全球智能制造业发展现状、趋势与启示

复旦大学应用经济学博士后流动站 上海社会科学院 郭 进

当前，世界正面临“百年未有之大变局”，新一轮的科技革命与产业变革进入历史性的交汇期，正在“重构全球创新版图、重塑全球经济结构”。(1)习近平：《在中国科学院第十九次院士大会、中国工程院第十四次院士大会上的讲话》，载于《人民日报》2018年5月29日，第2版。智能制造作为新一轮科技革命的核心技术之一，将人工智能等领域的最新技术成果嵌入到“生产—消费”循环，从“生产制造方式、技术经济范式和产业组织形态”三个主要方面，构建以“可重构生产系统、个性化制造、快速市场反应和网络化协同”为特征的智能制造体系，从而颠覆了传统制造业的竞争模式，深刻改变了全球制造业的竞争格局和全球价值链的分配模式。如何把握智能制造的发展机遇，重塑本国制造业的全球竞争力，日益成为世界各国制造业竞争的焦点，也是中国制造业转型升级必须牢牢抓住的发展机遇。

自2010年起，中国制造就在体量上超越美国，成为全球制造业第一大国，但中国制造的微观基础仍停留在“工业2.0”“工业3.0”时代。一方面，中国制造严重依赖国外的高新技术和产品，以致一个芯片断供就严重影响了中国整个高科技行业的发展。另一方面，智能时代的到来不仅提升了全球制造业的准入门槛，而且加速了中国制造向外转移的步伐。面对内部产业转移和外部体系升级的双重压力，以智能制造培育新动能，以新动能促进新发展，已经成为世界产业变革的一个重要方向(王瑞华，2018)。中国需要发挥在人工智能领域的技术优势，把握智能制造市场快速崛起的战略机遇，加速机器智能及其智能决策系统的研发，推进人工智能技术与精益制造技术的深度融合，积极抢占全球智能经济发展的主动权。研究全球智能制造业发展现状、特征和趋势，有针对性地提出中国制造的应对策略，不仅具有指导企业升级的现实意义，更是重塑中国制造竞争优势的战略需要。

一、智能制造是全球制造业新一轮竞争的高地

智能制造的崛起主要得益于两方面的优势：一是智能制造大幅提高了企业的生产运营效率，能够重塑企业的微观竞争优势；二是智能制造是新工业革命的主攻方向，能够重塑国家的竞争优势。

在微观方面，智能制造正成为重新界定企业竞争力的关键因素(李景海和林仲豪，2016)，是企业提升效率的理性选择。当前，人类生产制造技术面临“人机功效难以高度匹配”和“生产管理系统发展停滞”两个发展瓶颈，导致生产组织的效率严重滞后于自动化生产技术的进步，企业难以有效降低生产供应体系和生产协作体系的成本支出。新一代智能制造技术通过整合企业IT系统与OT系统，建立统一的智能决策系统，解决了上述发展瓶颈，为提升整个生产制造体系的效率打开了空间。一是统一的智能化运维有效提升了生产组织过程的合理性和生产重组的灵活性，大幅降低生产组织过程的物料损耗、维修费用等。根据GE和Accenture(2015)的报告，引入智能技术后，企业的生产效率可提高30%，预测性维修可降低12%的维修量，整体维修成本降低30%，设备停机减少 70%。二是智能技术的快速发展，大幅降低了智能产品和技术的应用成本。新一代智能传感器、大数据、人工智能等技术的成熟和普及，为企业从数字化制造升级到智能制造，提供了低成本的升级环境。

在宏观方面，智能制造作为新工业革命的主攻方向(王喜文，2015)，已成为各国制造业竞争的焦点。目前，全球正迎来“以第六次技术革命浪潮为核心的第三次工业革命”(贾根良，2013)，制造业由成本优势向效率优势转型，是此轮产业变革的鲜明特色(吕薇，2017)。随着人工智能技术的不断成熟，智能制造作为信息技术的集大成者，正迎来发展的黄金时期——其相关的核心技术及其配套产业，经过40多年的发展，已基本不存在难以克服的重大技术瓶颈。因此，相比“新能源、新材料、生物科技”等技术，智能制造更具产业化的广阔前景，也必将率先成为各国制造业竞争的焦点。

