内容提要：先进制造业与生产性服务业融合发展(以下简称“两业融合”)对推动制造业转型升级、促进产业链延伸、推动价值链跃升具有重要作用。人工智能作为新一轮科技革命的通用性目的技术，为促进两业深度融合带来了契机。本文基于人工智能的数据驱动性、网络外部性、产业重构性等技术—经济范式特征，分析其在提供两业融合基础、降低两业融合成本、提高两业融合效率方面的重要作用。现阶段人工智能促进两业融合取得了一定成效，但也面临诸如制造企业智能化基础薄弱、高端生产性服务业规模较小、跨业数据壁垒尚未破除、产业互联网平台功能不足、复合型人才储备短缺等制约因素与现实问题。未来应进一步夯实智能转型基础、扩容高端服务生态、破除数据流通壁垒、强化平台功能建设、完善人才培育体系，全面提升人工智能对两业深度融合的赋能水平。
标题注释：国家社会科学基金重大项目“新一代人工智能对中国经济高质量发展的影响、趋向及应对战略研究”(20&ZD067)。
作者简介：杜传忠，南开大学经济与社会发展研究院教授、博士生导师；张榕（通讯作者），南开大学经济学院博士研究生。
关键词：人工智能/ 两业融合/ 服务型制造/ 制造业服务化/ 生产性服务业/
原文出处：《经济学家》(成都)2025年第9期 第47-56页
引言
推动先进制造业与生产性服务业融合发展(以下简称“两业融合”)是建设现代化产业体系、实现经济高质量发展的重要抓手。近年来，政府高度重视新一代信息技术对两业融合发展的赋能作用。党的二十届三中全会通过的《中共中央关于进一步全面深化改革推进中国式现代化的决定》指出，要“聚焦重点环节分领域推进生产性服务业高质量发展，发展产业互联网平台，破除跨地区经营行政壁垒，推进生产性服务业融合发展”[1]10-13。2025年《政府工作报告》重点强调，“深化先进制造业和现代服务业融合发展试点，加快发展服务型制造”[2]。先进制造业和生产性服务业均以技术创新为核心驱动力，随着新一轮科技革命不断演化，以人工智能为代表的通用性目的技术正成为支撑先进制造业和生产性服务业高质量发展的新动能。与传统信息技术相比，人工智能为先进制造业和生产性服务业深度融合创造了更为广阔的应用前景，使其超越传统的上下游协作，演变为技术共生、数据共享、价值共创的新型产业关系。在此背景下，深刻把握新时代先进制造业与生产性服务业融合的内涵、深入探究人工智能赋能两业融合的作用机制，对于促进我国产业迈向全球价值链中高端、实现经济高质量发展具有重要意义。
目前学术界围绕人工智能促进两业融合的相关研究主要从以下几个方面展开：第一类文献重点探讨人工智能对制造业服务化的影响，研究表明人工智能通过人力资本结构优化效应[3]、成本降低效应[4]、价值创造效应[5]等途径促进制造业服务化发展。第二类文献重点关注人工智能对两业融合的主要形态——服务型制造的赋能作用，多数研究认为人工智能将成为加快服务型制造发展的新的基础性力量[6]，包括工业互联网在内的其他数字技术、数智技术也起到了积极作用[7-9]。第三类文献重点分析数字技术发展对两业融合的影响机制，并指出技术创新效应与市场需求效应相结合[10]，促进产业数字化与数字产业化[11]，是数字技术发展赋能两业融合的基本路径。然而，既有研究多关注人工智能对两业融合的单一融合方向或主要融合形态的影响，对其整体作用、融合机理、演进路径等核心问题的学理探讨尚显薄弱，特别是智能时代下两业融合有了新的内涵特征，区分两业融合不同时期特点，厘清人工智能赋能两业融合的理论逻辑和作用机理，分析人工智能促进两业融合的成效和制约因素，并据此探讨两业融合的实践路径，对于推动制造业转型升级、促进产业链延伸、推动价值链跃升具有重要现实意义。
一、先进制造业与生产性服务业深度融合的内涵和特征
(一)工业信息时代两业融合的内涵和特征
生产性服务业相对于生活性服务业，是指用于满足中间生产需求、通过市场化模式向生产企业和其他组织的生产活动提供中间投入服务的产业[12]。具体来看，生产性服务包括与产品、流程研发设计相关的活动(如研发、设计、工程等)，与生产过程控制相关的活动(如设备维护、质量控制、产品检测等)，与生产组织、管理相关的活动(如战略咨询、财务、法律服务等)，与产品推广、营销相关的活动(如广告、售后服务等)，以及与资源流通、配置相关的活动(如金融、人力资源培训、物流运输等)。相应地，生产性服务业主要包括交通运输、仓储和邮政业，租赁和商务服务业，信息传输、软件和信息技术服务业，金融业等。从产业沿革的角度看，生产性服务业是从制造业发展过程中分离出来的，是产业高度细分的结果。制造企业为了强化自身竞争力，专注于最具竞争优势的制造环节，将服务活动外包出去，这导致专业分工更加深化，生产链条更趋迂回，生产性服务业得以顺势崛起。在此阶段，制造业与生产性服务业逐渐分立，形成由技术边界、业务边界、运作边界与市场边界构成的固定化产业边界[13]。
