返回顶部
TOP
2026年7月，工业和信息化部等六部门联合启动2026年度智能工厂梯度培育行动，基础级、先进级、卓越级、领航级四级梯队同步推进。在这一梯队中，“卓越级”被明确定位为聚焦智能化升级、打造全国领先发展标杆的关键一环——它要求企业在完成数字化改造、网络化协同的基础上，必须跨过一道新的技术门槛：让工厂不仅“看得见、连得通”，更要“会思考、能决策”。
一、梯度坐标：卓越级凭什么“卓越”
按照《智能工厂梯度培育要素条件（2026年版）》的划分，四级工厂呈递进关系：
基础级聚焦数字化改造，实现核心数据实时采集、关键工序自动化、生产经营信息化；先进级聚焦网络化协同，实现生产经营数据互通共享、关键过程精准控制；卓越级聚焦智能化升级，面向智能制造典型场景体系化部署装备、工业软件和系统，深化人工智能多场景协同应用；领航级聚焦智能化变革，探索未来制造模式，对标全球领先。
这意味着，卓越级不是“自动化程度更高一点”，而是一次能力阶跃——官方表述为“实现设计生产经营数据的集成贯通、装备自主管控、工艺持续改进与管理智能决策，开展产品全生命周期、生产制造全过程、供应链全环节综合优化”。
在成熟度上，卓越级工厂须通过GB/T 39116—2020《智能制造能力成熟度模型》三级及以上评估，明显高于基础级、先进级的二级门槛。申报主体还须已获评先进级智能工厂，智能制造达到国内领先水平，并开展了人工智能技术应用探索。
二、数智化底座：从“单点上线”到“语义统一”
卓越级对数智化的要求，核心是打通而非“堆系统”。政策文件从五个环节提出了体系化要求：
工厂建设层面，要求开展工厂整体数字化规划与建设，对工厂进行系统级建模和优化，推进车间级或工厂级数字孪生建设，实现数字化交付并支撑与真实工厂的实时交互。这与先进级“车间级模拟仿真”有本质区别：数字孪生不再是局部演示，而是车间/工厂级的虚实实时映射。同时，必须建设完善的高性能网络、算力等数字基础设施，并开展基于统一语义的数据治理——“统一语义”四字，直指长期困扰制造企业的“数据孤岛、口径不一”痛点。
研发设计层面，要求集成贯通产品全生命周期数据，开展产品与工艺的统一建模，拓展虚拟验证、仿真和调试，实现敏捷开发与快速迭代；并构建产品设计库、工艺知识库，开展生成式设计，支撑设计方案快速生成与持续优化。
生产作业层面，要求生产流程的全面感知与跨系统集成、工艺实时优化、质量持续改进和设备预测性维护，并构建可重构制造系统，实现生产全过程的综合优化与敏捷响应。
生产管理层面，要求通过“人、机、料、法、安、能、环”生产全要素集成贯通，实现基于智能模型的计划排产动态优化、库存高效管理、物流路线智能寻优、能耗与排放动态优化。
运营管理层面，要求集成贯通研发、生产、供应链、销售等各环节数据，开展企业经营活动数智化赋能。
简言之，数智化在卓越级这里的验收标准不是“上了多少系统”，而是数据能否跨环节、跨系统、跨企业顺畅流动，并被统一语义解释、被算法直接调用。
三、智能化内核：从“AI试点”到“多场景协同”
如果说数智化解决的是“数据通不通”，智能化解决的则是“系统会不会自己干活”。卓越级的智能化要求有四个鲜明特征：
其一，人工智能从单点试验走向多场景协同。文件要求“深化人工智能技术的多场景协同应用”，并在建设成效中明确量化门槛——应用人工智能技术场景比例不低于30%。这一门槛与领航级不低于60%的要求形成清晰梯度：据新华网报道，我国规上工业企业人工智能应用普及率已超三成，而当前领航级智能工厂的AI渗透业务场景比例实际超过70%，沉淀垂直领域模型超6000个，代表卓越级下一步攀登的方向。
其二，装备从“自动化执行”走向“自主管控”。政策要求实现装备自主管控、工艺持续改进。这意味着关键产线不再仅按预设程序运行，而能基于实时感知数据自主调整参数、预测故障、动态补偿——预测性维护、先进过程控制（APC）由“可选项”变为“必答题”。
其三，管理从“人工排产”走向“模型决策”。生产计划与车间排产要基于智能模型动态优化，物流路线智能寻优，能耗与排放动态优化；运营管理层面则明确提出“探索构建工业智能体”，实现精益管理、精准营销、增值服务、供应链风险预警等应用，支撑企业经营状态“及时感知、快速精准决策”。