二、全球智能制造业竞争的主要特征

与历次工业革命相比，此轮以智能制造为代表的新工业革命具有一些新的特征，突出表现在以下三个方面。

(一)国家政策强力推动，政企密切合作推进

“第三次工业革命”的发生和发展是外生的技术进步和内生的国家政策安排共同驱动、协同作用的结果(黄群慧和贺俊，2013)。作为新一轮工业革命的核心(周济，2015)，智能制造的发展同样也得益于国家意志的强力推动。

美国是全球智能技术的引领者，在推进智能技术创新和智能制造产业发展时，并没有完全贯彻放任自由的“守夜人”政策。而是采取了“政企互动、大小互动、军民互动、产研互动”的举措，打造国家和企业在智能领域的“全生态、全场景、全社会”优势(高奇琦，2017)。自20世纪90年代起，美国国家科学基金会(NSF)就推出了“智能制造研究”的国家科研项目，系统性地开展了智能制造技术研究。2005年以后，又相继推出了聪明加工系统研究计划、实现21世纪智能制造、国家人工智能研发战略规划、美国人工智能倡议等12项国家战略、国家政策、总统行政令(见表1)，形成了“国家战略引领、大企业主导基础技术研发、小企业开发场景应用技术、政府采购优先招标”的技术创新体系，为美国全面引领智能技术发展，构筑了良好的创新生态体系和产业发展环境。

表1 美国智能制造战略体系构成

续表

资料来源：作者整理。

在这种示范效应下，全球智能技术和智能产业的竞争日趋白热化，“德国2020高技术战略”，日本“互联工业”战略，“英国制造2050”战略，“新工业法国”战略、欧盟“2020地平线”计划等，都将智能制造作为重要的战略方向。

(二)全球智能制造市场快速增长，垄断格局尚未形成

核心技术的突破、政府的战略支持，极大地降低了智能技术的应用门槛，推动了智能制造产业的快速发展，其中亚太成为复合增长率最高的地区。2010年，全球智能制造市场规模为2537亿美元，到2017年就增长到10000亿美元以上(见表2)，年复合增长率高达18.7%。预计到2022年，全球智能制造业的产值将达到1.51万亿美元左右。这其中又有三个典型的结构性现象，表明全球智能制造仍处于产业发展初期。

表2 2010～2017年全球智能制造业产值规模

资料来源：作者整理。

第一，工业互联网引领智能制造产业发展。智能制造系统的物理技术结构分为“感知层、网络传输层、设备层、应用层、决策层”，与之相对应，智能制造产业链包括“智能感知产业、工业互联网产业、智能装备产业、系统集成产业、人工智能产业”(见表3)。其中工业互联网具有低时延、高可靠、广覆盖的特点，是链接工业全系统、全产业链、全价值链的关键基础设施，是支撑工业智能化发展的核心载体(陈肇雄，2016)。作为先导性产业，近年来，工业互联网日益表现出产业发展的引领性，2017年，全球工业互联网市场规模达到了7500亿美元，占到智能制造市场份额的70%以上，其中，算力(工业云计算和边缘计算)、算据(工业大数据)和算法能力(工业人工智能)这三部分代表的全球工业互联网平台市场，其规模占整体“人工智能+制造”市场的24%。根据零点有数集团(2018)预测，到2025年全球工业互联网平台市场规模将达到2.6千亿美元，占比达36%。而GE(2012)更是预测，到2025年工业互联网技术可应用于规模约为82万亿美元的产业，将占全球GDP的50%。这也意味着全球智能制造业仍处于发展布局阶段，中国完全有可能实现局部赶超。

表3 智能制造产业的技术链与产业链构成

资料来源：作者整理。

第二，智能制造装备的需求持续增长。智能制造装备是“具有感知、分析、推理、决策、控制功能”的生产装备(傅建中，2014)，是由智能机器和人类专家共同组成的人机一体化智能系统，能够在制造过程中进行分析、推理、判断、构思和决策等智能活动(幸权和柴宗明，2011)，从而通过人与智能机器的合作共事，扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动(刘飞，1999)，为实现从“以人为主”向“以机器为主”的决策模式转变，提供了物质基础。

近年来，全球进入新一轮的固定资产更新改造周期，市场对工业机器人、数控机床、3D打印设备、新型传感器和工业自动化成套设备等智能制造装备的需求持续增长。以工业机器人为例，2013年以来，全球新装工业机器人年平均增速高达12.1%，2017年全球工业机器人销量达到33万台，其中仅中国就销售了14.1万台，计42.2亿美元(见图1)。