20世纪80年代以来，由于信息技术和互联网的快速发展，传统产业之间的边界逐渐模糊，以数字融合为核心的产业间互动融合成为一种新趋势。这首先发生于电信、广播电视和出版三大产业，后逐渐扩散到制造业与服务业[14]300-340。信息技术发展为三大产业的业务融合提供技术基础，不断催生诸如电子报刊、在线视频等新产品、新服务、新业态。随着信息化和工业化密切交汇，产业融合趋势进一步扩散到信息产业之外[15]，制造业与服务业互动融合成为产业融合的主要领域。直观理解，制造业与服务业融合就是制造业在生产过程中包含越来越多的服务要素，而服务业也逐渐向制造环节拓展延伸。从价值链角度看，制造业与服务业融合是企业在价值链上下游延伸，将产品业务与服务业务相结合的产业现象[10]。工业时代，两业融合多表现为简单的上下游协作，制造业与服务业的互动以物理要素的线性叠加为主，其融合内涵主要表现为围绕生产环节延伸的基础性服务支持，例如设备维护、物流运输等传统服务形式，其融合范围受限于机械化、电气化、信息化的技术边界，服务功能依附于实体产品的流通与使用过程，两者融合特征呈现低附加值的弱耦合关系，且服务增值空间受制于标准化生产模式下规模经济与范围经济的张力。
(二)智能时代两业融合的内涵和特征
由工业信息时代过渡到智能时代，制造业和生产性服务业也有了新的时代内涵，衍生出先进制造业和现代生产性服务业。先进制造业相对于传统制造业，是指将先进制造技术应用于产品的研发设计、生产制造、在线检测、营销服务和运营管理等全过程，实现信息化、自动化、智能化、柔性化、生态化生产并取得良好经济社会效益的制造产业。现代生产性服务业相对于传统生产性服务业，服务内容从以往单一流程优化转向覆盖研发设计、生产制造、营销售后、供应链管理的全链条集成化服务，服务模式由标准化、被动响应升级为定制化、主动赋能的解决方案输出，服务导向越来越呈现出绿色化、智能化、定制化、集成化特点。在此基础上，先进制造业与生产性服务业深度融合会随着技术革命和产业变革而不断演进升级，是一个主体多元、路径多样、模式各异、快速迭代的动态过程[16]。
本质而言，先进制造业与生产性服务业深度融合源于企业对附加值的内在追求。从微观层面看，这体现为企业重新将制造活动和服务活动纳入自身生产经营过程中，似乎是对专业化分工的否定，实际上则是分工细化后的再整合，是分工规律在智能经济时代的适应性演进，而非对分工逻辑的否定。工业时代两业融合以线性价值链的垂直分工协作为主要表现，但随着数智技术进步，智能时代两业深度融合将推动以线性价值链为基础的垂直分工协作向“生态共生”的价值网络转型。换言之，智能时代下先进制造业与生产性服务业的深度融合是在高度专业化分工基础上，依托现代数智技术形成产业链上更为紧密的业务联系或合作关系。在这种融合模式中，分工的“深化”体现为节点专业化，而“融合”体现为节点间的无缝连接，两者共同提升先进制造业和生产性服务业融合系统的整体效能。
进入智能时代，以人工智能为代表的数智技术的泛在渗透性与突出创新性重构了产业融合的底层逻辑，其核心内涵演变为数据、算力与算法驱动下的全价值链深度协同，制造业与服务业的界限在数字孪生、工业互联网、人工智能等技术的支撑下趋于模糊化，形成以用户需求为中心、虚实融合的新型价值网络。这一阶段的融合特征主要表现为：首先，技术层面，数智技术使服务的规模化提供成为可能，随着数智技术不断将生产知识规律代码化、模型化、工具化，制造企业将摆脱人力资源和成本对服务增值空间的限制[8]。其次，要素层面，生产性服务业占制造业中间投入要素的比重不断上升，服务业从辅助支撑逐步转向制造核心环节，生产性服务业在价值创造环节的重要性持续提高。再次，企业层面，基于数据的融合架构在企业内部逐渐建立，服务功能不仅依附于实体产品的流通与使用，更依附于企业对价值链、供应链和产品使用过程中的数据采集与处理分析能力。最后，产业层面，垂直分工体系逐渐被网络化生态协作取代，产品价值创造由产品导向转为服务导向，产业组织形态发生显著改变[17]。
