本研究依托《智能制造能力成熟度模型》（GB/T 39116—2020）、《江苏省企业数字化转型通用评估指标体系（2025年版）》《江苏省智能工厂梯度建设典型场景企业自评价参考（2025年版）》的深度耦合，开创性地提出智能工厂培育“梯度跃迁”模型。该模型聚焦于智能工厂“国家标准、能力需求、场景建设、效益输出”的传导机制，以及“培育梯次-成熟度等级”动态适配难题，旨在构建一套科学合理、切实可行的智能工厂梯度培育体系与产业差异化培育路径。通过本研究，期望为江苏省制造业智能化转型提供坚实的理论支撑和具有可操作性的实践指导，助力江苏省制造业在新一轮科技革命和产业变革中抢占先机，实现高质量发展。

1 智能工厂培育体系应用现状

1.1 智能工厂培育综述

开展智能工厂培育，是我国制造业向“高端化、智能化、绿色化”转型的战略需求。2024年 10月，国家工业和信息化部等六部门联合印发了《智能工厂梯度培育行动实施方案》，构建了“基础级、先进级、卓越级、领航级”的智能工厂梯度培育体系，并明确了各层级目标。基础级旨在推动核心生产环节的数字化改造与数据采集；先进级致力于实现跨系统的数据互通与协同优化；卓越级着重构建全流程智能化决策体系；领航级则要形成自主进化的制造智能体系，并创新未来制造模式。同时，该方案还同步给出了《智能制造典型场景参考指引》（表1），为各级智能工厂建设内容提供了具体参考。江苏省作为制造业转型先行区，明确提出了要分层分级推进江苏智能工厂建设，实现生产效率、产品质量和经济效益的全面提升。要充分考虑省内中小企业占比高的特点体现层级标准的差异化，要充分考虑苏南苏北产业差异设置区域特色化路径，要充分考虑支撑服务体系及其生态创新服务资源的优化配置。

表 1   智能制造典型场景参考指引表

在智能工厂培育中，要注重“IOT技术融合”与“绿色低碳”双轨推进。石菲提出，智能工厂需实现“智能化-绿色化”双路径融合。但现有研究还存在诸多不足，例如中小企业适配机制缺失，国家文件要求智能工厂培育对象需“规模以上”，但江苏中小企业居多，这些企业智能制造成熟度普遍只有二级水平，导致政策普惠性不足。地方政策与国家行动衔接存在断层，分层分级财政支持尚未全面覆盖。此外，当前研究重点在静态成熟度评估，缺乏对转型过程的动态监测，有70%企业因未建立转型绩效评估体系导致资源错配，亟需构建“建设-评估-优化”闭环模型。

1.2 现有智能工厂评价标准

《智能制造能力成熟度模型》（GB/T 39116—2020）是国内智能工厂建设与评价的核心国家标准。该模型将企业能力的全面提升概括为人员（P）、技术（T）、资源（R）和制造（M）四大类核心能力要素，所以该模型简称为PTRM模型（图1）。该模型以制造能力提升为核心，以人员、技术、资源为保障。《智能制造能力成熟度评估方法》（GB/T 39117—2020）是《智能制造能力成熟度模型》的配套执行文件，对各能力要素、能力域、能力子域进行了权重设计、评分和计算方法设计。

根据《智能制造能力成熟度模型》，将企业智能制造能力成熟度分为 5个等级（图 2），由低到高分别为一级（规划级）、二级（规范级）、三级（集成级）、四级（优化级）和五级（引领级）。较高的成熟度等级要求涵盖了低成熟度等级的要求。成熟度等级规定了智能制造在不同阶段应达到的水平。一级，企业开始规划智能制造的基础条件建设，对核心业务（设计、生产、物流、销售、服务）进行流程化管理；二级，企业应采用数字化装备、信息化手段等对核心业务进行数字化改造，实现单一业务内部数据共享；三级，企业对装备、系统等进行集成，实现跨业务数据共享；四级，企业应对人员、装备、产品、环境和生产过程等数据进行挖掘，实现对核心业务的精准预测和部分业务的优化控制；五级，企业基于模型驱动业务优化和持续创新，实现产业链协同并衍生新的制造模式和商业模式。

