伴随工业4.0的蓬勃发展和生成式AI领域的技术颠覆，全球智能制造和工业自动化行业变革提速。预计到2030年，中国、日韩和西欧等先进制造市场有望率先实现自动化革命。 届时，高价值且可延展的自动化技术将全面应用于端到端业务流程，智能工厂具备完全集成的 IT/OT 技术栈，无处不在的高阶数据分析成为新常态，基于标准化解决方案的半开放式平台生态应用普遍，数字化集成和AI赋能的人机结合运营模式全面实现，大幅提升制造行业生产效率。 据麦肯锡估算， 2025 年工业自动化产品的全球市场规模将达到约1083亿美元，过去三年年化增长率约3.7%。而中国工业自动化市场规模超过人民币2500亿元，在全球市场占比超过三分之一（图1）；预计未来5年，中国自动化行业将实现跨越式增长。 首先，工业自动化市场细分领域蕴藏巨大增长潜力。具体而言，工业自动化的细分市场包括三大领域：第一，适合连续流制造业的自动化设备【1】。根据预测，2025年全球市场相关支出将达到约 760亿美元，高于2019年的640亿美元，复合年增长率约为2.8%。第二，适合离散制造业的自动化设备。全球范围内，半导体和电子电气行业的自动化支出增长最快。第三，针对连续流制造和离散制造的工业物联网软件和云服务。这一细分包括连接工厂内各类工业设备，以及支持使用数据分析驱动制造的各种解决方案。这一自动化产品细分市场规模最小，但增速最快，增长率达到18%。 第二，劳动力结构变化、自动化技术发展，推动未来5年全球和中国工业自动化市场加速增长。人口老龄化使得高收入国家约 40% 的雇主将转型，很多公司对劳动力短缺感到忧虑。企业为了吸引和保留员工，需要支付更高的工资和福利，用工成本上涨。在这样的大背景之下，生产制造自动化替代将进一步加速。 与此同时，整个行业正面临自动化技术的颠覆性突破。人工智能的加速发展使得“人机结合”的制造环境变为现实。根据麦肯锡全球研究院的预测，伴随着自动化技术和人工智能技术的发展，到2030年，预计全球将有8亿个工作岗位被机器取代。若发展相对缓和，也将有4亿个工作岗位被取代。 第三，制造业企业正加速拥抱数字化解决方案，并深度参与行业生态合作。麦肯锡对全球188 家工业自动化用户和供应商问卷调查发现，数字化解决方案在企业工厂自动化中越发重要。69%的受访者表示数字化解决方案当前已经成为其自动化工作的重要一环。此外，有更多人（94%）表示，这类解决方案对其未来的自动化举措尤为重要。调查还发现更多企业选择合作方式搭建工业物联网平台，而非自主开发。另外，开放性和系统兼容性是用户选择工业物联网平台的核心购买要素。 ●在DCS领域：电力、石化、油气等重点行业过去10年已初步完成国产化，DCS的国产化率已达到60%以上。国内龙头供应商凭借服务响应快、价格优惠等本土化优势获得市场认可。 ●在PLC领域：国产 PLC 市场份额持续扩大，小型 PLC 国产化率超 20%，中大型 PLC 市场 CR6（前六大厂商）仍由海外企业主导，但国产厂商凭借优良性能和较高性价比，通过行业专用类产品及方案，在新能源、纺织、包装、3C等行业提升了市场占有率。 ●在伺服系统领域：部分国内企业在包装、3C 电子等中低端伺服市场取得突破，凭借性价比高和对国产设备兼容性强的优势获得市场认可。但在半导体制造、精密机床等高端应用场景，国产伺服系统在响应速度、动态精度和抗干扰能力等方面还有差距。 ●在工业软件领域：中国工业软件国产化率从 2023 年的 15% 提升至 2025 年的 25%，其中经营管理类软件国产化率达 70%，研发设计类软件从 5% 提升至 10%。国产工业软件供应商主要在中小制造企业中通过价格优势和本地化服务取得认可。 “平台化、敏捷化、智能化” 三大技术趋势重构产业逻辑 当前，传统工业自动化系统在技术上仍存在诸多痛点。