2025上海市“AI+制造”发展白皮书
上海市“Al+制造”发展白度书 在全球科技革命与产业变革深度演进的当下，人工智能已成为重塑产业竞争力的核心力量，制造业作为实体经济的根基，与人工智能的深度融合是培育新质生产力的关键路径。党的二十届四中全会明确“智能化、绿色化、融合化”发展方向，国务院《关于深入实施“人工智能 +”行动的意见》将“AI+ 制造”上升为国家战略，为产业升级锚定方向。 上海作为改革开放前沿与现代化建设排头兵，始终肩负产业探新路的使命。在上海市经济和信息化委员会指导下，由上海市工业互联网协会、工业数字化研究院牵头，联合龙头企业、服务商、科研机构等多方力量，共同编制《2025 上海市“AI+ 制造”发展白皮书》。编写团队立足上海现代化产业体系建设，聚焦政策部署、技术突破、场景应用与生态培育，系统梳理“AI+制造”发展实践，总结先行经验与落地范式，分析机遇挑战。 本《白皮书》旨在为企业规划智能化路径、服务商开发适配方案、政府部门优化政策供给提供参考，助力上海在“AI 赋能新型工业化”征程中走在前列，为制造强国建设贡献上海智慧与方案。 目录 第一章“AI+制造”的战略背景 01 01一、全球AI大模型技术发展现状和趋势 02二、国外“AI+制造”应用现状 （一）AI正成为制造业工具链的内生能力（二）AI正深度融入真实生产系统0303 04三、我国“AI+制造”发展的战略部署 （一）党和国家高度重视制造业与人工智能融合发展（二）国内重点省市“AI+制造”部署情况（三）国内部分企业“AI+制造”实践情况040505 第二章上海市推进“AI+制造”的基础与实践06 06一、“AI+ 制造”融合化发展的基础情况07二、上海发布推动“AI+ 制造”发展的实施方案08三、大力支持人工智能赋能制造业转型升级四、多措并举推进“AI+ 制造”融合发展08 （一）培育专业服务商（二）编制标准与场景指南（三）培育智能产品（四）引导金融服务（五）联动产业生态（六）培养复合型人才080909091010 第三章上海市“AI+制造”发展现状 12 13一、工业模型基础能力正在突破 （一）宝武集团：钢铁行业大模型（二）智己汽车：汽车智能设计仿真优化模型（三）中国海工：海工装备多模态物理规律仿真测试模型（四）中国商飞：通识能力商飞大模型13141515 16二、关键要素平台的支撑能力稳步提升 （一）工业语料公共服务平台（二）普惠工业智算云公共服务平台1617 18三、“AI+制造”融合创新生态逐步构建 （一）打造“AI+制造”融合创新基地（二）培育人工智能创新生态社区1818 20四、重点行业示范场景引领作用不断彰显 20232629（一）研发设计类示范场景（二）生产制造类示范场景（三）供应链管理类示范场景（四）经营管理与运营服务类示范场景 32五、专业服务商培育初见成效 33333435（一）语料数据与智算云服务商：夯实数字底座（二）制造业智能体服务商：深化场景协同赋能（三）制造业具身智能服务商：引领产线柔性升级（四）制造业模型平台服务商：强化技术核心支撑 35六、产品智能化水平快速提升 （一）工业软件+AI：双路径融合驱动效率与精准度双提升（二）智能装备+AI：双轨升级突破国产高精尖装备效能瓶颈（三）智能终端+AI：端侧大模型赋能全场景体验革新与跨端协同363635 37七、当前制造业AI应用的问题与瓶颈 37373838（一）行业和场景高质量数据与语料供给不足（二）可复用的成熟场景AI解决方案不多（三）跨业务和技术的复合型人才较为缺乏（四）企业认知和组织准备尚有欠缺 第四章上海市“AI+制造”发展的建议40 40一、制造企业AI能力晋升的基本范式 404141（一）阶段一：生产运营数据化+场景AI助手（二）阶段二：基础技能和业务流程AI化（三）阶段三：AI赋能全业务链 42二、上海市发展“AI+制造”的政策建议 