图1 智能制造能力成熟度评价指标体系

1.3 智能工厂培育中存在问题剖析

尽管我国智能工厂建设取得了显著成效，但是仍存在诸多系统性瓶颈，制约了智能工厂建设整体效能。

图2 智能制造成熟度等级

一是标准体系与应用实践“脱节”。虽然国家出台了《智能制造能力成熟度模型》等标准，但是众多中小企业仍反映标准“看不懂、用不上”。标准条款的普适性与行业差异化缺乏有效衔接，企业在自评估与建设过程中难以精准对标。而“灯塔工厂”的评选，严格区分了“单一灯塔工厂”“端到端灯塔工厂”“可持续灯塔工厂”三种不同类型，并将通用技术与不同行业的核心业务深度、定制化融合。

二是技术应用与典型场景“失衡”。《智能制造典型场景参考指引》中的应用场景其实就是解决方案，但其有渐进式落地过程，需要根据企业技术应用成熟度、企业所处的不同行业、智能工厂建设的不同等级等，有序推进智能工厂建设，但因企业对典型场景理解的偏差，导致企业难以准确规划。

三是培育梯次与实施路径“断层”。企业依据政府文件或标准推进智能工厂建设，无正确的指导方针、实施路径、培育方法；文件只告知了如何评选智能工厂，却没有告知如何开展智能工厂的升档提质。大多数企业仍聚焦于设备与软件的投入，却忽视了与之匹配的组织架构、流程变革与人才体系建设等。麦肯锡研究表明，70% 的企业数字化转型未能达到预期目标，主因就是“组织与文化障碍”。

四是服务资源与生态协同“缺失”。智能工厂培育资源高度向头部企业倾斜，广大中小企业转型所需的人才、资金、服务等缺失，“不敢转、不会转、没钱转”的困境一直没有得到破解，中小企业亟需低成本、轻量化的解决方案和精准的政策扶持，得到高端服务资源辅导，得到复合型人才的支撑。

五是链内辐射与产业带动“有限”。企业与其所在产业链上下游间缺乏高效的协同机制，难以形成如灯塔工厂所实现的端到端价值流打通，导致智能工厂往往成为“信息孤岛”，限制了已建智能工厂的提档升级，需要借鉴“灯塔工厂”价值实现、用例集成、赋能要素等多维度重构智能工厂评价标准。

2 基于梯度跃迁模型的智能工厂培育体系

引入“适应性效率”理论来研究智能工厂梯度培育体系。“适应性效率”是新制度经济学家道格拉斯·诺斯提出的核心概念，用于衡量制度应对不确定性环境的适应能力，强调制度可通过开放学习和分散决策实现动态调整。该理论可应用于转型经济体分析，提升制度适应性效率的实施路径。依据“适应性效率 ”理论构建智能工厂“梯 度跃迁”模型（图3）。

图3 智能工厂“梯度跃迁”模型示意图

该模型共分为目标层、过程层、工具层、结果层4层。目标层为智能工厂培育梯度，为企业提供清晰的、可攀登的阶梯目标，同时对应智能制造成熟度等级；过程层是说明每个梯度对应有环节及所需构建的核心能力；工具层为典型场景库，企业可选择合适的场景来构建所需能力，以解决标准与应用脱节问题；结果层是智能工厂每个梯度应该产出的效益，以体现价值驱动。该模型自左至右体现了智能工厂梯次演进。模型清晰展示了如何通过政策引导和服务赋能，在典型场景库的支持下，一步步完成核心能力建设，最终实现梯度跃迁并获得实实在在的效益产出。