图1 2017年全球工业机器人销售额比例资料来源：作者根据《智研咨询报告》、中国产业信息网、中商情报网等数据整理。

第三，制造执行系统(MES)成为领先发展的决策支持系统。MES是面向生产车间的生产管理技术与实时信息系统(饶运清等，2002)，是连接企业计划管理层和底层工业控制之间的桥梁(罗国富和施法中，2004)。MES主要功能包括车间资源分配、过程管理、质量控制、维护管理、数据采集、性能分析及物料管理等(左革成等，2015)。伴随着云制造、物联制造、制造业服务化、网络化以及工业4.0等概念的完善，MES已突破车间执行系统的局限，不断向控制层和计划层渗透，延伸到大数据、云计算、人工智能、制造业服务化等多个领域，由单一功能的MES产品向集成MES和整体解决方案发展，构成了宽泛意义的系统集成产业。MES成为市场的主流需求，表明在目前发展阶段，新一代的智能决策支持系统(IDSS)还没能真正成熟，还无法有效解决生产制造环节的复杂决策问题，企业主要沿着改造传统生产线的路径进行智能化升级。这也提示我国发展智能制造，不能急于求成，必须循序渐进。

(三)智能制造产业的竞争主体多元化，存在多种发展路径

第一，智能制造产业尚缺乏清晰的链主企业。当前，智能制造产业仍处于发展布局阶段，参与主体多元化、跨产业渗透与融合、横向分工细化是主要特征。突出表现为传统制造企业智能化转型和互联网企业切入生产制造领域两股趋势。传统制造企业作为制造领域的在位企业，拥有制造工艺和制造文化两项优势。互联网企业和智能化服务企业作为市场入侵者，拥有信息技术的优势。然而，无论是在位企业，还是入侵企业，目前都无法同时拥有“制造工艺、信息技术和数据服务”三项优势，短时期内都无法主导制造业的变革。智能制造产业的发展，主要表现为三类企业围绕工业互联网平台，在智能终端产品和智能生产领域展开的竞争与合作。这提示我们，发挥中国在消费互联网领域的技术优势和市场优势，利用大数据分析等智能技术创新，能够打破跨国公司对全球终端消费市场的垄断，实现传统制造业的价值链攀升。

第二，传统制造企业更具智能化升级的优势。智能化转型升级的本质是应用信息技术和人工智能技术对传统制造业进行数字化、智能化升级，而非彻底淘汰制造业。智能经济体系下，产品服务化只是改变了终端产品的物理形态和提供方式，并不能完全替代生产制造活动本身。互联网企业鼓励创新、张扬个性的企业文化，与工程师和蓝领工人的制造文化也存在较大的差异，这决定了互联网企业在较长时期内难以突破传统制造业的文化障碍、知识壁垒和技能瓶颈。当数据成为重要的生产资料和交易商品时，未来的互联网企业和数据分析师也终将转型成为新的“制造企业”和产业工人。而传统的龙头制造企业因为熟悉工艺流程、掌握生产诀窍、制造文化深厚，相对更具引领制造业智能化转型升级的优势。

第三，互联网企业重点发展智能终端产品和工业互联平台。面对多元化的竞争格局，作为“入侵者”的互联网企业主要依托自身的人工智能技术和互联网技术优势，对传统制造企业展开“降维竞争”。一是互联网企业通过研发的新智能产品，构建新的智能制造产业链。如Google公司的智能眼镜、商汤科技的工业级人脸识别等智能终端产品和技术，开辟了与传统制造完全不同的竞争领域，形成了新的智能产业链。或者利用人工智能技术对终端消费市场进行精准区分，针对性推出机器翻译、语音识别等服务型智能产品。二是互联网龙头企业积极并购与重组中小智能研发企业。例如，2013年Google公司收购了8家与机器人有关的公司，2014年又陆续收购人工智能公司DeepMind和智能家居公司Nest。根据创投研究机构CB Insights的统计数据，近年来，Google已并购了近20家人工智能公司。三是搭建工业云平台，从云存储、云计算领域构筑智能云制造的生态体系。与龙头制造企业将传统的生产协作体系互联网化不同，互联网企业更侧重于搭建工业云平台，发挥自己在算法(人工智能)和算力(云计算、边缘计算)方面的优势，与传统制造企业展开错位竞争。如微软的Azure IoT、阿里巴巴的Ability工业云平台等，均是这种平台战略的产物。