其四，优化边界从工厂围墙延伸到全链条。卓越级要求开展产品全生命周期、生产制造全过程、供应链全环节的综合优化，并带动供应链上下游协同开展数智化升级——这已超出单厂改造范畴，具备产业链牵引属性。
四、量化标尺：22项KPI与“标准群”输出
卓越级并非“感觉智能”即可获评。文件配套了《智能工厂建设关键绩效指标参考》，并引用GB/T 47695—2026《企业智能制造效能评测方法》，形成五类共22项可考核指标：
能力提升类：关键设备数控化率、先进过程控制投用率、应用AI技术场景比例、应用AI模型数量、开发工业智能体数量、日均词元调用量；
价值效益类：研制周期缩短、销售增长率；
生产运营效率类：生产效率、资源综合利用率、产品不良率、设备综合利用率、库存周转率、供应商准时交付率、订单准时交付率、单位产值运营成本、全员劳动生产率；
可持续发展类：单位产值综合能耗、单位产值CO₂排放、一般固废综合利用率、水资源重复利用率；
推广应用类：先进制造模式/解决方案向产业链上下游复制推广的企业数量。
其中，“开发工业智能体数量”“日均词元调用量”等指标首次进入国家级评价体系，折射出大模型、智能体技术已被正式纳入智能工厂建设的度量框架。
此外，卓越级还要求培育形成具有行业推广价值的智能制造解决方案，探索构建企业智能制造“标准群”，并建立较为完善的智能制造复合型人才培养体系——从“自己用得好”走向“行业带得动”。
五、实践坐标：500余家卓越级工厂的“中西部样本”
最新数据显示，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，以及15家领航级智能工厂。作为位于重庆的重庆青山工业的数智化实践，为这500余家卓越级工厂提供了一个颇具代表性的中西部样本。
青山工业将人工智能、大数据、5G、工业互联网等技术嵌入30余个生产场景，智能制造能力成熟度评估达优化级（四级）。在检测车间，AI视觉设备以0.1毫米精度识别瑕疵，检测效率是人工的5倍；在能源管理环节，AI算法通过分析设备能耗曲线动态调控生产班次，单台产品能耗降低8%。企业构建“一朵青山云”工业互联网平台，沉淀10亿级数据资产、281项数据标准，统一定义700余项核心数据指标，并基于通义千问、DeepSeek等大模型打造企业智能问答与3D数字人系统，推动从“单点智能”向“全局智能”演进。
落地成效同样可圈可点：DCT自动变速器产线节拍从53秒压缩至36秒，生产效率提升30.19%；新产品研发周期缩短15%，订单交付及时率提升至98%；“一朵青山云”连接200余家配套企业，供应链响应速度提升40%，库存降低约6000万元；联合云从科技打造的工业大模型应用使设备平均维修时间缩短约75%、人工巡检成本降低约80%。2025年，青山工业获评重庆市“AI赋能示范型未来工厂”。
向上看，15家领航级智能工厂正在勾勒卓越级未来的进阶坐标。在江苏，徐州重型机械有限公司移动式起重机智能工厂搭建专属算力集群，打造产品研发、生产管理等5类工业智能体，推动关键业务环节实现智能协同；从AI场景覆盖率看，领航级已突破70%、垂直领域模型超6000个。从30%到60%以上的场景覆盖、从模型辅助到工业智能体自主运行，正是卓越级向领航级跃迁的清晰路标。
从这些实践看，卓越级工厂正在呈现三个共性：一是算力基础设施前置，专属算力集群成为大模型落地的前提；二是工业智能体从辅助工具走向业务主角，覆盖排产、质检、运维、调度等核心环节；三是数据治理从IT部门工程上升为企业级战略，统一语义、高质量数据集成为AI应用成败的分水岭。
从基础级的“数字化改造”，到先进级的“网络化协同”，再到卓越级的“智能化升级”，中国智能工厂的梯度培育正在把“智能化”从一个模糊概念拆解为可建、可评、可推广的工程体系。对有志冲击卓越级的制造企业而言，真正的考题已不是“要不要上AI”，而是：数据是否真正贯通、模型是否真正进入核心业务闭环、工厂是否具备从感知到决策再到执行的自主能力。这既是技术门槛，也是下一轮制造业竞争的入场券。
云之佳（J-CLOUD）提供SRM、MOM、MES、WMS、QMS、EAM、IOT、AI智能体、数字化采购、供应链协同、数字化车间、数字化工厂、智能制造等服务，是专业的工业互联网、智能制造及云服务解决方案提供商。
当前位置：