工业软件系统普遍按照ISA95的分类方法进行分层的架构设计，导致业务碎片化且条块分割，形成系统孤岛，跨层的业务流程难以实现。各应用子系统分开独立建设和部署，各个系统技术路线差异较大，软件复用性差。 不同厂家、不同系统之间通过私有接口互联，缺少公共的服务接口标准。数据私有化且难以共享，标准和接口不统一，系统之间需要经过层层转换实现数据互联互通，各系统之间无法进行一体化调度，导致建设成本高。应用系统大多采用半定制开发模式，一次建好之后，后期功能升级或第三方扩展非常困难，运维成本和难度高，且仅能由原始建设厂家进行升级，一旦原始厂家出现变故，系统只能推倒重建，无法适应制造工艺和生产组织方式的快速变化。 在这样的背景下，工业自动化系统出现了平台化、敏捷化、智能化三大技术趋势，具体可以总结为十大技术方向（图2）。这些技术可能会对工业自动化的未来产生巨大影响。 趋势一，平台化     “平台+应用”架构模式作为工业软件体系演进的重要方向，逐步成为主流工业软件框架。工业软件从单体应用转向平台化，通过统一数据底座和服务接口，解决传统分层架构中多源异构数据难以共享、跨系统协同效率低的问题，减少分层架构中多协议转换和私有接口互联，降低系统集成成本与复杂度。 ●软件定义的智能制造基础软件平台体系架构。针对现有的工业应用普遍存在定制化开发程度高、工程实施工作量大、烟囱式部署、异构系统难以互联互通互操作、上层应用与底层资源耦合度高、制造资源难以复用和灵活调配等问题，构建软件定义的智能制造基础软件平台体系架构是大势所趋。 ●模型化数据底座：通过采用模型驱动的设计思路，平台以模型为中心，通过“模型+数据+服务+工具”的方式，统一数据体系，实现工业应用的模型化、组态化开发和部署。 ●分布式智能调度：通过分布式服务中间件，并采用服务契约机制，规范模型服务、逻辑服务、应用功能与数据接口之间的交互，使应用能够灵活接入、快速集成、按需替换或升级，无需对架构进行大幅调整。作为业务功能与基础服务的桥梁，分布式服务中间件实现了服务与服务之间的解耦，使应用能够独立开发、灵活部署。 ●内生型安全管控：新一代平台在设计、编码、测试、构建、发布、部署等每个开发环节，都更加重视系统和数据安全的端到端保证。 趋势二，敏捷化 ●全生命周期应用工具链：通过打造一套面向应用开发、工程配置、集成调试、运行维护的完整工具链，全面提升工程应用效率。 ●虚拟化PLC：虚拟化PLC正在推动IT和OT的融合，这意味着程序员不必站在设备旁边，他们可以远程工作，让控制程序变更、修复和生产过程优化进一步提速。同时，人工智能可能也会显著提升虚拟化PLC的效率，生成式AI有可能自动创建虚拟化PLC的应用程序。 ●低代码/无代码开发：生成式AI将进一步降低代码编写要求，可能让完全没有编程经验的人也能开发好用的软件。这意味着IT工作负载降低，需求响应速度加快。 趋势三，智能化 ●多源异构数据融合。对多源异构数据的有效融合至关重要，可实现产品质量、产量、能耗、排放等目标与生产全流程各工序相关机理知识、经验知识和数据知识的协同关联、深度融合，可为用户提供更有效的产品设计、生产管理、计划调度及设备管理等服务，从而提高生产质量和效率。 ●工业AI智能体（Agent）：工业智能体是一种特殊的人工智能体，它专门针对工业生产制造场景设计和优化，满足工业智能应用在确定性、可信性、适用性、可控性、工程化等方面的严格要求。工业智能体还具备协同对接生产企业上下游产业链的能力，通过数据共享和协同决策，优化整个产业链的生产效率和资源配置。 ●生产全过程仿真与智能优化：随着智能制造的飞速发展，生产相关的各类需求愈加复杂多变。及时高效应对这些复杂多变的生产需求对制造业智能化提出了更高要求，是企业智能化程度的重要体现。 对于制造业企业的启示 在这样的背景和趋势下，中国制造业企业应该全面拥抱“开放、智能、融合”的智能制造软硬件平台，选择开放融合的合作伙伴，抓住工业自动化行业技术变革带来的效率提升机会。