
在2026年1月8日举行的“工赋上海创新大会”上,《2025上海市“AI+制造”发展白皮书》正式发布。这份报告不仅是对上海人工智能与制造业融合现状的系统性梳理,更是面向未来产业变革的重要行动指南。在当前全球AI大模型技术加速演进、中美科技竞争格局日益明显的背景下,上海作为国内重要的经济和工业中心,正通过“AI+制造”战略抢占新一轮产业发展的制高点。
白皮书的发布标志着上海在推动新型工业化道路上迈出了坚实的一步。它不仅总结了上海在政策支持、技术突破和生态构建方面的现有成果,更直面当前产业升级中遇到的结构性挑战,并提出了具有前瞻性和可操作性的解决方案。本文将从战略背景、发展成效、现存瓶颈及未来路径四个维度,对这份白皮书进行深入解读。
战略背景:政策东风与产业高地
全球范围内,AI大模型已经从单纯的规模扩张进入到了能力结构优化的深化阶段。在此背景下,“AI+制造”已上升为国家战略,各地纷纷布局。上海凭借其得天独厚的优势,成为了这一领域的排头兵。
首先,政策支撑体系极为完善。上海发布了《加快推动“AI+制造”发展实施方案》,并创新性地推出了“模型券”、“算力券”等举措,对于重点项目最高给予1000万元支持,同时联合八大银行提供4000亿元的专项授信。这种“真金白银”的投入,为企业数字化转型提供了强有力的金融保障。
其次,产业基础雄厚。上海拥有完整的产业链条和作为AI产业高地的优势。依托连续的政策支持和丰富的应用场景,上海正致力于通过技术创新和场景赋能,构建一个全方位的政策保障体系,以期在“十五五”期间将“AI+制造”推向更深层次。
发展现状:多点突破与显著成效
经过一段时间的积累,上海的“AI+制造”已经形成了多点突破的格局,取得了令人瞩目的成效。
在工业模型基础能力方面,一批重量级项目落地见效。例如,宝武集团的钢铁大模型和智己汽车的智能设计仿真模型,都展示了AI技术在重工业和高端制造领域的强大潜力。同时,工业语料与智算云公共服务平台的建成投用,提供了高达290TB的工业语料和万卡级算力支撑,为中小企业降低了技术门槛。
在融合创新生态方面,以上海“模速空间”为代表的载体,已经集聚了超过1300家相关企业,并培育了44家专业服务商。这种集群效应极大地促进了技术交流与合作。
在示范场景应用方面,上海已在研发设计、生产制造、供应链管理等环节形成了百余个标杆案例。数据是最有力的证明:宝武宝钢基地通过AI应用,不合格率下降了65.4%;外高桥造船的研发效率提升了80%。此外,工业软件、智能装备和智能终端三大领域也实现了AI技术的深度融合,产品智能化水平快速提升。
现存瓶颈:结构性挑战与痛点
尽管成绩斐然,但白皮书也客观地指出了当前面临的结构性挑战。这些瓶颈如果不解决,将制约“AI+制造”的规模化推广。
首先是高质量数据与语料供给不足。工业数据往往存在孤岛现象,且格式不统一,难以直接适配模型训练的需求。
其次是成熟可复用的AI解决方案稀缺。目前很多项目仍停留在定制化开发阶段,导致成本较高,难以在行业内快速复制推广。
再次是复合型人才缺口明显。既懂工业生产流程又精通AI技术的跨业务人才极度匮乏,四类核心人才的培养难度较大。
最后,部分企业对AI的认知仍存在片面性,对数据安全的担忧以及组织准备的不足,也在一定程度上制约了AI应用的深化。
发展路径:三步走与政策建议
针对上述问题,白皮书为企业AI能力的晋升规划了一条清晰的路径,并为政府政策制定提供了宝贵建议。
企业层面,建议遵循“三阶段范式”:第一阶段是实现生产运营数据化,并引入场景AI助手;第二阶段是推进基础技能和业务流程的AI化;第三阶段则是最终实现AI赋能全业务链的智能化转型。
政策层面,白皮书提出了五项具体建议:一是强化政策统筹,构建跨部门协同机制,通过“揭榜挂帅”遴选先锋企业;二是聚焦重点领域,持续打造示范场景,鼓励国企和链主企业开放业务场景;三是深化创新融合,依托现有创新机构建设联合创新基地;四是培育产业生态,率先沉淀一批国内领先、国际先进的“AI+制造”上海标准;五是实施人才培育招引计划,建立人才需求目录,定向招引国内外高端人才。
总而言之,《2025上海市“AI+制造”发展白皮书》不仅是一份成绩单,更是一份路线图。它展示了上海在智能制造领域的雄心壮志,同时也为全国其他地区提供了可借鉴的“上海方案”。随着“AI+制造”样板企业培育工程的启动和国家人工智能应用中试基地的建设,上海正稳步迈向制造强国的建设目标。
—— End ——
智能制造体系
设备管理
前期管理 | 台账与资产管理 | 点检与巡检 | 状态监测 | 维护保养 | 故障与维修管理 | 备件管理 | 润滑管理 | 安全与合规 | 技改与能效管理 | 数据与信息化
能源管理
能源计量与统计 | 能耗监测与监控 | 能源审计与诊断 | 节能管理与技改 | 能源成本管理 | 设备与系统能效管理 | 管理制度与体系 | 碳排放与绿色低碳
生产管理
生产计划与排程 | 生产组织与执行 | 现场管理 | 物料与在制品管理 | 效率管理 | 质量管理 | 设备与能源管理 | 成本与交付管理
研发管理
研发规划与立项 | 产品设计与开发 | 研发过程管理 | 试验与验证 | 技术与知识管理 | 研发资源管理 | 成果转化与量产 | 创新与预研
质量管理
质量策划 | 来料 / 入厂检验(IQC) | 过程质量控制(IPQC) | 成品检验与出厂(FQC/OQC) | 不合格品与纠正预防 | 质量改进 | 质量体系与合规 | 全生命周期质量
供应链
计划管理 | 采购与供应商管理 | 生产与制造协同 | 仓储与物流 | 库存管理 | 订单与交付 | 供应链协同与数字化 | 成本与风险管理
工业互联网
工业互联网平台 | 数据中台 | 工业操作系统 | 边缘平台 | 设备数据采集 | 时序数据处理 | 数据建模 | 数据分析 | 数据治理 | 数据要素化 | 数据标准 | 工业软件 | 工业APP | 工业协议 | 标识解析 | AI与数字孪生 | 可信数据空间 | 高质量数据集 | 数据安全

扫码?加入“智能制造交流群”回复“白皮书”领取整份《2025上海市“AI+制造”发展白皮书》资料