一次重要的课题发布

2026年1月16日，第十八届中国工业论坛・数智工业探索者论坛于北京汽车博物馆举办，中国工业报社数智工业研究中心现场发布2026“人工智能 + 制造” 十大课题。并举行专家聘书颁发仪式，第二批11位专家及第一批部分代表现场受聘。

中国工业报社党委书记、社长徐金宝与党委副书记、纪委书记金勇军为专家颁发聘书。委员会将凝聚行业共识、构建开放平台，为推进我国数智工业高质量发展注入前瞻思考与创新动力。

专家名单如下：李卫忠、艾小洋、谢世诚、赖能和、钱江、吕晓勇、单宁、李东、喻友平、冯升华、汝金同、楚兵、张宝华、罗向锋、俞瑞霞、刘锋、王曦、高洪福、曾庆波。

十大课题及解析

2025年是 “人工智能 + 制造” 落地提速之年。

政策端持续加码-->

1 国务院 8 月印发《关于深入实施 “人工智能 +” 行动的意见》

2 工信部同步出台《“人工智能 + 制造” 专项行动实施意见》等三项政策

3 中国工业报社基于案例研究、实地调研及专家意见提炼而成十大课题，聚焦当前 “人工智能 + 制造” 。

这十大课题的发布，是政策力量的逐级落地的缩影。其标志着中国人工智能与制造业的融合进程，迈入了体系化攻坚的落地时期。

课题一：工业软件智能化处于探索期，关键场景应用有待深化

当前主流工业软件的核心是数十年来沉淀的确定性工业机理、物理模型与严谨逻辑。

而人工智能，尤其是大模型所代表的数据驱动范式，其优势在于处理非结构化信息、发现隐性关联与概率性预测。

简单地将AI模块作为插件嵌入传统软件架构，只能解决表面增效问题，无法触及研发设计、工艺仿真等核心价值环节的智能化重构。

真正的智能化软件，需要将工业机理模型与机器学习模型进行原生融合，形成可解释、可追溯的混合智能系统。这要求软件开发商与工业用户进行前所未有的深度绑定与联合创新。

课题二：工业数据孤岛现象突出，安全防护薄弱

约百分之七十数据未被激活，大量工业数据仍沉睡在封闭的自动化系统、孤立的信息化报表乃至老师傅的经验中，未能转化为可被AI模型训练与调用的高质量数字资产。

当前工业网络安全防护往往专注于边界隔离与协议监控，但对于数据在采集、标注、传输、存储、使用乃至销毁各环节的权限管控、隐私保护与风险审计，缺乏体系化的设计与工具支撑。破解数据困境，必须先于技术方案，在组织与流程层面打破壁垒。

课题三：工业高实时推理难，通用大模型轻量化部署存短板

云端大模型固然能力强大，但其网络延迟、数据出域风险与高昂推理成本，难以匹配工业现场毫秒级响应、数据本地闭环与成本严苛控制的要求。

边缘智算与轻量化模型技术，如模型剪枝、量化、知识蒸馏以及新型高效架构，为解决这一矛盾提供了技术路径。

然而，挑战在于如何在不显著牺牲精度与泛化能力的前提下，实现模型在资源受限的边缘设备上的稳定运行。

这不仅仅是算法优化问题，更涉及软硬协同的深度优化，包括针对特定工业芯片的算子库适配、推理引擎优化以及运行时资源调度策略，其工程复杂度极高，需要模型开发者、硬件厂商与工业系统集成商的紧密协作。

