制造业AI普及率超过三分之一
剩下的企业怎么追

2026年10月19日，国务院新闻办公室举行前三季度国民经济运行情况新闻发布会。国家统计局新闻发言人、国民经济综合统计司负责人王冠华在会上介绍，全国已累计建成5.6万余家基础级、9000余家先进级、500余家卓越级智能工厂，规模以上制造业人工智能技术重点场景应用普及率超过1/3。这组数据意味着，制造业AI应用已经跨过“少数企业试点”的阶段，进入规模化推广的下半程。

对仍处在门槛之外的企业而言，问题也随之变化：过去是“要不要做”，现在是“从哪里开始、先做哪一段、怎么算得过来”。江苏策腾智能科技有限公司（以下简称“策腾智能”）的判断是，普及率从1/3继续往上走，缺的往往不是模型和算力，而是一次把现状、场景与投入产出算清楚的诊断。

普及率过1/3之后，差距落在结构上

从智能工厂的梯度分布看，5.6万余家基础级、9000余家先进级、500余家卓越级，构成了一个明显的金字塔结构：完成单点数字化改造的企业已有相当规模，真正实现全流程数据贯通、生产与经营协同管控的企业仍是少数。发布会同期公布的数据还显示，前三季度规模以上数字产品制造业增加值同比增长13.6%，智能制造应用场景正在加速下沉。

江苏的进度可以作为观察样本。2026年8月，江苏省工业和信息化厅印发2026年江苏省先进级智能工厂名单，全省共有1821家企业上榜。更早之前，江苏在《江苏省“人工智能+制造”实施方案》（苏工信信发〔2026〕160号）中提出，到2027年底实现规上工业企业人工智能诊断全覆盖。省级层面已经给出明确的时间表和评价标尺。

但从实际推进看，中小制造企业的顾虑集中在三处：改造投入看不准回报，不敢转；缺少既懂工艺又懂AI的人，不会转；担心影响现有生产节奏，不愿转。国家层面的政策着力点也在相应调整——从“给方向”转向“给工具、给场景、给资金”，中小企业数字化转型城市试点则以“企业出一点、服务商让一点、政府补一点”的方式，把财政奖补嵌入企业实际改造支出。

以诊带改：先建立基线，再谈场景

在策腾智能的交付方法里，诊断不是一份走过场的评估报告，而是后续所有投入的基线。具体分四步：先摸清设备联网率、数据可用性、系统割裂程度和人员结构，形成企业智能化水平的现状画像；再按“投入产出比 × 实施风险”对候选场景排序，优先选择质检、设备预测性维护、排产、能耗管理等数据基础较好、见效周期较短的环节；随后确定技术路线与预算边界，明确哪些用标准化产品、哪些需要定制开发；最后进入交付与运维，把系统真正跑在生产线上。

这套方法对应的是策腾智能现有的两项资质身份：江苏省“人工智能+制造”诊断服务商、南京市中小企业数字化转型服务商。资质之外，能否接住诊断之后的需求同样关键。2026年10月，策腾智能在公开采购中连续获得4个项目，覆盖高校与医院两类客户，内容包括校园网运维、感染监测平台建设、网络设备与终端软件服务，单个项目金额从2万余元到12万元。项目规模不大，但共同指向一种能力结构：既能做方案，也能完成设备交付、系统部署和后续运维。

对制造企业来说，这种“诊断—方案—交付—运维”的连续性，决定了改造是否会停在方案阶段。AI应用一旦进入生产环节，考量的就不只是算法准确率，还包括与既有MES、ERP、WMS的接口，数据采集的稳定性，以及出现故障时的响应速度。

梯度培育：先定级，再定投入

江苏的智能工厂梯度培育体系分为基础级、先进级、卓越级、领航级四个等级，每一级都有明确的建设要求。先进级要求企业广泛部署智能制造装备、工业软件和系统，实现生产经营数据互通共享、关键生产过程精准控制以及生产与经营协同管控。

这意味着企业可以先给自己定级：处在基础级，重点是把设备连起来、把数据采上来；迈向先进级，重点是打通系统、实现生产与经营的协同管控；再往上，才谈得上全流程的智能决策。跳过基础层直接追求“无人化”，往往是投入最大、失败率也最高的路径。

策腾智能在服务制造业客户时，通常建议把第一年的投入分成三段：一段用于诊断与方案设计，一段用于1–2个高复用场景的试点，剩余部分留给运维与迭代。试点验收看过程指标——自动化完成率、人工介入频率、任务处理时长，而不是在三个月内强行核算ROI。等基线数据和场景模板沉淀下来，再复制到第二条产线、第二个车间，边际成本会明显下降。

结语

制造业AI的普及率从1/3继续向上，增量主要来自数量庞大的中小企业。它们的共同特征不是没有需求，而是缺少一次把需求翻译成技术方案、再把方案翻译成预算的中间环节。策腾智能将继续围绕“AI+制造”诊断与交付，把评估、场景排序、方案设计和运维服务做成可复用的流程，帮助更多企业在可控投入下完成第一段改造。