依据智能工厂“梯度跃迁”模型，构建“智能工厂培育梯次与智能制造能力成熟度等级”的适应性分析表（表2）。

表 2   “培育梯次-成熟度等级”适应性分析表

根据“智能工厂培育梯次与智能制造能力成熟度等级”的适应性分析结果，结合对《智能工厂梯度培育行动实施方案》《智能制造能力成熟度模型》《智能制造典型场景参考指引》等文件的梳理，形成智能工厂梯度培育体（表3）。

表 3   智能工厂梯度培育体系

该表所呈现的智能工厂梯度培育体系，明确了建设内容与能力等级匹配。“基础级”核心是数字化普及，解决设备互联和数据采集的有无问题；“先进级”核心是数据驱动，实现对核心业务环节的数字化管理和可视化监控，让数据用于管理和决策；“卓越级”核心是集成优化，打破部门和数据孤岛，实现跨业务系统的数据互通和协同优化，追求整体效率提升；“领航级”核心是智能引领，利用 AI、大数据模型等对全流程进行预测和优化，并向外构建产业链生态，实现模式创新。

该表所呈现的智能工厂梯度培育体系，逐级递进，向下兼容，每一级目标都建立在前一级的基础之上，是实现能力“跃迁”而非简单“切换”。例如要达到“卓越级”，必须先在“先进级”夯实数据基础，否则集成就成了无源之水。企业可根据自身情况，从对应等级的典型场景库中选择重点建设方向，使培育路径更加清晰和可操作。

该表所呈现的智能工厂梯度培育体系，将智能制造能力成熟度等级作为衡量智能工厂培育目标的客观标尺，避免了分级评价的主观性。例如，“先进级”对应成熟度“规范级”，意味着企业必须通过正式评估达到“规范级”要求，才能被认定为先进级智能工厂。

3 江苏优势产业的智能工厂培育体系构建与验证

3.1 高端装备产业智能工厂的培育策略

3.1.1 高端装备产业经营管理特点剖析

高端装备产业经营管理具有以下几个特点：①技术驱动且R&D投入高。高端装备行业的发展高度依赖前沿技术的应用，高度依赖跨学科集成，企业必须持续高强度的R&D投入才能维持在行业中的技术领先地位，需要通过内部各领域的创新引领产业发展，以巩固产业链“链主”地位。该产业产品生命周期长，资金回收相对缓慢。②高度定制化与单件小批量生产模式。产品多为客户定制，生产模式是典型的“单件”“小批量”，产品重复性低，传统的成本控制方法失效，需要提升项目化管理能力和复杂产品系统集成能力，建立柔性的生产管理与供应链管理系统。③供应链协同度要求高。高端装备行业往往产品结构复杂，产品零部件多，必须依赖良好的供应链生态体系。作为产业链系统集成者，要善于构建与经营全球化供应链生态圈，供应商关系管理、供应链风险管控、知识产权协同能力是管理核心。④全生命周期服务要求高。由于产品价值高，客户关注产品在全生命周期内的可靠性、可用性、增值性和综合成本。商业模式可“产品经营、市场服务、解决方案”相融合，需要构建强大的远程运维、预测性维护、数据服务等后市场服务能力。

3.1.2 高端装备产业的对标分析与创新能力

对标高端装备产业优势企业，在智能工厂培育过程中，需要打造“客户服务能力、产品创新能力、供应链协作能力、柔性制造能力、智能决策能力”等五个方面的创新能力。要注重解决产品个性化需求，提高客户响应度，应用仿真与数字孪生技术降低研发成本；要提升生产的柔性，解决客户个性化需求与规模化生产的矛盾；要细化管理颗粒度，推进单件流，加强资源管控，精准把握生产进度，产品质量全程可追溯；提高物流智能化程度，供应链协同透明化，做到精益与韧性并重；建立产品服务理念，建立IoT驱动的远程运维和预测性维护，产品运维数据反哺设计、工艺；重视知识管理，打通全生命周期的数据链，管理决策实现高效协同和智能化。