三、智能制造业的未来发展趋势

(一)智能制造将向新一代智能制造体系升级

按照信息技术向制造业渗透、融合的程度，智能制造可以划分为“数字化制造、数字化网络化制造(互联网+制造)、数字化网络化智能化制造(新一代智能制造)”三个阶段(周济，2018)。目前，工业发达国家制造业已完成了“机械化、电气化、数字化”三个历史发展阶段，具备了向新一代智能制造阶段跨越式升级的基础和条件。

新一代的智能制造范式是柔性化和集成化的延伸与发展(孙柏林，2013)，智能决策系统对制造活动中人类脑力劳动的替代，是其最本质的特征。通过增加认知和学习的功能，用计算机将人的智能活动与智能机器有机融合，智能决策系统及其专家知识库使制造系统不仅具有强大的感知、计算分析与控制能力，更具有了自我学习和生成知识的能力，从而显著提升了制造领域的知识产生、获取、应用和传承的效率，显著提高企业的创新能力和服务能力。

(二)人工智能技术将引领智能制造业的发展

智能制造产业链是技术型产业链(王兴元和杨华，2005；高汝熹等，2006；高光耀等，2014)，其内部关联性主要由相关的核心技术决定。在智能制造的五个物理层级中，决策层的智能决策系统，主要实现智能工厂的生产资源调度、智能设备组合和决策信息分析判断等功能，是整个产业链上知识最为密集的环节，也是决定智能制造产业链竞争力的关键环节。

作为智能决策系统的核心，人工智能赋予机器思考和决策能力。随着人工智能由弱人工智能迈向强人工智能，其高效的思维能力和专家模型，终于能够突破高度柔性化、动态化资源重组的技术瓶颈，促使智能决策系统由“以人为核心的决策系统”，向“以机器智能为决策主体的自主系统”转变，使统一、高效地调配企业内外部资源成为可能。

当人工智能技术具备深度学习、自我进化的能力时，人工智能及其专家知识库的进化能力，将成为影响机器智能和智能决策系统性能的决定性因素。

(三)传统制造业将加速智能技术的推广和应用

智能制造技术体系中既有人工智能、工业互联网这样革命性的跃迁技术，也有大量的如RFID、工业机器人这些渐进性变迁技术，两者共同作用于传统制造业演进升级的每一个环节，表现为“前端驱动、中端驱动和后端驱动”三种技术嵌入路径(张银银和邓玲，2013a)。其中，以人工智能、专家知识库为代表的智能决策技术，主要在前端驱动传统产业进行技能学习、知识积累、科技创新及知识扩散，推进传统企业技术体系升级、生产范式变革。知识创新是一个长期的积累过程，前端驱动具有极大的不确定性，多数传统制造企业缺乏持续投入的资本实力。

中端驱动阶段强调将知识生产转化为企业的生产力，是将战略性新技术、新装置应用形成新产品或新业务的过程(张银银和邓玲，2013b)。主要表现为工业机器人、智能机床、RFID等渐进性技术变迁的新成果在生产制造领域的应用和转化。德勤(2018)的调研数据也表明“应用智能设备，挖掘现有资源、改造生产系统”，是制造企业推广应用智能制造技术的主要趋势。

后端驱动直接面向消费市场，主要通过智能技术和智能产品实现商业模式变革。企业借助工业互联网、大数据和云计算，能够及时掌握用户的个性化需求，从而可以及时提供满足市场需求的创新产品和中间产品。这种基于工业互联网的商业模式创新，易于形成规模优势和范围效应，能够极大地促进企业推广应用智能化技术。

(四)智能制造的发展需要克服一系列挑战

智能技术与制造技术的不充分融合是当前限制智能制造产业快速扩张的主要障碍，突出表现为“异构异质系统融合困难、虚拟现实技术与生产系统的无缝对接障碍、工业互联网仍需深度开发、系统和数据的安全”。克服这些瓶颈和障碍，将成为智能制造产业未来重要的利润增长点。

一是异构异质系统的融合。互联网由不同技术架构的局域网组成，各个子网络所使用的软硬件设备，也由不同的公司生产，广泛存在硬件不兼容、网络难对接、数据不通用等问题，我们将之称为系统的异构异质问题。智能制造系统为实现超高速、自组织、自管理、自修复、自我平衡功能，需要从统一底层传感器做起，统一整个智能生产系统、数据平台、云储存空间等的技术架构、接口标准和数据格式，才能突破异构异质问题的制约，实现真正的智能化生产。异构异质问题的实质是“智能化标准”的话语权竞争，涉及数以万亿级的更新改造市场，牵涉复杂的政治经济关系，各类智能化企业将围绕这一领域展开长期的竞争与合作。