4242434343（一）强化政策统筹，构建协同推进机制（二）聚焦重点领域，持续打造示范场景（三）深化创新融合，建立联合创新基地（四）培育产业生态，夯实工业AI标准底座（五）培育招引并重，补足短中长期人才缺口 附录44 44附录一上海市“工赋链主”企业名单附录二2025年上海市“AI+制造”专业服务商目录45 52附录三上海市“AI+制造”产业联盟企业名单附录四2025年上海市“AI+制造”智能产品推广目录附录五上海市“AI+制造”场景建设指南（第一期）清单附录六上海市“AI+制造”样板企业“场景50”清单534948 后记 第一章“AI+制造”的战略背景 一、全球AI大模型技术发展现状和趋势 全球 AI 大模型技术的发展，呈现出一条由核心架构突破驱动、沿“规模扩展－能力涌现－应用引爆”路径演进的清晰轨迹。从这一演进脉络来看，大模型能力已不再处于单纯依赖参数规模扩张实现性能跃升的早期阶段，而是进入以能力结构优化、工程效率提升和应用可控性增强为特征的深化发展阶段。 在这一阶段，通用大模型的语言理解与生成能力已趋于成熟，在多语言、多任务和复杂语义场景中表现出较高的稳定性，单纯依靠扩大模型规模以获取显著能力增量的边际效应正在减弱。与此同时，多模态理解、复杂推理、工具调用和任务规划等能力加速发展，使大模型从“能对话、能生成”逐步迈向“可协作、可执行”的新形态。虽然在真实世界理解、物理约束建模和长期一致性方面仍存在明显提升空间，但总体而言，当前大模型整体已处于通用认知能力基本成型，正向行动与决策能力演进的关键过渡阶段，技术重心正从关注“模型本体能做什么”，转向强调“模型如何更可靠、更经济、更安全地参与真实任务执行”。 正是在这一阶段性背景下，全球主要国家和科技力量围绕大模型的发展路径逐步分化，形成了差异化的竞争格局。其中，中美两国在技术路线和产业侧重点上呈现出各具特征的发展模式。美国阵营在通用模型的基础能力与原始创新上保持领先，例如，OpenAI 的 GPT-4 系列在复杂推理上持续设置标杆，其多模态模型 GPT-4.0实现了跨模态的自然交互；而Meta 公司通过开源 Llama 系列，构建了强大的全球开发者生态。中国阵营则展现出惊人的工程迭代速度与产业融合深度，例如，DeepSeek 模型凭借混合专家系统架构在性能与成本效率上取得显著突破，成为开源社区的重要力量；阿里巴巴的通义千问等模型通过全面开源策略，已成为国内垂直行业应用的重要基座；与此同时，以阶跃星辰为代表的创业公司在多模态生成领域密集发布新品，显示出强大的创新活力。展望短中期趋势，技术先驱们正从模型本体、训练语料、应用场景三个维度探索 AI 的未来 发展。 其一，世界模型是否是下一代 AI ？ GPT5 的训练数据量已达 40T，几乎使用了英语互联网世界的所有数据，“Scaling Law”或许已经触到了极限，大语言模型的创新已更多聚焦到“塑身”、“降耗”、“安全”等工程技术上。那么大模型的终点已经到了吗？斯坦福大学李飞飞教授提出“空间智能”理念，认为具备物理规则的“世界模型”将是下一代“大模型”。这一前景正吸引着越来越多顶尖科学家的关注和投入。 其二，高保真生成（High-Fidelity Generation）能否填补训练语料的供给缺口？大模型的高保真生成能力正加速演进，从图文生成延伸至长时序视频、符合物理规律的交互式 3D 内容，技术迭代周期持续缩短。当前，现实世界的通用数据语料已逼近供给天花板，但基于特定场景的高保真生成技术，或将实现语料的自主生成与迭代，达成“左脚踩右脚”式的自我突破，重现“Scaling Law”（规模定律）的效能巅峰。 其三，个人用户和企业用户的 AI 应用路径渐趋渐远。个人应用对输出的准确性包容度更高，自主智能体（Agentic AI）正加速成熟；针对金融、科研、法律等“文科”垂直领域的“通专分离”道路也正初显成效。企业应用对“幻觉”零容忍，少见投入大算力大模型的垂类模型训练，更多选择智能体与工作流深度结合的“靠谱”工程化路径去解决需要高度确定性的自动执行、辅助决策场景，价值同样斐然。 