智能时代，先进制造业与生产性服务业相互融合、相互渗透，彼此之间产业边界被打破，涌现出一系列新产业、新业态、新模式，包括智能化生产、柔性化定制、共享工厂、服务衍生制造等，可以被归纳为两业融合的两种方式，其一是制造业向服务业的融合，也被称为制造业服务化，其二是服务业向制造业的融合，也被称为服务业制造化。从实现路径来看，制造业向服务业的融合主要是指企业通过智能技术和物联网改造生产流程、实现产品全生命周期数据的实时采集与分析，并将消费者引入研发、设计到售后全过程，进而衍生出预测性维护、个性化定制、按需生产等新型增值服务。服务业向制造业的融合主要是指服务企业凭借技术、管理、销售渠道等优势，通过委托制造、自有品牌授权等形式衍生制造业务，从主要为制造业提供“服务”向为消费者提供“服务+产品”转变，进而催生出平台服务制造化、零售服务制造化、设计服务制造化等新模式。在上述过程中，产业组织从垂直分工转向网络化生态协作，价值创造由产品导向转为服务导向，知识密集型服务与智能制造能力的深度融合推动边际成本递减与边际收益递增，最终形成以数据流为纽带、以价值共创为目标的跨产业共同体。
二、人工智能促进先进制造业与生产性服务业深度融合的作用机制
(一)人工智能的技术—经济范式特征
技术—经济范式理论是由经济学家佩蕾丝从历次科技革命与经济社会变革中总结出来的内在规律[18]13-24。在经济发展过程中，存在一种或几种关键通用性目的技术能够推动技术体系升级并引发产业结构和经济社会的适应性变革。历史上三次科技革命的代表蒸汽机技术、电力和内燃机技术、计算机等技术不断推动经济结构从传统农业转向工业、服务业，从劳动密集型产业转向资本、技术、知识密集型产业，同时生产关系不断适应生产力的变化，社会制度结构产生持续性调整。本质而言，颠覆性技术的出现是新一轮技术—经济范式跃迁的逻辑起点，在演进路径中发挥着决定性作用。当下的技术发展水平尤其是关键生产要素的先进程度往往会决定产业结构的演进方向和经济社会的发展方向[19]。人工智能作为第四次工业革命的代表性通用目的技术，通过重构生产要素组合方式、颠覆生产组织模式以及重塑经济增长路径，将会引发新一轮技术—经济范式变革，其主要具有以下特征：
一是数据驱动性。人工智能应用需要大量高质量数据作为训练集，数据是驱动人工智能实现更高识别率和精准度，并进一步优化模型的关键要素。人工智能应用推动数据成为主导性生产要素，将数据纳入传统生产函数，有利于发挥数据要素本身的规模报酬递增效应和与其他生产要素组合所带来的价值增值效应[20]，重塑经济增长动能。二是网络外部性。人工智能的网络外部性体现为技术扩散过程中用户基数、数据规模与算法效能之间的互增强化机制，该动态正反馈系统是对传统梅特卡夫定律的范式升级。用户交互产生大量多模态数据，数据质量和规模的增加得以持续优化深度学习模型的表征能力，而模型精度的提升又反向吸引更多用户接入形成规模递增收益，这种互增强化机制使技术价值以超越“用户数平方”的指数级趋势增长。三是产业重构性。这主要依托于人工智能的广泛渗透性和全面赋能性[21]，人工智能技术能够根据不同应用场景识别问题并提供智能化解决方案，深度融入制造业和生产性服务业，对各产业发展起到赋能、赋智、赋值作用。通过改变传统生产方式和服务模式，人工智能重构企业生产组织结构[22]，进一步改造和提升传统产业，激发出一系列新产业、新业态。
(二)人工智能赋能两业融合的机制分析
第一，人工智能提供两业融合的融合基础。首先，技术基础方面。信息技术进步是产业融合的基础和内在驱动力[23]，能够为突破产业分立的固定化边界提供条件。人工智能具有溢出带动性很强的头雁效应，能推动智能技术在不同产业间扩散应用，助推先进制造业与生产性服务业形成共同的技术基础，促使产业间技术边界趋于模糊，从而引致两业融合。一方面，人工智能渗透改造传统制造业，基于智能传感器收集生产链条上的工业数据并构建工业大模型指导生产制造过程，能够形成数据要素流动化、算力基础设施化、算法模块化的产业技术体系，持续优化和提升生产效率。另一方面，人工智能深度嵌入生产性服务业，将分散的制造数据、市场数据与服务数据整合为可计算的数字资产，提供产品质量智能检测服务、生产设备智能维护服务、供应链智能管理服务等，通过数据、算力与算法的深度融合，重塑服务供给模式、优化资源配置效率并拓展价值链延伸空间。在技术扩散过程中，智能技术发展将产业技术体系解耦为数据、算力、算法的标准化技术模块、统一服务接口，使得先进制造业与生产性服务业共享同一技术底座，由此消解传统产业分立状态下的技术异构性，突破产业融合过程中的技术壁垒。其次，市场基础方面。人工智能发展通过数据要素的流动性增强与智能算法的资源配置优化，构建起先进制造业与生产性服务业深度融合的市场化支撑体系。在需求侧，智能经济时代消费者需求愈加呈现个性化、多元化特点，长尾效应显著。单一产品提供模式难以满足客户对商品质量和种类的要求，长尾效应所代表的市场潜力巨大，亟需提高制造过程的服务要素投入以满足消费者日渐旺盛的个性化需求。在供给侧，人工智能通过需求预测模型与用户画像技术精准捕捉市场长尾需求，通过API经济将离散的制造能力封装为可调用的服务模块①，使传统产能转化为即插即用的数字资产，驱动制造企业从批量生产向个性化定制转型；同时激发生产性服务业开发智能设计、协同仿真等增值服务，实现“制造即服务”。在供需协同作用下，人工智能为两业深度融合提供了广阔市场基础。