具体而言，有四点核心建议： 1 战略先行、整体规划 基于上文提到的“平台化”趋势，制造业企业应该重视新技术带来的新的自动化、智能化机会，制定企业数字化转型整体战略。企业应积极拥抱一体化与平台化，从数据、平台、应用三个层面，构建公司工业自动化体系。 首先，在平台层，构建 “工具 + 服务 + 生态” 的中台架构，集成数据中台（实时 / 历史数据服务）、业务中台（排程、质量、设备等通用模块）、技术中台（AI 算法、数字孪生引擎），避免重复开发。 其次，在数据层，建立统一数据模型和标准，涵盖设备（物模型）、工艺（流程模型）、组织（业务模型），实现 “数据即资产” 的标准化管理。采用统一工业数据对象建模，实现 “一处定义、全局复用”，减少数据转换成本。参考国家标准，建立数据资产目录，打通多源异构系统接口，通过标准化协议实现设备、系统、业务的数据互通。 最后，在应用层，基于平台快速构建场景化应用，支持微服务架构与容器化部署，实现 “敏捷开发、弹性扩展”，以低代码开发方式，基于痛点需求，在平台架构上灵活快速部署应用场景。 2 分段投资、聚焦价值 企业在进行自动化、智能化投资布局时，应遵循 “痛点优先、价值导向” 原则，优先解决高成本、高风险场景（如设备停机、质量缺陷、交付延迟）。中小制造企业可从预测性维护模块入手，快速降低运维成本。流程型企业可优先部署 APC/RTO 实现能耗优化，把ROI 周期控制在 12-18 个月。利用平台弹性扩展能力，支持 “小步快跑” 式迭代，避免一次性巨额投资。 3 全面拥抱AI、融入开放生态 制造业企业要重视AI场景落地，从 “工具级 AI” 向 “系统级 AI” 升级。充分利用外部工业互联网平台的AI能力，基于平台内置的智能套件快速开发具体应用场景。构建 “数据 - 算法 - 应用” 闭环，持续迭代优化 AI 模型，形成 “检测 - 分析 - 调整” 的自优化机制。开发者社区，利用低代码工具与 SDK 快速构建定制化应用。 4 磨练团队、拥抱变革 打造兼具工业经验与数字技能的复合型团队，重点培养工艺工程师的数据建模能力、运维人员的平台操作能力。与平台厂商合作开展定制化培训，帮助员工掌握基础应用组态，赋能员工寻找可能的效率提升和自动化应用场景。设置数据资产管理员、工业 AI 算法工程师、数字孪生工程师等新岗位，分别负责数据治理、AI算法落地、数字孪生建模等工作。引导公司内部文化转型，从“要我变”到“我要变”。 进行敏捷组织架构变革，建立跨部门敏捷小组。同时，建立 “试错容错” 机制，允许在非核心场景进行技术试验，通过沙箱环境测试新算法，降低生产环境风险。 2030年智能制造行业有望翻开波澜壮阔的新篇章，企业应该全面融合构建 “人机协同、数据驱动、持续进化” 的智能生态，积极拥抱“工业智能+人工智能”的无限潜力，让每一台设备都成为数据节点，每一个流程都实现智能决策，每一次创新都源于生态协同。唯有如此，中国制造业企业才能在需求波动、技术变革、全球竞争的不确定性中激流勇进，持续打造生产力标杆。

自美国特朗普政府宣布对中国商品加征对等关税已过去两个多月，部分商品关税税率曾达到100%以上。这些措施引发外界关注：在2023至2024年增长放缓的背景下，中国2025年的经济复苏可能受到一定影响。最新数据显示，4月和5月中国制造业活动出现放缓迹象。综合多方分析认为，当前关税措施虽不会造成经济显著收缩，但可能延长经济回归强劲增长的周期。 关税对中国制造业出口的影响及关键指标呈现： 1. 制造业景气度与出口承压 中国制造业采购经理人指数（PMI）在2025年2-3月短暂回升至扩张区间（>50.0）后，4-5月再度回落至收缩区间，分别录得49.0和49.5。同步走弱的出口数据印证此压力：4月出口同比增长率降至8.1%，较关税全面生效前3月的12.3%显著收窄。