供应链动态优化和高效协同。

以钢铁行业为例，行业生产流程长、涉及界面众多、体量大、地域跨度广，在传统管控模式下，难以实现跨地域、跨专业的协同管控。钢铁行业的头部企业宝钢股份依托统一的工业互联网平台，实现了全要素的连接，构建了服务一总部多基地的1+N的大数据中心，采集来自多基地生产、能源、设备、物流、安保等业务数据，打破专业和物理边界，基于数据的互联互通，构建开放、共享、协同的调度管控运营体系，贯穿原料进厂－生产制造－成品出厂业务全流程，实现跨基地、多专业统一调度协同作战，使运营管控从“经验”向“数字”转型，打造了全新的管理模式。通过数据的汇聚和沉淀，为人工智能应用奠定了基础，未来，随着人工智能、数字孪生等技术的深化应用，数据的价值将进一步释放。

2．3 阶段三:智能化是长期方向

智能制造的终极目标是构建具有自感知、自学习、自决策、自执行、自适应功能的新型生产方式，这是一个长期的过程，这一过程中大数据、人工智能等技术与应用场景的深度融合将发挥巨大的价值。人工智能应用场景包括三大类:感知智能、控制智能、决策智能，对应的典型应用如利用计算机视觉和深度学习技术，人工智能可以对产品进行高精度的质量检测，快速准确地识别产品的缺陷和瑕疵，提高产品质量的一致性和稳定性;传统的制造过程中，如钢铁的冶炼环节，因为高温和封闭的空间，还存在诸多“黑箱”和“不确定性问题”，通过人工智能处理和分析大量的生产数据，对生产过程进行预测，指导、助力现场人员进行操作控制，未来将逐步实现闭环;运用运筹优化技术实现决策优化和流程再造，如智能调度系统能够根据实时生产数据和订单需求，优化生产流程和资源分配，实现全局协同优化和资源的高效配置。

宝钢包装打造了智能排程系统，综合考虑各种约束要素，如预测订单生产成本和按期交货率，拒绝负盈利订单;当产能达到瓶颈时，挑选最有利销售订单;根据制造、运输成本选择最佳生产基地，减少产线切换;预测原材料消耗，按需采购，降低资金占用;优先安排战略客户、交付期临近的合同订单;保证按时交货率下避免订单过早生产，降低仓储成本。系统覆盖国内10家生产厂、13条产线，1分钟完成3个月30亿条销售订单生产调配，总产量提升0．5亿罐，机组利用率提升0．2%。本阶段的重点举措主要有数据治理、构建高质量的知识库/语料库、模型开发、模型训练、算力资源建设等。

2．4 打造互联互通能力是基础

为打破系统孤岛、数据壁垒和业务界面，构建网络化、矩阵式的智能制造模式，实现生产全要素的互联互通，企业需要打造互联互通的强大能力，而工业互联网就是互联互通的能力载体。工业互联网是新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态，通过人、机、物的全面互联，实现全要素、全产业链、全价值链的全面连接，实现基于生态的横向集成、企业内部的纵向集成、产品全生命周期集成，具有泛在感知、智能决策、敏捷响应、全局协同、动态优化等核心能力，是数字化转型的路径和方法论。工业互联网平台支持平台化设计、智能化制造、网络化协同、个性化定制、服务化延伸、数字化管理等创新模式，与智能制造的能力要求高度匹配，已经连续七年写入政府工作报告。

通过工业互联网平台实现统一的设备接入、数据汇聚共享、业务运行、员工协同工作、工业知识沉淀，构建共性服务能力，从而赋能智能制造的开展。目前各大企业都在积极构建工业互联网平台，以全球最大的钢铁企业中国宝武为例，打造了支撑集团一基五元产业发展的统一的工业互联网平台，为全集团提供了强大的互联互通能力，有效支撑集团“三重智慧”－智慧制造、智慧服务、智慧治理的转型。

2．5 贯穿各阶段的管理变革是保障

在智能制造开展过程中，很多企业都重技术，轻管理，但数字化转型首先是一个管理问题，其次才是技术问题，不涉及组织管理变革的数字化转型都是不彻底的。智能化技术与生产工艺的深度融合应用推动制造信息融汇贯通和资源深度共享，带来了生产方式模式的深刻变化，管理上的变革必然要同步，否则就会出现生产关系阻碍生产力发展的矛盾。组织协同方面，在传统的组织中，部门之间往往存在信息孤岛和沟通障碍，在智能制造的趋势下，必然要打破部门界限、专业壁垒，建立跨部门、跨专业，甚至跨地域的团队和协作机制，例如建立产销研一体化的团队，优化工作流程，涵盖研发、生产、销售、物流等各个部门的人员，实现信息的实时共享和高效协同工作。

组织架构方面，智能制造要求企业能够快速响应市场变化，敏捷应对生产中的各种问题，传统的“层级式”组织机构，效率较低，企业必须建立扁平化、网络化、生态化的柔性组织结构，减少管理层级，缩短决策流程，突破纵向传统科层制和横向专业界面限制，灵活调配资源，提高决策效率。岗位优化方面，数字化、智能化技术的应用也会进一步驱动岗位优化，例如设备远程运维技术，将会促进设备操检维调岗位的融合，远程集控也会带来现场操作岗位的精简。组织文化方面，从上至下树立数字化理念，营造数字化氛围，打造数字化团队，把企业的数字化转型战略愿景转变为组织全员主动创新的自觉行为。

3 思考与展望

智能化是大势所趋，但也是个长期的过程，永远在路上，必须久久为功。未来的智能制造应更多关注以下方面:

(1)管理变革方面，数字化、智能化技术发展突飞猛进，一日千里，但与之相匹配的管理变革尚未引起企业的足够重视，步伐相对缓慢，应加速推进。

(2)应用方面，智能化应用多点开花，但距离全局协同优化还有很大空间，智能化建设的投资收益尚缺乏清晰的量化手段，某种程度影响了智能制造的进程。

(3)基础能力方面，工业互联网能力是智能制造的基础，但企业距离“所有设备都在平台接入、所有业务都在平台运行、所有员工都在平台工作、所有数据都在平台共享、所有知识都在平台沉淀”的能力层次尚有很大差距。

(4)技术层面，尽管取得了一定进展，但在工业机器人、工业软件、人工智能等关键领域和核心技术方面，尚存在很多短板，部分领域还存在卡脖子问题，如研发设计类软件，仍需进一步突破，以提高自主可控能力。

(5)人才层面，智能制造涉及多学科、多领域的知识和技术，需要既懂制造又懂数字化、智能化技术的复合型人才，目前这类人才相对短缺，尤其是人工智能高端人才，制约了智能制造的发展。

(6)新业态方面，大模型横空出世，引爆全球，但从当前发展来看，大模型主要还是应用于人机对话、语言处理、文字处理、数据分析、知识问答等场景，面向工业现场的控制场景，估计还有很长的路要走，大小模型应组合应用，在这一过程中，高质量的知识库/语料库建设尤为重要。

《冶金自动化》2025 年增刊 作者：上海宝信软件股份有限公司 陈晓武