第二，人工智能降低两业融合的融合成本。先进制造业与生产性服务业深度融合的代表性业态是制造业服务化和服务业制造化，但两业融合不只局限于这两种业态，其最终目的是形成制造业与生产性服务业紧密联系的新型价值共创网络。新的价值网络能够以客户需求为中心来组织各类资源，客户需求是生产过程的核心。以此为基础，组织制造企业和生产性服务企业等多方参与者的加入，形成平台式的互联网连接模式。在此模式中，制造企业与生产性服务企业作为专业化网络节点，不同节点之间能够实现无缝连接。换言之，面对制造业个性化生产所需的中间投入服务，生产性服务业能够及时感知、无缝连接地嵌入制造业生产活动中。这就要求制造业与生产性服务业之间构建起稳定高效的合作渠道，创新合作模式并形成协同创新生态，不断降低融合过程中的各种成本。人工智能催生的平台化生态，为降低两业融合成本、创造新型价值网络提供了机遇。产业互联网平台聚集了大量制造企业和生产性服务企业，服务供给方和需求方可以通过平台进行实时交互，及时掌握各类行业信息并进行交易合作，产业互联网平台得以沉淀大量交易数据。人工智能基于平台交易数据和算法驱动资源配置优化，重构供需匹配机制，根据制造企业需求匹配相应生产性服务企业，降低二者合作过程中的搜寻成本和匹配成本，为市场中的匹配问题提供优化路径[24]。智能决策系统可以在大数据分析基础上识别风险企业，减少交易中的道德风险问题，进一步降低验证成本[25]，建立稳定可靠的合作关系。在产业互联网平台和人工智能推动下，制造业与生产性服务业深度融合的搜寻成本、匹配成本和验证成本等越来越低，制造业能够以低成本在研发设计、生产制造、营销售后、供应链管理等环节中获得高效服务，每个环节都可以与生产性服务企业无缝合作，最终形成一个以客户需求为中心、节点紧密联系的价值共创网络。
第三，人工智能提高两业融合的融合效率。人工智能作为一种通用性目的技术，能够对企业生产方式、组织形式和商业模式进行全方位变革，这种技术升级和组织结构优化有效提高两业深度融合效率，加速催生跨界经营现象。首先，人工智能通过重塑企业生产方式提高两业融合效率。一方面，基于数据要素的泛在感知与算法模型的自主演化，人工智能将企业生产流程分解为模块化操作系统，根据客户的差异化需求智能重组生产模块，企业生产方式得以实现从大规模生产向个性化定制转变，这种生产方式变革极大提升了制造业和生产性服务业的融合效率。另一方面，人工智能本身具有技术进步属性和技能偏向属性[26]，能够推动更多包含技术、知识、信息、人力资本的高端服务要素融入企业生产制造全过程[27]，从而进一步加速两业融合进程。其次，人工智能通过重塑企业组织形式提高两业融合效率。工业经济时代，企业组织内部分工以劳动分工、管理分工为导向，早期劳动分工导向下的组织结构为家庭手工工场制，管理分工导向下的组织结构大多为“直线—参谋制”和“事业部制”的科层制度[22]。智能经济时代，人工智能推动组织内部分工以知识为导向，组织结构越来越呈现纵向扁平和横向贯通趋势。一方面，智能决策系统减少对中层管理机构的需要，组织结构趋向扁平化。另一方面，人工智能将分散在企业各部门的数据整合为可计算的数字资产，实现从研发设计、生产制造，到营销售后的协同规划和跨部门的横向贯通。这种企业组织结构更加灵活高效，能够以客户价值需求为最终目的，从而提高两业融合效率。最后，人工智能通过重塑企业商业模式提高两业融合效率。人工智能催生的以服务为核心的平台化生态系统，将制造企业、生产性服务企业、平台企业、用户等多方参与主体聚集在一起，通过数据、算力、算法为一体的产业技术体系整合多方资源，有效解决两业融合过程中出现的用户数据缺乏、生产成本较高、运行数据不足等问题，进一步打通产品全生命周期各价值环节，有助于制造企业和生产性服务企业将传统封闭价值链拓展为开放共享的价值网络[11]，不断提升两业融合效率。
三、人工智能促进两业深度融合的作用成效与制约因素
(一)人工智能促进两业深度融合的作用成效
