今年9月在北京舉辦的2021世界機器人大會展示了工業(yè)機器人的數十項應用與解決方案；同時，大會還展示了激光制造與3D打印、數字化車間與智能工廠、智能工廠仿真技術等全新的智造技術有關落地轉化和產業(yè)化應用。

此外，全市場首只機器人主題ETF產品銀華機器人50ETF于10月15日登陸上交所上市交易，意在為投資者提供一鍵掘金機器人產業(yè)機遇的高效、便捷投資工具。這也預示著智能制造產業(yè)已經形成可觀的規(guī)模，產業(yè)發(fā)展進入成長期。

近年來，全球制造業(yè)進入從工業(yè)3.0邁向4.0的時代，以新一代信息技術與先進制造技術深度融合為基本特征的智能制造，已成為這次新工業(yè)革命的核心驅動力。

大數據、云計算、人工智能與制造業(yè)的結合不僅為傳統(tǒng)生產要素賦能，同時也打破了勞動力、資本、土地等有限供給對經濟增長的制約，為產業(yè)持續(xù)升級、轉型發(fā)展提供了基礎和可能。智能制造也正在不斷突破傳統(tǒng)制造的約束、催生新業(yè)態(tài)，推動制造業(yè)邁向高質量發(fā)展的新臺階。

2021年上半年中國規(guī)模以上工業(yè)增加值在經歷了兩年低迷期后強勢回歸，同比增長15.9%，其中高技術制造業(yè)發(fā)展勢頭強勁（包含醫(yī)藥制造業(yè)、航空、航天器及設備制造業(yè)、電子及通信設備制造業(yè)、計算機及辦公設備制造業(yè)、醫(yī)療儀器設備及儀器儀表制造業(yè)、信息化學品制造業(yè)），增加值同比增長22.6%。智能制造行業(yè)產值規(guī)模也順利突破了25000億大關，同比增長約18.85%。

分產品看，新能源汽車、工業(yè)機器人、集成電路產量同比增速排名前三，分別為205.0%、69.8%、48.1%，均是“十四五”規(guī)劃中的重點發(fā)展產業(yè)，環(huán)保、智能、高端發(fā)展的趨勢愈發(fā)明顯。

對此，不少觀點認為，智能制造的風口已至。

但實際上，在智能制造概念火熱、融資升溫、產業(yè)加快發(fā)展的同時，其后續(xù)發(fā)展還面臨三大悖論。

01

成本與收益倒掛

智能制造系統(tǒng)中涉及大量的數控加工中心、工業(yè)機器人、嵌入式芯片等各種高端制造裝備和核心零部件以及ERP、MES、CAD等各種工業(yè)軟件，而上述裝備、零部件以及工業(yè)軟件的核心技術在國外，國內制造企業(yè)只能大量進口。

目前來看，中國近90%的芯片、70%的工業(yè)機器人、80%的高檔數控機床和80%以上的核心工業(yè)軟件依賴進口，且短期內很難實現國產替代。這造成國內制造業(yè)企業(yè)智能化改造成本居高不下，嚴重制約中國智能制造的整體進展。

更為關鍵的是，雖然中小型企業(yè)對智能化轉型的需求極為迫切，但從實際操作角度來看，卻很難實現智能化全覆蓋。

在全國規(guī)模以上工業(yè)企業(yè)中，84.2%的企業(yè)屬于小型企業(yè)，規(guī)模以下(年主營業(yè)務收入2000萬元以下)尚有200余萬家小微企業(yè)。廣大小微企業(yè)是制造業(yè)的根基，其智能化水平很大程度上影響著中國智能制造工程的實施效果。

總體來看，中國智能制造仍處于初級發(fā)展階段，大部分企業(yè)處于研發(fā)階段，僅16%的企業(yè)進入智能制造應用階段;從智能制造的經濟效益來看，52%的企業(yè)其智能制造收入貢獻率低于10%，60%的企業(yè)其智能制造利潤貢獻低于10%。

90%的中小企業(yè)智能制造實現程度較低的原因在于，智能化升級成本抑制了企業(yè)需求。相比于大中型企業(yè)，小微企業(yè)的智能化之路面臨更大的試錯成本和不可控風險，稍有不慎就會危及生存。