结构性分析显示，2024年占中国出口总额15%的美国市场（第三大贸易伙伴），在2025年4月对美出口同比骤降21%，凸显关税对出口体量的实质性压制。 2. 价格下行通道延续 截至2025年4月，消费者价格指数（CPI）与生产者价格指数（PPI）延续同比下行趋势，表明通缩风险尚未缓解。其传导机制表现为：受美国市场需求减弱影响，出口渠道收窄，国内市场供需平衡面临挑战，从而对价格形成下行压力。 3. 供应链重构加速：“中国+1”战略 美国关税政策催化制造业产能区域转移，"中国+1"生产多元化战略实施进程加快。此趋势助推东南亚、印度等替代性制造中心发展，其制造业产出（Manufacturing Industrial Output, MIO）预计增长4.0%，高于中国修订后2.9%的MIO增速预期。 基于上述压力传导机制，我们于2025年5月将中国MIO年度增长预测从2月份预测的3.2%下调至2.9%。 中国内需的复苏态势和关键指标 尽管出口部分面临着诸多挑战，但中国的国内经济显示出韧性和逐步复苏的迹象，这反映在多个指    标上： 1. 消费市场韧性显现 2025年4月社会消费品零售总额同比增长5.1%，延续自2024年末的修复趋势。政策刺激（如消费券发放）对电子及耐用消费品拉动显著，叠加房地产市场和股市相对去年情况开始企稳，有助于消费者信心回升。 2. 工业企业盈利周期拐点确认 工业企业的利润自2025年3月开始出现回升，结束持续六个月的下滑态势。尽管关税促使中国供应商在对美出口中面临一定的压价压力，但由于2023-2024年持续的价格竞争，厂商利润空间已经被大大压缩，使得即使在关税压力下，价格进一步大幅下降的空间有限。 2025 年，中国工业企业的利润情况出现企稳改善迹象 3. 建筑业景气度改善 与前两年相比，房地产销售的下降幅度略有所缓解。此外，作为中国建筑业晴雨表的挖掘机销售出现显著增长，2025 年第一季度的出货量同比增长 23.8%，国内出货量增长 38.3%。政府基建项目的开展以及支持设备更新、设备换新补贴等相关政策支持了该行业的增长。 展 望 总体而言，尽管面临关税带来的挑战，中国制造业正在逐步复苏。预计中国制造业工业产值（MIO）增速将从2024年低基数的2.0%回升至2025年的2.9%，并在2026年达到3.5%，预计到2029年将实现年均复合增长率（CAGR）3.4%。上半年的基建项目拉动以及持续的国内需求，尤其是消费复苏，将是本轮复苏的关键驱动力。 中期来看，作为一个成熟经济体，中国制造业预计保持在稳定温和增长区间。未来五年，由于部分国际厂商在“中国+1”策略下在周边国家建立产能，印度和部分东南亚经济体的制造业预期将出现快速增长，“出海”市场也将为中国制造业企业带来巨大的增长机会。

 2025年6月11日，中国机械工业联合会机器人分会在南京2025智能机器人发展大会上发布了智能机器人十大发展趋势。 01感知和认知：孤立传感器到融合认知   从孤立传感器到融合认知的进化，将突破单一模态信息的局限性，实现机器人对物理世界的全息化理解。类人的多模态环境感知与本体感知信息的深度融合，形成机器人“身体-环境”的具身统一认知，从而与决策控制有机协同，通过构建对物理和社会环境因果变化规律准确理解的世界模型，支持机器人“感知-想象-推演-决策”的作业闭环。 02决策与执行：执行预设任务到自主决策   机器人的智能化发展正经历从“执行预设任务”向“自主理解与决策”的深刻转变。多模态感知决策动作大模型通过融合分析海量生产数据，构建检索增强系统，将大幅提高机器人复杂决策能力。同时探索复杂交互下的精细作业技能学习与高效生成模型方法，构建混合专家模型系统，与大模型形成大小脑分层智能决策执行体系，实现机器人稳定长程的自主决策与精细操作的高效执行。 