第一，人工智能作用于制造业促使两业深度融合取得成效。人工智能最初以工业机器人形式引入制造业中，近年来机器人应用规模不断扩大。根据国际机器人联合会发布的《2024世界机器人报告》，2023年全球新安装541302台工业机器人，中国占安装总量的51%，成为全球最大市场。2023年中国工业机器人保有量超过170万台，成为世界上第一个也是唯一一个拥有如此庞大工业机器人保有量的国家。其中，电气、电子行业和汽车行业是工业机器人应用的主要领域，2023年电气、电子行业总安装量为77464台，汽车行业安装量达到64882台[28]。人工智能技术的融入，使工业机器人由“机械执行”转向“自主决策”。工业机器人正迎来技术与应用的双重突破，以人工智能为核心的智能制造成为行业发展的重点领域。《中国智能制造产业发展报告(2023-2024年度)》显示，智能制造试点示范项目生产效率平均提高45%、产品研制周期平均缩短35%、产品不良品率平均降低35%，涌现出网络协同制造、大规模个性化定制、远程运维服务等融合业态[29]。据工信部数据统计，2024年底全国企业数字化研发设计工具普及率达84.1%，实现网络化协同企业占比达45.2%，开展个性化定制企业占比达15.7%[30]。大规模个性化定制在服装、家具等轻工业加快推广，协同研发制造在汽车、航空等高端制造领域日益兴起。
第二，人工智能作用于生产性服务业促使两业深度融合取得成效。人工智能具有显著的技术创新效应和技术溢出效应，可以提高产业劳动生产效率，降低生产成本，推动产业结构转型升级，从要素配置效率较低的低端生产加工业逐渐向要素配置效率较高的高端服务业转移，促进制造业与生产性服务业深度融合，不断提升生产性服务业比重[31]。据国家统计局数据显示，我国信息传输、软件和信息技术服务业，租赁和商务服务业等生产性服务业快速发展，2023年两者占服务业比重分别达到8.0%和***%，比2012年提高了3.1个和2.0个百分点。2023年信息服务、商务服务、研发设计与其他技术服务分别实现营业收入6.8万亿、3.9万亿和3.7万亿元，比上年分别增长11.8%、11.4%和***%[32]。人工智能促进生产性服务业发展，有效提升制造业生产效能，大飞机、新能源汽车、高速动车组等领域示范工厂的产品研发周期大大缩短，生产效率同步提升。与此同时，人工智能推动生产性服务业深度嵌入制造业，催生平台服务制造化、零售服务制造化等模式。根据天眼查数据显示，我国现存互联网和相关服务企业318.2万余家[33]。人工智能推动互联网平台企业利用自身数据资源和信息技术基础在服务衍生制造方面发挥资源精准匹配和供需对接优势。例如，京东借助平台优势，针对消费者个性化需求制造“京东京造”产品，将“服务+制造”相结合，成功开拓新的价值空间，服务业制造化蓬勃发展。
(二)人工智能促进两业深度融合的制约因素
第一，制造企业智能化基础薄弱，服务化延伸能力不足。制造企业实现智能化依赖于物联网、移动互联网、工业互联网等连接设施，传感器、智能设备、软件等数据设施，超算中心、云计算中心等算力设施，工业大模型等算法设施以及数字加工中心、机器人、3D打印机等生产设施建设[8]。在连接设施层面，虽然工业互联网平台数量持续增长，但设备协议标准不统一导致设备间互联互通存在显著障碍，特别是中小企业普遍存在老旧设备数字化改造滞后、工业现场网络覆盖盲区等问题。在数据设施层面，传感器部署密度与精度不足制约了数据获取的完整性，智能设备与软件系统间的数据接口缺乏统一规范，使得研发设计、生产制造、供应链管理等环节的数据孤岛难以打通，更难以构建全价值链的数据闭环。在算力设施层面，算力资源配置存在明显的区域与规模失衡，超算中心与云计算节点多集中于发达地区头部企业，中小企业在边缘计算部署和实时响应能力建设方面明显滞后，难以支撑工业大模型训练所需的分布式计算架构。在算法设施层面，通用大模型与垂直场景的适配性矛盾突出，工业机理知识与数据驱动的融合不足导致模型可解释性差，加之制造工艺参数与质量控制标准的高度复杂性，使得算法在实际产线中的决策可靠性面临严峻考验。在生产设施层面，生产设施智能化升级受制于改造成本与投资收益的不确定性，制造企业尤其是中小微企业，在智能升级中面临采购成本高企的困境，并且数据感知、算法模型开发等依赖外部服务导致费用高昂，进一步加剧了“不敢转、不会转”的转型困境。
第二，高端生产性服务业规模较小，优质服务供给能力欠缺。一方面，部分制造企业追求“大而全”“小而全”发展模式，生产活动与服务活动未能有效分离，专业化生产性服务企业发展受限。另一方面，部分生产性服务企业依然处于过度依赖制造业的状态，仅围绕制造企业生产环节提供基本的生产性服务，专业性强的研发设计、现代物流、商务咨询等生产性服务企业未能得到有效发展。两方面因素叠加导致高端生产性服务企业发展规模较小，核心竞争力较弱。更为重要的是，随着物联网、大数据、人工智能等数字技术的快速发展和广泛应用，制造业对数字化、智能化服务的需求大量增加。但目前，高端生产性服务业如大数据、人工智能应用服务等发展相对滞后，尚未形成规模优势，难以满足先进制造业对前沿技术服务的需求。并且，尽管一些企业已经开展设计、采购、建造、系统集成等总承包业务，但提供优质、高效、整体解决方案的能力还不强。