整体而言，AI 大模型本体正在从处理数字符号的“认知智能”，向能够理解并模拟真实物理世界的“行动智能”进行范式迁移；模型生成的语料正逐渐从“仿真”进化到“高保真”，尝试填补自然语料质与量的不足；模型应用正通过智能体技术快速沿着不同路径赋能个人和企业。 二、国外“AI+制造”应用现状 部分发达国家人工智能与制造业的融合已逐渐涉入“深水区”，经过早期的概念验证与试点示范，不少龙头企业已进入了以重构工具链、打造新基础设施为特征的规模化落地阶段。当前的发展由工业软件巨头与跨界科技巨头两大阵营引领，出发点各不相同但殊途同归，核心命题是解决制造场景中的“效率极致化”与“AI 物理逻辑适配”两大挑战，整体呈现 出功能嵌入式、数据合成化、交互自然化、决策全域化的鲜明特征。 （一）AI 正成为制造业工具链的内生能力 以 PTC、Autodesk、西门子、达索等为代表的工业软件企业，正推行“嵌入式升级”战略，将 AI 深度植入现有工业知识体系与工具链。其核心路径是将 AI 能力以“Copilot”（智能副驾）或插件形式，无缝嵌入 CAD（计算机辅助设计）、CAE（工程仿真）、PLM（产品生命周期管理）及 MES（制造执行系统）等核心软件中。这一做法极大地降低了使用门槛，工程师通过自然语言交互即可调用生成式设计、拓扑优化、智能仿真等高级功能，无需掌握专业的数据科学技能。例如，在高端装备与航空航天领域，生成式设计功能已开始批量应用，实现轻量化与性能的自动平衡；在决定技术最 前 沿 的 半 导 体 行 业，新 思 科 技（Synopsys）的 DSO.ai 和 楷 登 电 子（Cadence）的 Cerebrus 等 AI 驱动电子设计自动化工具，已成为 2 纳米及更先进工艺芯片设计中不可或缺的环节，被台积电、三星、英伟达等顶级芯片制造商广泛采用，大幅缩短设计周期并优化芯片性能。此外，通过构建企业级知识图谱与语义层，AI 正在打通 IT（信息技术）与 OT（运营技术）数据之间的壁垒，为从设计到生产、服务的全价值链协同提供统一、可理解的数据基础。 （二）AI 正深度融入真实生产系统 宝马、空客、特斯拉等领先制造企业正通过携手科技伙伴探索大模型的深度应用。这些企业深度整合前沿 AI 能力与工业场景需求，将数字技术与物理世界深度融合：宝马集团率先采用英伟达 Omniverse 平台，在实体工厂动工前两年便完成完整数字工厂构建，通过虚拟调试与机器人训练，使规划效率进一步提升；空客自主搭建 Skywise 开放数据平台，整合全球数百家航空公司运营数据，借助 AI 精准预测飞机零部件故障与供应链风险，显著降低航班延误率；特斯拉则将全自动驾驶（FSD）技术背后的端到端神经网络与实时视觉感知能力，复用于超级工厂的物流机器人与Optimus 人形机器人，使其在复杂动态环境中实现自主导航作业，进一步提升产线极致柔性。这些实践标志着制造业正在从传统的“经验驱动”和局部的“数据驱动”，迈向系统性、可预测的“物理智能驱动”新阶段，而制造企业作为应用主体，正在这一转型中发挥越来越重要的引领作用。 综合来看，国外“AI+ 制造”已形成一套成熟的价值落地方略：为应对工业高质量数据稀缺的固有难题，数据策略从被动“清洗”转向主动“合成”，利用高保真仿真生成大量涵盖极端工况、罕见故障的合成数据，以高效训练可靠模型；人机交互界面正从复杂的图形用户界面（GUI）向直观的自然语言交互（NLI）全面演进，让专家知识而非软件操作技能成为核心；在决策层面，AI 的应用正从单点优化升级为全域覆盖，依托于对本行业务逻辑深度理解的本体模型，为应对供应链中断、进行全厂级能效优化等复杂系统性问题，提供动态、协同的系统级解决方案。这一发展脉络清晰地表明，人工智能不再仅仅是制造业的辅助工具，而是正在成为驱动其下一代变革的核心操作系统。 三、我国“AI+制造”发展的战略