二是虚拟现实技术与生产系统的深度融合。虚拟现实技术是实现无人工厂和远程控制的关键技术，目前大致有“虚拟场景、虚拟漫游和虚拟物体”三类应用，属于产业技术变迁过程中的革命性跃迁技术。虚拟现实技术涉及复杂的神经网络连接问题，其在智能制造领域的应用就是要镜像出一个能够实时动态响应、海量设备接入的虚拟物理生产系统。目前，无论是场景再现的真实性、及时性，还是与生产制造系统结合后的加工精度，都还难以达到精密制造的要求，需要时日以待创新。

三是新型基础设施建设及其技术开发。新型基础设施不仅仅是“云、网、端”，还包括与之相关的一系列人工智能技术。以新型基础设施中的工业互联网为例，工业互联网作为整个智能制造系统的神经网络，是发展智能制造必备的关键性基础设施。完全建成稳定、可靠的高速工业互联网，需要数以万亿级的基础设施投资，同时还需要在5G通信、虚拟现实等关键领域实现技术突破，存在着应用新技术过多、技术难度过大的风险，因此也极易陷入成本失控、精度无法保证的困境。

四是系统和数据的安全。系统和数据的安全，是智能经济的生命线。当前无论是传统制造业的智能化改造，还是数据安全技术都仍存在巨大的缺陷，万物互联的智能制造体系，对现有的网络防护技术提出新的挑战。确保智能经济时代数据信息的安全，不仅是技术的难题，更是对道德伦理的挑战。

四、全球智能制造业发展对中国制造业升级的影响

基于“预期、现实、未来”的视角，全球智能制造业竞争对中国制造业转型升级的影响，主要体现在“改变制造业升级预期路径、削弱传统制造业竞争优势、重构制造业网络协作体系”三个方面的影响。

(一)改变了中国制造业转型升级的预期路径

沿“微笑曲线”向全球价值链的两端延伸，是中国制造业转型升级的既定路线。智能制造的快速崛起，降低了全球化生产对简单劳动的依赖，也动摇了基于成本洼地、配套体系和目标市场等因素建立起来的全球分工体系。全球价值链的“微笑曲线”将围绕智能制造平台进一步高级化、扁平化，甚至有可能变成“沉默曲线”“哭泣曲线”。后发国家的“人口红利”将转变为劳动力素质劣势，产业梯度转移的“雁阵模式”可能就此消失(黄群慧和贺俊，2013)。

(二)削弱了传统制造业参与全球竞争的优势

传统制造主要追求社会综合效能的优化，智能制造则主要满足消费者的个性化定制需求。当生产方式由大规模工厂化的流水作业转向个性化批量定制时，“产品+服务”将成为智能制造的主要产品形态。知识的积累、学习、创造和管理将取代资本、土地和劳动力等传统资源，成为影响企业核心竞争力的主导要素(常荔和邹珊刚，2000)。这对长期依赖要素成本优势，习惯于规模竞争、价格战的传统制造企业提出了巨大的挑战。

(三)重构了全球制造业的网络协作体系

智能制造系统是基于工业互联网的生产制造体系，可以突破劳动力、土地、资金、环境等要素的地理空间约束，实现远程遥控和虚拟生产，具有低成本聚集供应企业和分散用户的特点。智能制造的网络外部性和长尾经济性，为生产协作企业摆脱旧产业链的束缚，实现跨越式升级提供了条件。能否加入新的网络协作平台，并吸引到足够的平台用户和创新资源，成为传统制造企业能否实现智能化转型升级的关键。

五、中国发展智能制造面临的问题

基于“推进主体、技术优势、产业基础、投资机遇”的分析路径，中国发展智能制造主要面临四个方面的障碍。

障碍一：制造企业的智能化基础薄弱。我国制造业总体上仍处于工业2.0向工业3.0过渡阶段(中国国务院发展研究中心，2017)，多数企业对智能制造的认识仍停留在“机器换人”“工业自动化”的初级阶段，缺乏对新一代智能制造的深入了解。因此，我国不能照搬西方发达工业国家“串联式”的智能制造发展模式，必须坚持中国特色的“工业2.0补课、工业3.0普及、工业4.0示范”的并联式发展路径(彭瑜，2014)。