03数据采集：人工采集到多样生成   智能机器人的高效学习依赖于数据生态的革新，传统人工采集的方式已无法满足模型训练对大量高质量数据的需求。海量的视频数据与高质量遥操作、运动捕捉数据的混合增强，以及物理引擎驱动的大量的超真实仿真数据增强，将大幅扩充机器人数据生态规模。 04控制架构：云边端协同部署和群体智能   控制架构开始进入云边端协同部署和群体智能进化阶段。分布式云边端协同架构借助AI+ 5G/6G +物联网技术，实现机器人集群的知识共享与进化学习。云端负责全局策略优化，边缘节点处理实时推理，终端执行具体任务，形成高效算力调度体系。机器人集群可通过动态共享经验提升整体作业效率，边缘计算则保障本地化数据处理的实时性与隐私性，支撑更多实时性要求高的应用场景。 05本体设计：软硬件协同   传统机器人本体设计聚焦于刚性执行机构的运动性能，结构本身缺乏深度集成的智能传感器与嵌入式算力单元，使其无法成为具身智能技术的有效物理载体。因此，需要突破传统硬件范式，软件与硬件协同设计，对本体进行深层次智能重构，使机器人更好的融入AI生态、适应复杂非结构化环境。如多智能传感器与本体深度融合、AI计算边缘芯片在机器人内部或近端的高度集成、机器人适应性与灵巧性的创成式设计等。 06人形机器人：从单一任务到多任务   人形机器人软、硬件系统的技术加快突破与迭代，云端智能提供场景理解与复杂决策支持，边缘计算保障实时响应与安全控制，本体则执行精细操作任务，加速向工业、生活服务、医疗康复、特种作业等多元领域探索，逐步从单一功能执行者向复杂任务协作者的角色转变。 07开发生态：硬件模块化与软件平台化   智能机器人产业的生态竞争已从单一技术比拼升级为体系架构竞争，硬件模块化与软件平台化生态正在逐步形成，通用技术底座架构与能力组件市场的加速构建将有力的推动我国智能机器人产业快速发展与应用落地，形成集群性产业竞争优势。 08商业模式：产品售卖到价值共创   创新的技术突破为智能机器人的商业模式创新提供了强大的动力，从传统的产品售卖逐渐向价值共创范式转变。设备租赁、效能分成、能力订阅的RaaS（机器人即服务）模式形成商业落地，更为庞大的平台企业+垂直企业的商业生态共创体也正在逐步形成。 09安全：物理安全防护到系统安全体系   智能机器人的安全挑战已从传统的物理安全防护升级为覆盖硬件可靠性、算法鲁棒性、数据隐私性、行为伦理性的系统性工程。随着机器人渗透至医疗、养老、工业等众多高风险场景，从被动防护到主动安全，从单点合规到生态共治，从算法安全到技术信任，将覆盖功能安全，信息安全等多个领域。 10行业治理：伦理法规、标准和认证   智能机器人标准、安全认证、人机权责划分、数字身份、数据隐私保护等成为重点。随着智能机器人应用场景拓展，未来需进一步完善监管体系，平衡技术创新与社会风险，确保行业健康有序发展。 (机器人分会)

当AI赋予机器人以“具身”，一个崭新的世界缓缓打开。面对具身机器人产业的“风口”，不少城市正跃跃欲试。 6月11日，江苏南京举行2025智能机器人发展大会。本次大会旨在准确把握机器人产业发展新趋势与新机遇，深入交流对接，深化产学研合作，加快推动机器人产业高质量发展。 会上，志在打造“机器人之城”的南京亮出竞逐具身智能机器人产业的雄心：到2027年，核心产业规模力争超过100亿元，培育5家以上整机量产企业，产业综合实力跻身全国前列。 各路专家为南京“支招” 此次大会上，多位专家为南京发展机器人产业“支招”。 “人工智能、大数据、先进传感等技术快速演进，并与机器人技术深度融合，正在加速重塑机器人的能力边界与应用场景，其发展趋势呈现出鲜明的智能化、协同化、泛在化特征。”中国机械工业联合会机器人分会副秘书长陈丹在作智能机器人发展趋势报告时说。 陈丹表示，传统机器人本体设计聚焦于刚性执行机构的运动性能，结构本身缺乏深度集成的传感器与嵌入式算力单元，使其无法成为具身智能技术的有效物体载体。