上海市松江区：数智鼎立强基座，三足聚势链闭环 江苏省常州市：“评诊改培链”赋能制造业提“智”增效 浙江省宁波市：探索形成人工智能赋能制造业数字化转型“4M”工作路径 浙江省湖州市：以数智技术驱动绿色智造，打造传统制造业转型升级新范式 安徽省芜湖市：推动数智赋能，加速制造业转型升级 福建省泉州市：完善“政、企、服”转型生态，推进制造业企业数字化转型 江西省鹰潭市：强化生态要素创新，实现鹰潭产业集群式数字化转型跃迁 山东省济南市：实施制造业数字化转型行动 统工程，针对转型中普遍存在的“落地鸿沟、基座 薄弱、语料匮乏、人才短缺”四大痛点，通过“4M”工作路径，将转型战略具象化为四个可操作、可协同的抓 手，为全国提供可复用的转型范式。 （一）坚持系统推进，构建“4M”协同转型范式 四、经验启示 要深入解决人工智能落地制造业的“最后一公里”问题，通过“场景牵引-供需协同-模型共创-平台赋能”， 以重点行业典型场景为枢纽，高效链接技术供给与产业需求， 市石化行业中小企业的落地应用。累计开发航工智能工业领域垂直模型19个，打造省级模型算法、智能体应 用7个。 12 2025年度制造业数字化转型典型案例集 浙江省湖州市：以数智技术驱动绿色智造，打造传统制造业 转型升级新范式 摘要：湖州市立足纺织、童装、椅业、电梯等特色优势产业，以立法形式明确了“推进数字化、绿色化协 同转型，支持纺织、家居等传统产业转型升级”。同时，清晰谋划了全市数字化转型路径，构建“1+3+N”工作

满足零售独特业态下综合成本最优诉求，激活“一方数据”价值以及支撑 AI 全链路应用等能力要 求。 1.1 消费市场分层重构：个性化体验驱动商业变革 存在上千年的零售行业，其业态在过去几十年经历了巨大变化。零售企业竞争范式经历了“产品 为王”、“渠道为王”、“流量为王”三个不同阶段，正在向 “体验为王”演进。 表 1: 零售消费品行业发展历程（数据来源：爱分析） 与此同时，中国消费者人群分层越来越明显，其消费偏好与决策机制正在发生变化。根据麦肯锡 第三：弹性供应链协同。支持直播秒杀等脉冲流量和全渠道库存调度，要求数据库具备动态伸缩 的吞吐能力。 1.2 技术范式升级：AI 战略成为零售企业必选项 从 30 年前零售企业引入 POS 机进行收银管理，到建设 ERP 系统管理进销存，零售业的技术范 式经历了信息化、数字化，如今正走向智能化。 表 3：零售业技术范式发展（数据来源：爱分析） 从 ERP 到 AI 的技术代际跃迁是所有零售企业的必然选择。一方面是传统 原生能力，构建统一企业级知识库，通过 SQL+AI 向 量融合查询，让导购 Agent 能理解自然语言，实时检索最相关答案，显著提升了线上客服的首 次解决率和线下导购的专业能力。 2.3 从成本优化向业务价值创造的范式转移 一体化云数据库为企业带来的商业投资回报，远远不止于单纯技术优化。它是零售企业实现“智 能化”和“全球化”战略的关键一步，通过在 IT、业务和战略三个层面创造价值，显著提升企业 运营效率和市场竞争力。

研究过程中将会扮演四种角色：参谋、助研、智能体，以及朋友。作为参谋，AI 可以协助创意生成与文献工 作；作为助研，AI 能够支持技术分析与数据处理；作为智能体，AI 可以实现行为模拟与社会实验，为经济管 理研究开拓了新的思路和范式。随着应用层次的深入，AI 对研究结果的影响逐渐加深，这既带来新的研究可 能，也出现了潜在的新问题。我们讨论了大语言模型在文本数据分析以及智能体模拟中的潜在问题。最后，研 究是一场孤独的修行，研究者也可以将 2017 年的 Transformer 模型、2018 年的 BERT 模型、2020 年的 T5 模型、2022 年的 ChatGPT，以及 2025 年的 DeepSeek。这些时间节点标志着技术或范式的重大革新，共同塑造了当今我们所见到的大语言模型。 广义的大语言模型的发展，开始于 2017 年提出的 Transformer 模型 (Vaswani et al., 2023)。这一模型的 突 型的技术基 础。 2018 年，谷歌推出了 BERT 模型 (Devlin et al., 2019)，这一模型基于 Transformer 模型建构，并发展了 “预训练-微调”范式。所谓“预训练——微调”范式，就是指先在大量一般的文本上对语言模型进行训练，然 后在进行具体任务时，再利用少量数据进行微调。例如，在金融文本情绪分析当中，可以首先利用大量网络文 本数据，训练模型对于语言的一般理解；再利用少量领域数据（如