课题四：工业算力供需错配，边缘智算协同不足

边缘与中心云之间的协同，因网络协议、管理接口、任务调度标准不统一而难以顺畅，导致算力资源无法根据生产任务的紧急度与复杂度进行动态弹性调配。

理想的状态是形成云边端一体化的算力网络，云端负责大模型训练与复杂全局优化，边缘处理实时控制与轻量化推理，终端进行即时感知与反应。

实现这一愿景，需要从芯片、服务器到操作系统、中间件乃至应用框架的全栈生态协同，标准建设已成为迫在眉睫的基石性工作。

课题五：智能装备国产化替代不彻底，核心部件依赖进口

核心部件如高端伺服系统、精密传感器、专用工业控制器依赖进口，不仅带来供应链安全风险，更导致装备的智能化升级深度受制于人。

装备制造商难以获取底层核心部件的完整数据接口与控制权限，从而限制了基于数据进行预测性维护、工艺参数自优化等高级智能功能的实现。

装备智能化水平低，大量存量生产设备仍是数据黑洞，无法接入工业互联网体系，成为整个智能制造转型中的断点。

因此，推进智能装备发展，必须坚持整机牵引与部件攻关并举，通过应用场景倒逼核心部件性能提升与生态成熟，进而实现正向循环。

课题六：中小企业AI应用门槛高，投资回报周期长

受限于资金、技术储备与人才资源，中小企业难以承担从需求分析、数据治理、模型定制到系统集成部署的全链条高成本与长周期。

它们需要的是针对特定场景、开箱即用、效果直观的轻量化AI产品与服务。

投资回报周期长且价值难以量化，则会进一步削弱其投入意愿。

这就要求AI供应商与解决方案商必须转变思路，从提供技术工具转变为交付业务价值，开发模块化、可复制的行业解决方案包，甚至探索以效果付费等新型商业模式，切实降低中小企业的试错成本与初始投入，让AI技术红利能够普惠至中国制造业最广大的主体。

课题七：工业AI开源生态不完善，全生命周期动态评测闭环缺失

当前开源项目往往偏重于通用AI框架或算法模型，针对工业特定场景、包含领域知识的数据集、预训练模型及工程化部署工具的开源资源严重不足。

生态散、偏、浅，导致企业重复造轮子，资源浪费严重。

同时，模型的评测往往止步于实验室的静态指标，缺乏在真实工业环境中，随着数据分布变化、设备磨损、工艺调整而进行的持续动态评估与优调机制。

没有可靠的全生命周期评测体系，企业就无法对模型在实际生产中的性能衰减、风险变异进行有效监控与管理，其应用信心自然不足。构建面向工业的开源社区与标准化评测基准，是提升整体产业技术水位与落地效率的基础设施。

课题八：人机协同模式不成熟，新型生产组织待构建

先进的技术工具若不能嵌入重新设计的流程与组织之中，其效力将大打折扣。

当前的人机交互多停留在指令执行与信息展示层面，远未达到认知协同、共同决策的深度。

工人不信任AI的决策建议，AI也无法理解工人的经验意图。

构建新型生产组织，意味着要以数据为核心纽带，重塑岗位职责、决策权限与协作流程。

它可能表现为围绕关键生产环节形成的、由工艺专家、数据分析师与一线操作工共同组成的敏捷团队，也可能是基于数字孪生实现远程专家与现场人员的实时协同。

课题九：供应链协同智能化推进难，且韧性不足

供应链各环节企业信息化水平参差不齐，数据标准与接口各异，相互间出于商业机密考虑的数据共享意愿低，导致需求预测、库存信息、生产计划等关键数据无法贯通。

智能化协同因此缺乏燃料。

韧性不足则体现在供应链系统应对突发事件时，缺乏基于全局数据的实时感知、模拟推演与动态调整能力。

提升供应链韧性，必须依靠基于工业互联网平台构建的跨企业透明化协作网络，通过合同约定与技术手段相结合，在保护各方核心数据权益的前提下，实现关键数据的可信交换与联合建模，从而提升整体链条的可见性、可预测性与可适配性。

课题十：复合型人才缺口显著，数字技能与工艺知识脱节

既懂制造工艺、业务流程，又精通数据分析、AI算法应用的跨界人才是重要稀缺人才。

当前高校培养体系偏重理论算法，企业培训则侧重于工具操作，二者均难以系统化地培养出具备将复杂工业问题转化为AI可解模型能力的核心人才。

数字技能与工艺知识脱节，导致AI项目常常脱离实际业务逻辑，沦为技术炫技。

解决这一难题，必须深化产教融合，推动企业与高校、科研院所共建课程体系、实训基地与联合实验室，让学生在真实的工业场景与数据中学习与成长。同时，企业内部需建立技术人才与业务人才轮岗交流、共同攻关的机制，在实践中加速复合型人才的锻造。

综上，十大课题清晰地勾勒出中国人工智能+制造前进道路上须翻越的重重山丘，须多方携手共克时艰！