障碍二：核心智能技术受制于人。智能制造是技术型产业链，只能掌握核心智能技术，才能通过技术链创新，带动产业链发展。我国虽然在人工智能、5G通信等部分领域实现了暂时领先，但总体上仍属于智能技术的跟随者和应用者，缺乏智能产业的主导权。核心技术受制于人，技术创新能力薄弱，已成为我国企业国际竞争力提升的关键制约因素(王一鸣和王君，2005)。

障碍三：智能装备产业存在明显的短板。核心产业链由“关键设备制造、核心元器件生产和终端产品集成制造”三个环节组成(洪勇和苏敬勤，2007)，是跨国公司掌控全球价值链阻碍后发国家制造业升级的关键。我国在工业机器人、数控机床、工业软件等智能装备领域存在明显短板，主要依靠总体集成能力来弥补关键设备制造和核心元器件生产的差距。以工业机器人为例，国产机器人的减速机、伺服电机、控制器等关键零部件主要依赖进口，导致关键零部件的购买价格是国外企业的5倍多，造成国产机器人生产成本相对较高(任宇，2015)。

障碍四：企业的生产积累难以支撑改造投入。中国制造企业的平均税后利润率仅为3.3%，基本接近银行3年期定期存款利率。传统制造企业很难通过自身积累，偿还智能化升级所需的海量资本。

六、推进中国智能制造产业发展的相关政策建议

借鉴发达国家技术链、产业链和创新链联动发展的思路，我国推动传统制造业向智能制造转型升级，需要从技术创新入手，通过技术链创新，带动产业链发展，进而实现价值链攀升。

(一)打造智能产业发展的技术优势，掌握智能技术发展的主动权

打造技术优势，做强技术和服务两个市场，将是中国智能制造业发展需要长期坚持的战略。核心技术优势是智能制造产业健康发展的前提。当前，全球智能制造业发展并没有明确的时间表、路线图和成型的技术模式，更没有形成比较强大的市场势力和技术壁垒。面对智能技术高门槛、高投入、快速迭代升级的特征，一方面，需要发挥举国体制的优势，以国家雄厚的资金实力、人才优势，才能突破高性能集成电路、芯片等关键电子元器件、数据库和操作系统等基础软件、人工智能等领域的核心关键技术的发展门槛，通过技术链创新带动产业链发展。另一方面，众多的科技创新型企业可以广泛开展延续性技术创新，大力推进智能新技术、新成果、新模式的应用，以工艺创新、产品创新、商业模式创新，颠覆市场格局，引领行业发展。

(二)鼓励互联网企业跨界发展，加速制造业智能化升级步伐

智能制造模式下，全球价值链的驱动力呈现出由生产者驱动向购买者驱动转变的特征(蒙丹，2011)，这为中国发挥互联网销售的渠道优势提供了机遇。在智能制造产业的三类主体中，互联网企业作为新兴的技术力量，天然具有产业扩张的冲动。中国发达的消费互联网市场，也具备了拉动制造业转型升级的强大需求。虽然企业文化的差异可能制约互联网企业彻底颠覆传统制造业，但强劲的互联网消费需求，仍为互联网企业从智能终端产品领域切入智能制造市场提供了充足的空间。需要出台政策进一步鼓励和促进互联网平台型企业及供应链管理者向智能产品生产领域扩张，鼓励大型生产制造企业自建工业互联网平台重构产业生态，培育“购买者驱动”的价值链领导企业。

(三)发挥大型城市的知识创新优势，推进智能产业集聚发展

知识积累和技能创新决定了智能制造企业的核心竞争能力，这意味着发展智能制造产业，必须围绕数据信息丰富、智力资本充足、创新资源集聚的区域展开。上海、北京、深圳这些拥有丰富科研资源、人力资本充足、制造底蕴深厚的地区，将在智能制造的发展浪潮中，快速超越其他工业城市，形成智能产业集聚发展的优势。因此，国家需要重新考虑北上广深等特大城市的制造业发展战略，从促进技术链与产业链良性互动的角度，鼓励智能企业向大城市集聚发展。

(四)加快培育高端技术人才，培育智能产业发展的人才优势

智能制造体系的竞争，是知识积累和技术创新的竞争。智能产业的发展，既需要理论科学的坚实基础，也需要人工智能技术的创新引领。需要重新评估理论研究的重要性，让基础教育回归其学术研究的本源，让企业成为工程技术研发的主体，努力依托市场竞争机制，培育智能产业发展所需要的各类高端人才。