.png)
2026年9月20日，世界制造业大会在合肥开幕。开幕式发布的《制造业数智化转型能力水平（2026）》报告显示，今年上半年我国制造业人工智能重点场景应用普及率达34.2%，较上年增长5.5个百分点。从两化融合发展水平67.1到10.6%的规上企业大模型应用，一组组数据勾勒出制造业数智化转型的真实进度。本文从大会数据出发，解析制造业AI应用的阶段性特征与落地路径。
一组数据，一个节点
2026年9月20日，合肥。世界制造业大会开幕式上发布了《制造业数智化转型能力水平（2026）》。报告显示，今年上半年我国制造业人工智能重点场景应用普及率达34.2%，较上年增长5.5个百分点，全国两化融合发展水平达到67.1。
与这组数据同时出现的还有：研发设计、生产制造、经营管理等环节实现数字化普及的企业比例分别为86.3%、69.5%、81.4%；10.6%的规上制造业企业依托人工智能大模型赋能业务革新。
这些数字放在一起，勾勒出一条清晰的轨迹：制造业数字化已经完成了“从0到1”的普及阶段——近七成企业在生产制造环节实现了数字化，超过八成企业在研发设计和管理环节完成了系统部署。但AI大模型应用普及率10.6%这个数字，又清楚地标出了下一段路的起点。
也就是说，绝大多数企业已经把数据“存起来”了，但只有十分之一的企业正在让数据“跑起来”。
34.2%背后的“场景逻辑”
为什么“重点场景应用普及率”是34.2%，而不是简单的“AI企业占比”？这个表述本身就有信息量。
“重点场景”意味着AI在制造业的落地不是“一刀切”，而是按照具体环节逐个突破。研发设计环节的AI辅助仿真、生产制造环节的智能排产与视觉质检、经营管理环节的需求预测与供应链优化——每个场景的成熟度不同，落地难度不同，投入产出比也不同。
大会期间，“人工智能+制造”场景对接专场发布会设置了“软件赋能制造”“自主软件基座”“产需对接”三大板块，集中发布13项成果。这种按场景分类、按需求对接的形式，反映的是制造业AI落地的一个基本规律：企业需要的不是“一套AI系统”，而是“一个具体问题的解法”。
在制造业数字化一线，一个常见的落地路径是从最痛的环节切入——先解决仓储账实不符，再解决生产透明化，再解决质量追溯。每一步的回报是可量化的，每一步都为下一步打下数据基础。那些率先在某个场景跑通AI应用的企业，往往更清楚下一个场景该怎么选。
从“设备联网”到“系统决策”：还有多远？
86.3%的研发设计数字化普及率、69.5%的生产制造数字化普及率，说明“设备联网”这件事在大多数企业已经完成了。但10.6%的大模型应用普及率说明，从“数据在线”到“数据决策”之间，还有一段不短的距离。
这段距离是什么？是数据标准不统一、是业务流程未打通、是系统之间还在“各说各话”。一家企业即使上了MES、WMS、ERP，如果这些系统之间的数据不能自动流转，排产还是靠Excel、质量追溯还是靠纸质记录，那“数字化”就还停留在“设备联网”阶段。
从行业实践看，真正走到“系统决策”这一步的企业，通常具备三个特征：一是核心业务环节的数据已经贯通，不是孤岛；二是关键决策有算法或模型支撑，不是纯靠经验；三是一线人员养成了“看系统”而不是“凭感觉”的工作习惯。
这三个特征不是靠买一套系统就能实现的，而是靠从具体场景出发、分阶段推进、持续迭代逐步积累的。
世界制造业大会的“风向标”意义
这种规模的展会，本身就是制造业竞争格局变化的一个缩影。当全球主要制造业国家都在加速推进智能化转型时，中国制造业面临的问题已经不是“要不要转”，而是“转的速度够不够快、路径够不够清晰”。
34.2%的AI重点场景应用普及率，放在全球范围内看不算低，但放到“新一代智能制造”的目标下看，还处在起步阶段。世界制造业大会发布的报告和集中对接的场景成果，指向的是同一个方向：下一阶段的竞争，不在“有没有AI”，而在“AI用在了哪些场景、产生了什么价值”。
基于笔者所在团队在制造业数字化领域的实施经验，那些从具体场景切入、逐步完成数据贯通的企业，正在把政策红利和技术红利转化为实实在在的经营能力。