因此，未来需要突破传统硬件范式，软件与硬件协同设计，对本体进行深层次智能重构，使机器人更好地融入AI生态、适应复杂非结构环境。 具身机器人被称为“有身体的AI”，不仅拥有“聪明大脑”，更配上了能动的“身体”，能像人类一样感知环境、自主决策、动手干活。陈丹说，未来机器人将实现从孤立传感器到融合认知的进化，形成机器人“身体—环境”的具身统一认知，从而与决策控制有机协同，并通过构建对物理和社会环境因果变化规律准确理解的模型，支持机器人“感知—想象—推演—决策”的作业闭环。 “机器人性能已步入‘软件决定’时代，当前国产硬件技术逐步取得突破。同等硬件条件下，国产机器人稳定性、精确性与同系列国外机器人相比还有待提升。”哈尔滨工业大学机器人研究所所长赵杰教授在主旨报告中表示，国产工业机器人突破核心技术提升整机性能迫在眉睫，亟需突破软件共性关键技术及核心算法。 南京将出台行动计划攻坚具身机器人 近年来，南京机器人产业发展迅猛，已形成整机、关键零部件以及系统集成应用的全链条机器人产业体系，集聚产业链上下游重点企业近200家，总体发展水平居全国前列。其中，南京埃斯顿自动化公司作为该市机器人产业“链主”企业，今年一季度市场份额占全国的比重达10.3%，成为国内市占率最高的国产机器人品牌。 去年，南京提出打造具有影响力的“机器人之城”。今年3月，该市成立4个产业攻坚推进办公室，其中之一就是机器人产业。 面对具身智能机器人的产业“风口”，南京自然不会错过。在本次大会上，南京揭牌了具身智能机器人产业园，并成立具身智能机器人产业生态联盟。 澎湃新闻从会上获悉，南京还将出台《南京市具身智能机器人产业发展行动计划（2025—2027年）》，目标是到2027年，全市具身智能机器人核心产业规模力争超过100亿元，培育5家以上拥有整机量产能力的具身智能机器人企业，引育150家以上整机、关键零部件及具身智能大模型企业。 《行动计划》从打造软硬件产品、构建产业创新体系、推动场景示范应用、提升产业集群化水平等方面明确了具体推进措施，包括联合软件龙头企业建设具身智能创新中心，建设具身智能数据采集和训练中心、概念验证中心等公共服务平台，鼓励机关事业单位、国有企业、板块园区带头打造具身智能机器人应用场景等。

据阿拉伯工业化组织 （AOI） 称，埃及正在加速采用 3D 打印技术来生产关键行业的备件。AOI 与数字制造公司 IMMESNA 合作，在其数字制造中心举办了一场研讨会，以强调 3D 打印和数字机械的变革性作用。 AOI 主席 Eng. Mokhtar Abdellatif 少将强调埃及致力于利用先进制造技术，以符合其 2030 年愿景目标。他指出，AOI 已经在进行全面的需求评估，并将立即开始使用 3D 打印制造备件。这包括用于汽车、航空航天、医疗和重型机械领域的零件。 AOI 的数字化制造中心位于发动机工厂内，配备了符合第四次工业革命标准的尖端系统。它已成功实现关键部件（如工业泵）的本地化生产，并能够满足国内和国际质量标准。 公共商业部门部长工程师 Mohamed Shimi 强调了采用 3D 打印对实现埃及工业基础现代化、减少进口和创造就业机会的重要性。他呼吁公共和私营部门之间建立战略伙伴关系，以推动数字化转型和当地生产能力。 住房部副部长 Sayed Ismail 工程师博士也赞扬了这一举措，特别是其在支持水净化和废水处理等基础设施系统方面的潜力。他强调了促进埃及制造业的本地发展以及探索向非洲和海湾地区出口机会的重要性。 该研讨会代表着埃及朝着工业自给自足的目标迈出了重要一步。正如 Eng. Abdellatif 所指出的，“使用 3D 打印和数字机器制造备件是一种创新过程”，可以快速、按需且经济高效地生产高精度零件，包括那些原本过时的零件。 这标志着埃及在实现先进技术本地化并确立其作为区域制造业领导者的地位方面的关键时刻。