3.1.3 高端装备产业智能工厂培育体系

围绕高端装备创新能力的打造，高端装备产业的智能工厂培育路径（图4）具体如下：①客户服务能力打造。贯彻产品模块化理念，构建客户服务平台与体系，实现产品的可配置，方便客户订购；建立CRM（客户关系管理）系统，关心关注客户需求变化，确保客户服务的连贯性；构建客户个性化需求从需求获取到设计、制造、交付的有效体系，从而真正实现客户化运营。②产品创新能力打造。通过建立 PDM/PLM（全生命周期管理）产品开发管理平台，通过建立 CAD/CAPP/CAE协同设计平台，实现企业内部设计与工艺及供应链企业之间的协同设计。同时强化三维装配分析，优化产品装配工艺。③供应链协作能力打造。

通过构建或借助工业互联网平台，实现上下游之间的业务沟通，消除信息交互的障碍；通过建立SRM（供应商关系管理），加强对供应商绩效的考核，确保协作配套企业的供货质量；通过建立产品远程运维，及时监控零部件运行状况。④柔性制造能力打造。生产作业现场强化6S/6σ管理；建立ERP/APS/MES协同管理平台，实现生产计划、车间作业计划之间的有序衔接，实现生产的精准派工与完工汇报，实现车间内外部信息的互联互通；探索工位/工步信息化建设，在装配环节做好物料的防呆防错。⑤智能决策能力打造。建设MDM（主数据管理）平台，强化数据的唯一性、正确性；建立数据“感知-洞察-评估-响应”闭环，强调数据的自动采集；通过业务系统与数据的集成，提高客户运营、业务协同，提升交付效率与质量水平，实现数据驱动的运营优化，逐步实现数字化决策。

图4 高端装备产业智能工厂培育路径

3.2 工程机械行业智能工厂培育实例

B公司是一家压路机专业制造商，拥有用于表面覆盖层压实质量控制的连续监测、路基和路面的智能压实、多边形钢轮及碎石钢轮制造等多项行业内尖端技术。公司属于典型的多品种小批量装配型企业，部分产品完全按客户要求定制。主要生产过程以人工装配为主，辅之以智能检测。

B公司有明确的智能制造发展规划，并持续进行资源投入，建立了ERP、JIS、MSB、OA等系统并实现集成，业务数据实现共享共用；CAD、CAE辅助产品设计、工艺设计、工程分析，并且产品数据基于PDM实现了与 ERP 的同步；公司依据客户订单/销售预测生成生产计划、采购计划，并生成工单供执行。经测评，公司智能制造能力成熟度评价为2.74分（表4），处于二级，规范级。

表4 B公司智能制造能力成熟度评价表

对照《智能制造典型场景参考指引》，B公司智能工厂建设内容覆盖了“研发设计”“生产作业”“生产管理”“运营管理”，在“产品设计”“工艺设计”“质量管控”“人机协同作业”“能源智能管控”“产品智能运维”“供应商数智化管理”等环节具有典型场景。对照《智能工厂梯度培育行动实施方案》，B公司智能工厂等级为先进级。

B公司决定持续开展智能工厂建设，为此按智能工厂梯度培育体系与培育路径规划了从先进级到卓越级的培育路径：一是大幅度提高装备的智能化水平，实现设备的预防性、预测性维护，提高设备 OEE水平；二是实时采集设备运行数据，精准掌握生产进度，实现生产计划的实时优化；三是推进设计、工艺、制造等多业务系统的集成，打通产品研发、工艺设计、生产作业等环节数据，实现工艺动态优化；四是构建计划管理新模式，实现生产计划优化和动态调整，缩短订单交付周期；五是广泛应用工业机器人，提高人机协同水平；六是在工厂建设、产线布局、质量检测等环节应用数字孪生、人工智能、大数据等技术，提高企业的整体运营效率。

