人工智能与制造业的深度融合，是关乎未来竞争格局的战略抉择

　　人工智能加速与实体经济深度融合，深刻改变制造业生产模式和经济形态，成为驱动产业升级、重塑全球格局的关键变量。近日，工业和信息化部等八部门联合印发《“人工智能+制造”专项行动实施意见》。《意见》明确了到2027年在关键技术、生态培育、场景应用等方面的目标，从国家层面确立了人工智能赋能制造业的战略路线图，不仅为产业升级指明了方向，更对支撑这一进程的教育和人才供给体系提出了紧迫而明确的时代要求。

　　推动人工智能与制造业深度融合，是一场涉及知识体系重构、生产流程再造与人才能力重塑的系统工程，其难点在于人工智能技术普适性与制造业知识专有性之间存在鸿沟。一方面，制造业生产具有复杂性和高可靠性要求，使其知识体系高度依赖场景。另一方面，当前大模型范式的人工智能技术发展优势在于处理通用信息，在面对制造业的具体问题时，往往存在水土不服的问题。这一结构性矛盾决定了深度融合不能仅依赖市场自发的“需求牵引”或“技术推动”，而是迫切需要系统化培养复合型人才，为技术创新提供人才支撑。

　　当前，我国人工智能人才培养体系不断完善，截至2025年，全国已有600多所高校开设人工智能专业，200余所高校设立智能科学与技术专业，形成了多层次人才培养体系，人才培养效能显著提升。但人才培养与制造业的需求仍存在错位的情况，培养规模与质量还不够匹配，知识体系与产业需求存在脱节情况，课程内容更新速度仍滞后于技术迭代，产教融合深度还不足，还需要进一步完善校企合作协同机制。高校是人才培养的主阵地，能否培育产教融合型人才，很大程度上决定了人工智能与产业深度融合的“双向赋能”构想能否从政策蓝图转化为产业现实。因此，深化教育供给侧改革，构建适应“人工智能+制造”需求的新型人才培养与科技创新体系，是破解融合瓶颈、夯实产业升级根基的关键。

　　为此，高校要进一步培育贯通人工智能与制造业的融合型人才，打破传统学科壁垒，实现学科重构和知识体系的融合。这远非简单增设课程，而是要在机械工程、材料科学、自动化等传统工科专业中，深度嵌入以解决制造业问题为导向的人工智能知识模块，构建工业智能等交叉学科。其深度体现在课程设计上，要引导学生运用人工智能工具解决如工艺优化、质量控制等真实工业课题，而非仅学习算法理论，从而在知识源头上培养其跨界的思维模式与解决问题的能力。

　　为打破理论研究和技术应用壁垒，要鼓励创新校企协同机制，打造人才培养与技术迭代的联合试验场。当前，学科专业设置与产业需求的紧密度仍不够高，这是融合人才培养的瓶颈所在。要打破传统工科与信息科学的壁垒，完善人才知识结构，使之更好应对制造业智能化转型中的复杂系统问题。要鼓励校企合作从浅层走向深层，升级为共担风险、共享成果的联合试验场。高校可与企业共建兼具教学、研发与中试功能的创新平台，将企业的真实难题转化为学生的毕业设计或科研项目。总而言之，是要构建一个“干中学”的闭环：学生在前沿实践中获得真知，企业以较低成本获取创新方案与潜在人才，高校则通过持续的场景反馈优化学科建设，实现人才培养与技术迭代的同频共振。

　　产业所需是高校研究的指向标，高校要着力填补实验室成果与市场化产品之间的空白地带，提高科技成果转化效率。这要求高校专业化孵化器或技术转移机构向前延伸，设立概念验证基金和提供跨学科指导，对早期成果进行技术可行性与商业潜力评估。要通过专业的早期介入，降低成果转化的初始风险，吸引社会资本跟进，让更多源自高校的人工智能创新能够跨越“死亡之谷”，最终服务于制造业的提质增效。

　　人工智能与制造业的深度融合，是关乎未来竞争格局的战略抉择。高校要以更大的决心打破学科壁垒，以更活的机制深化产教融合，以更实的举措畅通转化路径，使创新活力与制造升级相互赋能，最终实现教育供给与产业需求的同频共振。

　　（作者系华东师范大学经济与管理学院金融系系主任、副教授）