...... 57 智 己 汽 车 X 红 中 国 信 通 院 报告摘要 顶层设计 中国智能汽车的发展基于国家推动的“单车智能”与“车路协同”融合 路径， 核心在于通过人工智能重塑产业范式。企业转型通常构建三层 AI 赋能 框架： 基础层实现全员办公智能化以提升效率；运营层在财务、供应链等领域 嵌入 AI 引擎以提升响应敏捷性；战略层则聚焦研发、生产到用户运营的专业 价值 链，借助 系统等。 三个层级形成有机整体：办公 AI 化为专业创新节省时间资源，服务型 AI 化解锁运营瓶颈，最终使 AI 驱动的专业突破反哺全价值链升级，共同推 动汽 车产业从“机械制造”向“移动智能体”的范式革命。 汽车行业智能化转型技术路线 以统一 MaaS 平台与 Agent 平台为底座，整合知识图谱、大模型训练、 数据湖治理能力，形成闭环赋能体系。这一体系就如同汽车产业智能化转型 的 制造端：依据订单波动与供应链状态，实时调整生产节拍与物料匹 配 策略； ● 用户端：基于个体行为模式与环境状态，主动预判并执行服务策略。 ——至此达成从“人工决策”向“智能涌现”的范式迁移。 目前，研发设计、用户运营和座舱体验等领域的 AI 渗透率在不断提高。 随着 AI 技术的不断发展和应用，预计未来这些领域的 AI 渗透率将进一步提 升。 在研发设计领域，越来越多的车企开始采用

龙永树 . 基于 5G 边缘计算的工业数据采集方 案[J]. 中国仪器仪表, 2020(9):70-73. [3] 蒋音 . 深度学习技术开启工业 AI 质检新范式[J]. 大 数据时代, 2022(11): 38-48. [4] 陈志宏, 王明晓 . 计算机视觉在智慧安防中的应用 [J]. 电信科学, 2021

TensorFlow 之后最活跃的 智算产业发展研究报告（2025） 26 AI 开发生态；云厂商将 DeepSeek 模型接入智算平台并以 API 或私有 化部署形式提供服务，推动 AI 应用开发范式向云端模式演进。二是 DeepSeek 将加速推理应用落地和商业化。在保持高性能的前提下， DeepSeek 模型低成本特性有效降低 AI 应用开发的技术门槛和研发投 入，吸引力更多企业加入到 年初 DeepSeek 创新突破，推动 AI 模型应用从早期的 通用型应用(如智能客服、文档处理)加速向医疗、机器人、汽车、智 能制造等垂直领域行业领域扩散，推动企业探索更具行业特色的应用 新范式。根据研究机构 MarketsandMarkets 的最新报告，垂类 AI 应 用的市场规模预计将从 2024 年的 51 亿美元大幅扩张至 2030 年的大 约 471 亿美元，到 2032 年还可能超过

—算法容错”的闭环强化机制，强化系统应对复杂情 况的能力。在硬件上采用冗余驱动设计与自适应柔 顺控制技术，提高系统的可靠性和鲁棒性。推动具身 智能从当前“有限场景可用”向“复杂世界可信”的全 新范式转变，为其实现规模化应用筑牢根基。 5.4 工作效率和质量提升 在具身智能的未来发展中，提升工作效率和输出 质量是关键课题。优化感知与决策算法起着至关重 要作用，利用更先进的多模态融合技术，快速精准地

辑为基础的技术路线为主，转 向以概率论为基础的人工智能技术路线为主，其对复杂环境和任务的适应能力更强，并产生了涌现智 能，推动行业跃迁到一个新的阶段。 总结来看，汽车行业正在经历一场空前的技术范式转移：以AIGC技术为基石，从软件定义汽车迈向 数据定义汽车。 1.1 从SDV到DDV 汽车产业 AIGC 技术应用白皮书 11 PAGE AIGC英文全称为：Artificial Intelligence ，不仅要求高性能、高带宽、高存储，而且 要求高通用性、高效分布式计算、高效集群互联。从CNN的小模型时代到以Transformer为底座的 AIGC时代，对于AI算力的需求更加明确和聚焦，技术的范式转移带来生态格局重塑的机遇。 国产算力起步晚，但发展迅速，涌现出华为、燧原等一批国产算力公司，产品迭代较快，技术差距在 快速缩小，已经可以满足大多数场景的算力需求，有望打破AI算力的困局，持续助力汽车行业对

系统等。 三个层级形成有机整体：办公 AI 化为专业创新节省时间资源，服务型 AI 化解锁运营瓶颈，最终使 AI 驱动的专业突破反哺全价值链升级，共同推动汽 车产业从“机械制造”向“移动智能体”的范式革命。 汽车行业智能化转型技术路线 以统一 MaaS 平台与 Agent 平台为底座，整合知识图谱、大 模型训练、 数据湖治理能力，形成闭环赋能体系。这一体系就如同 汽车产业智能化转型的

［6-10］。 卢秉恒院士等 ［11］在《离散型制造智能工厂发展战略》中， 提出了离散型制造智能工厂的内涵，从智能设计/工艺/ 生产/物流等功能维、数字工厂/数字互联工厂/智能工 厂等范式维、智能制造装备/智能车间产线/智能工厂 等结构维阐述了智能工厂的基本架构，给出了智能工 厂五层信息系统架构，阐释了智能工厂的基本特征，提 出了智能工厂的重点突破方向和实施途径，对离散制 造智能工厂规划与建设具有重要的指导意义。