第三，跨业数据壁垒尚未破除，协同共享机制有待完善。一是应用场景的碎片化与协同性不足限制了数据在全链条效能的释放。当前人工智能应用多集中于质检、巡检等单点环节，缺乏从研发设计到营销售后的全价值链流程贯通，难以形成涵盖制造、服务各环节数据的规模化协同效应，阻碍了两业深度融合。二是数据信息垄断和条块分割较严重，数据信息流通共享不畅。制造企业基于供应链安全考量将设备运行参数、工艺配方等核心数据封闭于内部系统，而生产性服务企业则通过算法模型、用户画像等形成数据垄断优势，这种双向数据锁定导致跨领域数据要素难以实现价值耦合。三是数据资源开发利用不充分，数据利用效率较低。2023年全国数据产存转化率为2.9%，海量数据源头即弃。尚未建设数据管理系统的大企业比例为21.9%，实现规划管理的数据资源仍然较少。在开展数字化转型的大型企业中，实现数据复用增值的仅有8.3%[34]。四是行业标准及规范建设相对滞后。目前工业数据格式与服务业数据格式存在差异，产业链不同环节的数据采集标准与治理规则不同，缺乏相应的接口标准和规范，导致制造业与生产性服务业之间不能进行有效信息共享和业务集成，难以实现生产与服务的融合。
第四，产业互联网平台功能不足，融合服务效能亟需提升。一是产业细分服务能力不足。一方面，现有平台多聚焦通用型数字化、智能化工具，对区域特色产业的垂直场景覆盖不足。制造业本身生产工艺较为复杂，且不同制造业之间生产工艺存在显著差异，需要根据特定应用场景开发大量工业大模型。目前工业互联网平台亟待沉淀更多行业机理模型和专家算法，以根据不同行业推出高价值场景化解决方案，助力制造业与服务业融合发展。另一方面，现有平台尚未针对企业数字化成熟度提供分层服务。大部分平台以龙头企业需求为导向，忽视区域内大量中小微企业数字化能力薄弱问题。产业互联网平台服务柔性化不足，难以适配企业梯度差异，导致数字化、智能化赋能效率低下，制约两业深度融合。二是产业链数据存在断层。部分产业互联网平台建设不够完善，对于信息的收集整合能力不足，未能有效串联区域内“龙头企业—配套中小企业—服务商”的数据链路。两业融合进程中需要制造业与多种生产性服务行业进行合作，这样才能形成完整的制造业服务化和服务业制造化链条。但就目前而言，覆盖各行业、贯穿各环节的数据链条尚未打通，具有区域影响力的数字化综合服务平台还有待优化。
第五，复合型人才储备短缺，产业融合支撑能力薄弱。人工智能推动先进制造业与生产性服务融合发展，这将对数据标注师、数据分析师、算法工程师、机器人维护、机器人工程师等产生大量需求，而这些岗位具有“知识—技术”双密集属性：一方面，人工智能驱动的制造系统高度依赖算法模型开发、工业大数据分析、边缘计算部署等前沿技术能力；另一方面，其应用场景又与具体生产工艺、设备特性深度耦合，要求从业者兼具计算机科学与机械工程、材料科学等跨学科知识储备。目前，虽然已有部分高等院校设置符合人工智能产业发展所需的专业，但课程内容尚未融合人工智能基础、模型压缩技术、嵌入式开发以及制造工艺等知识。当下，人工智能技术创新正以指数级速度发展，两业融合进程随之加快。然而，现有学科建设和人才培养模式相对滞后于人工智能行业迭代更新速度，复合型人才储备相对不足，人才结构的失衡将制约两业融合发展走向纵深。
四、人工智能促进两业深度融合的政策取向与实践路径
(一)夯实智能转型基础，加速服务化能力升级
在连接设施层面，应深化物联网、工业互联网与5G技术的融合应用，推动企业内外部设备的高效互联与数据互通。建设国家级“5G+工业互联网”融合应用先导区，支持多协议兼容的工业物联网平台，实现设备统一接入与实时监控，降低设备接入复杂度并提升产业链协同效率。在数据设施层面，需强化智能传感器与边缘计算技术的部署，利用标准化协议实现多源异构数据的实时采集与治理，构建统一的数据基座，并依托可信数据空间实现工业数据的安全流通与跨场景应用，从经验驱动转向数据驱动。在算力设施层面，结合云边端协同架构，依托高性能超算中心提供弹性可扩展的算力资源，通过智能调度系统优化GPU利用率并降低训练成本，同时加强边缘节点的实时处理能力，支撑预测性维护、工艺优化等场景的快速响应。在算法设施层面，重点推动通用大模型与垂直场景的深度融合，通过行业机理知识注入与模型适配平台，实现智能决策等功能的垂直应用，加速模型在质检、供应链管理等环节的落地。在生产设施层面，通过大规模设备更新行动推动企业生产设备升级，对转型示范项目给予相应补贴，促进企业“上云用数赋智”，形成设计制造一体化的智能制造闭环。
(二)扩容高端服务生态，构建优质服务供给体系