其中，缺乏融資渠道影響最大。年收入小于5億元人民幣的企業(yè)中，50%的企業(yè)在智能化升級過程中采用自有資金，25%為政府補貼，銀行貸款和資本市場融資各占11%。而企業(yè)收入規(guī)模大于50億元人民幣的企業(yè)，其智能化升級資金來源中自有資金占67%，銀行貸款占比25%。

由于自有資金不足、信息化基礎薄弱、缺乏相關人才等因素，大部分中國制造業(yè)小微企業(yè)只能羨慕大企業(yè)申請智能制造試點示范項目、圍觀大企業(yè)開展轟轟烈烈的智能化改造，自身卻難以融入智能制造的發(fā)展浪潮。

02

政策眾多，效能不高

雖然圍繞《中國制造2025》戰(zhàn)略，我國發(fā)布了一系列配套引導性政策，包括專項規(guī)劃、行動計劃、實施方案等，意在通過全方位政策合力，引導我國智能制造業(yè)快速發(fā)展，但現階段而言，我國各地方對智能制造發(fā)展的投入力度差異較為明顯。

華東與華北地區(qū)進入成長發(fā)育期，華中與西南地區(qū)發(fā)展不平衡，華南、西北與東北地區(qū)的智能制造頂層設計還有待進一步加強。

從結果來看，我國智能制造區(qū)域發(fā)展不平衡，東西部智能應用水平差異較大，相關產業(yè)發(fā)展受到一定制約，導致地區(qū)間的發(fā)展水平差距將進一步拉大。

同時，各地區(qū)關于智能制造政策的實施細則較少，規(guī)劃層面政策有余，但操作層面政策不足。

智能制造政策涉及的發(fā)文部門較多，但聯(lián)合行文政策較少，大多數政策由單一部門完成。這導致政策間的配合性和高效性不足，政策不能及時落實。

如此一來，雖然看似鼓勵性政策眾多，但實際上各地有大部分跨部門、跨地區(qū)的政策引導工作無法有效、高效開展，難以形成系統(tǒng)化的有效政策扶持體系。

另一方面，區(qū)域之間關于智能制造政策的協(xié)調不足，忽略產業(yè)分工協(xié)調發(fā)展，地方省市過度追求自身工業(yè)體系的完整度，將會導致業(yè)結構趨同，使產業(yè)空間布局呈分散態(tài)勢，無法支撐集群發(fā)展。

區(qū)域之間的行政割裂也將會導致兩極化現象，中心城市由于基礎設施、人才等各種優(yōu)勢，有能力吸收外圍邊緣城市的各種資源，從而進一步擴大城市間的智能化發(fā)展差距。

03

利用難、推廣慢

人工智能與制造業(yè)的深度融合發(fā)展需要以大數據作為支撐，但與消費環(huán)節(jié)相比，制造環(huán)節(jié)數據的可獲得性、可通用性更弱。制造業(yè)機器設備生成的數據通常較為復雜，有近一半的數據是沒有相關性的，利用率較低。

進一步來看，就算是剩余一半的數據被有效收集，由于缺少統(tǒng)一標準、接口和編碼體系，使得企業(yè)內外“數據孤島”林立，無法實現互通、共享，導致企業(yè)使用數據規(guī)模、種類有限，信息閉環(huán)難閉合，海量數據的資產價值無法得到充分發(fā)揮。

加之不同產業(yè)或產業(yè)中不同領域、不同企業(yè)之間技術、流程等差異巨大，導致數智技術在產業(yè)中的深入滲透須結合具體場景進行定制化開發(fā)，尚不存在一套全覆蓋的通用解決方案，這也使得數智技術在產業(yè)互聯(lián)網中的應用很難像在消費互聯(lián)網時代一樣，短期建立規(guī)模效應、獲取巨大收益。

這三大悖論決定了智能制造的紅利釋放難以形成互聯(lián)網經濟那樣的風口效應，而將是一個緩慢的過程。而智能制造產業(yè)的快速發(fā)展有待于通過技術突破和發(fā)展模式創(chuàng)新等化解悖論。