4 智能工厂培育政策与服务资源的保障创新

4.1 智能工厂培育政策保障

智能工厂培育政策保障，就是要通过构建“宏观-中观-微观”政策体系，激发企业建设智能工厂的内生动力，降低企业数字化转型的不确定性。

宏观层面，即顶层设计与战略协同。将梯度培育纳入《江苏省制造业高质量发展条例》，进行立法保障。建立分层分级的财政支持政策，建立政策动态评估与迭代机制，设立政策效能监测平台，定期评估各项政策的实施效果，并基于产业技术演进与企业反馈，对政策包进行动态优化。

中观层面，推动长三角区域智能制造政策互认互通，统一“三省一市”智能工厂评估标准，建立沪苏浙皖智能工厂认证互认机制，破解跨省协同壁垒。建立长三角智能制造创新示范区，强化公共服务平台以集聚公共服务资源，推进数字化转型示范区、县、产业园区建设。

微观层面，提供“一企一策”精准扶持。基础级，扩大“智改数转”专项贷、设备补贴券等普惠政策覆盖面；先进级，给予专项奖励以支持其持续开展智能工厂建设；卓越级、领航级，鼓励开展智能制造、AI等典型场景打造，鼓励开展ESG认证与治理，支持其输出转型方案与标准。

4.2 智能工厂培育服务资源保障

智能工厂服务资源保障，就是要打造“要素-平台-生态”三位一体的智能工厂服务资源保障网络，旨在为企业转型提供不可或缺的要素供给与平台化服务。一是强化高端要素供给。推行“数字工匠”培育计划，解决制造业高端数字化人才紧缺的痛点，鼓励应用型本专科院校与龙头企业共建产业学院，开展订单式培养。设立智能化改造专项基金，引导社会资本成立江苏省智能制造发展基金，为不同区域中小企业提供分类分级的金融政策。二是搭建公共服务平台。整合长三角资源，共建共享一批高能级的数字化转型促进中心，构建智能工厂服务“超市”：提供分行业分层次的数字化转型评价体系，开展线上自评估与线下专家精准诊断；构建供需对接平台，为广大中小企业提供经验证的“小、快、轻、准”的数字化产品与模块化解决方案；构建工业数据安全等级评估与认证平台，探索数据安全开放机制，降低产业链跨区域协作成本。三是构建开放协同的产业生态。对江苏省50条重点产业链链主企业开展产业链智能化改造贡献度评选，出台政策鼓励链主企业开放其应用场景，带动产业链上下游中小企业“链式”转型。推动常州、苏州、南京等先进制造业集群、未来产业集群建设区域性创新综合体，形成数字化转型生态格局。

5 结语

本研究围绕江苏省制造业的数字化转型，构建了以“梯度培育体系”为理论核心、以“差异化实施路径”为实践抓手的智能工厂培育体系。研究表明，该体系通过将国家《智能制造能力成熟度模型》与江苏省产业禀赋深度融合，发挥了显著的政策杠杆效应。

江苏省在高端装备、新能源、新材料等优势产业的率先实践，形成了具有重要示范意义与推广价值的“江苏实践”。培育主线清晰，以“标准引领、场景驱动、链式协同”为特色的模式，为国内其他制造业集聚区提供了可借鉴的系统化解决方案。特别是汽车零部件、工程机械等领域的案例，证实了差异化路径的有效性。

展望未来，本研究认为智能工厂培育是一个动态演进的过程。下一步，需持续推动智能工厂评价标准的迭代更新，融入人工智能、ESG、绿色低碳等新要素，使其保持前瞻性与引领性。同时，积极探索长三角区域协同培育机制，推动评估标准互认，共同构建具有全球竞争力的长三角智能制造生态圈。

作者：宋卫 徐海军