一是打造高端生产性服务业产业集群。促进集群内企业扩能提质，特别是针对检验检测认证、概念验证中心等服务科技成果转化、促进创新产品进入市场的与先进制造业紧密相连的软件信息、研发设计、科技服务等高端生产性服务业。二是强化人工智能与生产性服务业重点领域的深度融合。聚焦研发设计、现代物流、科技服务等知识、资金密集型领域，通过核心算法突破与行业大模型适配，推动服务流程智能化重构，形成具备绿色化、智能化、定制化、集成化等新特征的服务模式。三是鼓励产业集群内生产性服务业领军企业与制造业龙头企业实现双向赋能。一方面，加快发展服务型制造，构建大中小企业融通、上下游产业链协同的服务型制造生态，同步完善研发设计、技术服务、供应链管理等服务，推动制造业企业向产业链前端延伸、后端拓展。另一方面，鼓励服务业企业向制造环节拓展，支持垂直电商平台以虚拟现实体验、线上直接参与等方式，开展反向制造、个性化定制等服务。
(三)破除数据流通壁垒，优化跨业协同机制
第一，建立统一的数据管理平台。搭建覆盖先进制造业和现代服务业全产业链的数据管理平台，整合生产制造、产品研发、供应链、市场营销、客户服务等多环节数据资源。统一数据采集标准，规范数据格式，确保不同来源、不同类型数据的兼容性与一致性，消除数据孤岛。第二，建立完善的数据共享机制。制定统一的数据共享规则和标准，明确数据共享的范围、方式、权限等，保障数据在制造企业、服务企业以及相关部门之间安全有序地流通。搭建数据共享平台或数据交易市场，实现先进制造业与现代服务业之间数据的互联互通。第三，提高数据开发利用效率。促进企业建立数据管理系统，实现对数据资产的全生命周期管理。优化数据流通交易体系，推动企业将闲置数据资源以租赁的形式提供给其他企业，实现数据价值的最大化利用。第四，加大公共数据开放力度。建立公共数据开放平台，简化数据申请和获取流程，降低数据获取门槛，提高数据开放的便捷性和时效性。推动公共数据与行业数据的有序开放，促进制造业生产运营数据、供应链流通数据与服务业市场需求数据、消费行为数据的深度融合。
(四)强化平台功能建设，增强融合服务效能
首先，推动产业互联网平台分级分类发展。打造一批跨行业跨领域的综合型、聚焦细分行业的特色型以及深耕特定技术领域的专业型产业互联网平台。创建细分领域的工业操作系统，沉淀一批行业机理模型和专家算法，能够快速形成面向不同工业场景的创新应用和解决方案，满足中小企业的个性化转型需求。其次，推动产业互联网平台从企业内部互联向企业外部生态构建转型。从赋能中小企业内部信息化、数字化开始，逐步拓展企业采购中台、企业销售中台业务，促进企业采购中台、企业销售中台与产业互联网平台实现对接。在此基础上，进一步与物流平台、金融平台、政府监管服务平台等进行互联互通。最终实现由企业内部数字化赋能到企业外部生态系统构建的转型，逐步形成先进制造业与生产性服务业互联的数字网络生态。最后，推动产业互联网平台实现横向价值链和纵向产业链的融合贯通。从横向商品现货交易市场向纵向产业链、供应链延伸，实现横纵结合的价值生态和价值链。横向商品现货交易市场要打通政府监管、生产、交易、物流、金融、数据等业务，纵向供应链要打通原材料采购、生产制造、场内物流、产成品销售、产成品物流等供应链环节，通过横纵结合促进两业融合发展。
(五)完善人才培育体系，强化产业融合支撑
一是构建多层次人才培养体系。调整优化高等教育学科专业设置，增设人工智能、数据科学、智能制造等新兴专业，促使课程融合人工智能基础、模型压缩技术、嵌入式开发以及制造工艺知识，推动交叉学科人才培养。推动中等职业教育院校改革，设立“人工智能+制造”专业，加强实训基地建设，建设一批“人工智能技能实训中心”。二是推动产业链与人才链协同发展。加强“产教融合”平台建设，实现技术研发、人才培养与人才需求的高效对接。鼓励企业与院校开展深度合作，构建校企合作机制，共同建立产业学院、实训基地、研发中心等。通过校企共建产业学院、实训基地及“订单班”等模式，精准对接制造业智能化转型与服务化延伸的人才需求。三是加大复合型人才吸引力度。以科创平台为引擎，构建复合型创新人才引育体系。紧密围绕项目、资金与人才的协同效应，加快打造更多具有全球竞争力的一流平台，推动人力资本组织平台化、赋能化，持续提升人才集聚效能。加快形成具有国际竞争力的人才制度体系，实施更加积极、更加开放、更加有效、更加包容的人才引进政策，加强国际交流与合作。
注释：
①API经济是基于API(Application Programming Interface，应用程序编程接口)技术所产生的经济活动的总和，是利用互联网的Web API技术，将企业能力或竞争力作为API服务而进行商业交换的经济模式。
参考文献
[1]中共中央关于进一步全面深化改革 推进中国式现代化的决定[M].北京：人民出版社，2024.
[2]李强.政府工作报告——2025年3月5日在第十四届全国人民代表大会第三次会议上[N].人民日报，2025-03-13(01).
[3]苗翠芬.人工智能与制造业服务化[J].经济与管理研究，2023，44(7)：22-39.
[4]陈洪章，黎绍凯，汤晓军.工业机器人应用与企业服务化转型[J].当代财经，2024(7)：116-131.
[5]万兴，刘静.工业互联网平台赋能、价值共创与制造企业服务化绩效研究[J].工业技术经济，2024，43(5)：15-25.
[6]潘珊，郭凯明.人工智能、岗位结构变迁与服务型制造[J].中国工业经济，2024(4)：57-75.
[7]王晓蕾，杜传忠，刘磊.工业互联网赋能服务型制造网络的演化逻辑与路径优化研究[J].经济学家，2022(10)：108-118.
[8]李晓华.数字技术推动下的服务型制造创新发展[J].改革，2021(10)：72-83.
[9]戴魁早，黄姿，梁银笛.数智技术、技术要素市场与服务型制造[J].中国工业经济，2025(1)：137-155.
[10]周明生，张一兵.数字技术发展促进制造业与服务业融合了吗[J].科技进步与对策，2022，39(13)：74-82.
[11]矫萍，田仁秀.数字技术创新赋能现代服务业与先进制造业深度融合的机制研究[J].广东财经大学学报，2023，38(1)：31-44.
[12]高觉民，李晓慧.生产性服务业与制造业的互动机理：理论与实证[J].中国工业经济，2011(6)：151-160.
[13]周振华.产业融合：产业发展及经济增长的新动力[J].中国工业经济，2003(4)：46-52.
[14]戴维·莫谢拉.权力的浪潮——全球信息技术的发展与前景1964-2010[M].北京：社会科学文献出版社，2002.
[15]植草益.信息通讯业的产业融合[J].中国工业经济，2001(2)：24-27.
[16]洪群联.中国先进制造业和现代服务业融合发展现状与“十四五”战略重点[J].当代经济管理，2021，43(10)：74-81.
[17]何大安.生成式AI、企业竞争路径与产业组织架构[J].求索，2024(5)：61-71.
[18]佩蕾丝.技术革命与金融资本：泡沫与黄金时代的动力学[M].北京：中国人民大学出版社，2007.
[19]任保平，王子月.数字经济推动形成新质生产力“技术—经济范式”的框架与路径[J].经济纵横，2025(1)：76-87+136.
[20]李海舰，赵丽.数据成为生产要素：特征、机制与价值形态演进[J].上海经济研究，2021(8)：48-59.
[21]杜传忠，张榕，刘书彤.人工智能全面赋能我国现代化产业体系的机制与路径探析[J].经济纵横，2024(11)：36-45.
[22]戚聿东，徐凯歌.技术革命、生产方式变革与企业组织结构调整[J].管理世界，2024，40(10)：1-15+35+16.
[23]周振华.信息化进程中的产业融合研究[J].经济学动态，2002(6)：58-62.
[24]荆文君，孙宝文.数字经济促进经济高质量发展：一个理论分析框架[J].经济学家，2019(2)：66-73.
[25]徐红丹，王玖河.人工智能如何赋能企业新质生产力[J].科技进步与对策，2025，42(7)：1-8.
[26]高翔，张敏，刘啟仁.工业机器人应用促进了“两业融合”发展吗？——来自中国制造企业投入服务化的证据[J].金融研究，2022(11)：58-76.
[27]祝树金，罗彦，段文静.服务型制造、加成率分布与资源配置效率[J].中国工业经济，2021(4)：62-80.
[28]苟桂枝.国际机器人联合会发布2024年世界机器人报告[J].机器人技术与应用，2024(6)：1-4+19.
[29]北京信息产业协会.中国智能制造产业发展报告(2023-2024年度)[R/OL].(2024-06-12)[2025-04-26].http***
[30]工业和信息化部等三部门联合印发《轻工业数字化转型实施方案》，发展目标更明确，转型路径更清晰[EB/OL].(2025-03-28)[2025-04-27].http***
[31]潘珊，李剑培，顾乃华.人工智能、产业融合与产业结构转型升级[J].中国工业经济，2025(2)：23-41.
[32]国家统计局.服务业地位作用更加彰显发展质效持续提升——新中国75年经济社会发展成就系列报告之四[EB/OL].(2024-09-11)[2025-04-28].http***
[33]马芳.天眼查：广东互联网和相关服务相关企业数量居全国第一[EB/OL].(2024-04-22)[2025-04-29].http***
[34]国家工业信息安全发展研究中心.全国数据资源调查报告-(2023年)[R/OL].(2024-05-30)[2025-04-29].http***
