《技术转移行业蓝皮书2025》在大湾区创新生态大会，正式发布！

4月20日-22日，由大湾区科技创新服务中心、长城企业战略研究所、凤凰网财经共同发起的2026大湾区创新生态大会在广州圆满举办，近500位行业精英线下齐聚，共话创新发展。4月21日，远诺技术转移中心首席运营官程凡受邀出席，并在大会分会场正式发布《技术转移行业蓝皮书2025》。

陕西技术经理人建设迎来“双引擎”

   从3月27日召开的陕西省技术经理人队伍建设工作推进会上获悉：陕西启动技术经理人能力提升计划，推动技术经理人队伍专业化、职业化、规范化发展，加速科技成果转移转化。陕西省科技资源统筹中心相关负责人介绍，技术经理人能力提升计划包括“百人千企计划”和“托举计划”。“百人千企计划”旨在充分发挥技术经理人的力量与资源优势，助力企业精准梳理技术需求，提升其在技术需求挖掘与成果转化服务方面的实战能力。“百人千企计划”通过实训和企业技术需求实战培养相结合的方式，提升技术经理人主动挖掘深层技术需求、精准翻译技术语言、推动靶向研发落地的技能，确保技术方案精准匹配业务目标，推动创新成果快速转化。2026年，“百人千企计划”将在全省各市开展活动，培训100名以上技术经理人，服务500家以上企业，挖掘500项以上技术需求，促进产学研深度合作。“托举计划”致力于以实战为核心，为技术经理人提供深度参与前沿科技项目产业化的实战平台，通过项目孵化和需求对接的方式，培养一支专业、高效、复合型的技术经理人队伍。该计划鼓励技术经理人组成服务团队，以“服务换股权”的形式直接介入具体项目的商业化进程，并推动科技企业成长。据了解，首期“托举计划”已汇聚84名参与者，其中核心技术经理人35名，累计组织对接会议70余次，深度跟进科技成果21项，对接企业技术需求13项，成功推动了多个项目公司化落地。

攀登“智造”阶梯——全景解读智能工厂梯度培育体系

                  从“制造”到“智造”，并非一蹴而就，而是一场需要精准导航的持续攀登。当前，国家层面系统构建的智能工厂梯度培育体系，正是为中国制造企业量身打造的“登山路线图”与“赋能加速器”。这不仅关乎技术升级，更是重塑竞争力、抢占新赛道、发展新质生产力的核心战场。本文将带您全景解读这套培育体系，厘清从“基础”到“领航”的晋级之路。01政策解码：什么是智能工厂梯度培育01                                                           智能工厂梯度培育背景                                                智能工厂是实现智能制造的主要载体，是制造业数字化转型智能化升级的主战场，也是发展新质生产力、建设现代化产业体系的重要支撑。在《“十四五”智能制造发展规划》中，国家明确提出“到2035年，规模以上制造业企业全面普及数字化网络化，重点行业骨干企业基本实现智能化。”为实现这一目标，工业和信息化部、国家发展改革委、财政部、国务院国资委、市场监管总局等部门深入实施智能制造工程，前期已带动全国各地万余家制造业企业开展数字化车间和智能工厂建设试点工作，取得了显著成效，为大规模推广奠定了基础条件。当下，以新一代人工智能为代表的数智技术迅猛发展、实体经济与数字经济加速融合、全球产业竞争日趋激烈、新型工业化进程持续深入，智能制造亟须向更大范围拓展、更深程度渗透、更高层次演进。因此，国家部委提出建立智能工厂梯度培育体系，分层分级系统性、规模化推进智能工厂建设，旨在带动形成安全可控、系统完整的智能制造高水平供给体系，构建更加完善的智能制造标准及评价体系，夯实我国制造业数字化网络化基础，引领智能化变革。数据显示，2024年我国智能制造产业规模已达4.8万亿元，预计到2026年市场规模将达5.8万亿元左右。在刚过去的两会上，政府工作报告再次明确“要推行普惠性‘上云用数赋智’服务，持续加大对中小企业数智化转型的支持。拓展智能制造，新建设一批智能工厂和智慧供应链。”整体来看，智能制造的行业增长空间巨大。                                02                                                           智能工厂梯度培育现状                                                为贯彻落实国务院办公厅印发的《制造业数字化转型行动方案》，以及《“十四五”智能制造发展规划》任务部署，2024年10月，工信部等六部门印发了《关于开展2024年度智能工厂梯度培育行动的通知》，包含《智能工厂梯度培育行动实施方案》（以下简称“实施方案”）《智能工厂梯度培育要素条件》等指引文件，将分基础级、先进级、卓越级和领航级四个层级开展智能工厂梯度培育行动。2025年6月，六部门再次联合印发通知并启动了2025年智能工厂梯度培育行动，按照《智能工厂梯度培育要素条件（2025年版）》(以下简称“要素条件（2025年版）”)，分基础级、先进级、卓越级和领航级智能工厂四个层级进行动态培育，这四个层级，构成了一个从“数字化普及”到“智能化变革”，从“追赶”到“引领”的完整能力进阶阶梯，对加速制造业数字化网络化智能化发展，加快产业技术变革和优化升级，推动制造业产业模式和企业形态根本性转变，促进我国产业迈向全球价值链中高端具有重要战略意义。据工信部披露数据，全国已建成3万余家基础级智能工厂、1200余家先进级智能工厂、230余家卓越级智能工厂、15家领航级智能工厂。其中，卓越级智能工厂分布在全国31个省（区、市），覆盖超过80%的制造业行业大类，共建设智能仓储、在线智能检测、产品数字化研发设计、智能排产调度、质量追溯与分析改进等优秀场景近2000个，工厂产品研发周期平均缩短28.4%，生产效率平均提升22.3%，不良品率平均下降50.2%，碳排放平均减少20.4%，提质增效降碳成效显著，代表了我国制造企业数字化转型、智能化升级的领先水平¹。                                02 行动指南：智能工厂如何攀登升级                                01                                                             智能工厂梯度培育体系                                                依据工信部《实施方案》，智能工厂分为四个层级：1.基础级智能工厂。聚焦数字化改造、网络化连接开展建设，推动数字化普及。需部署必要的智能制造装备、工业软件和系统，加快生产过程改造升级，企业对照基础级智能工厂要素条件自建自评²。省级工信主管部门、有关中央企业结合实际指导基础级智能工厂建设并做好监督管理。2.先进级智能工厂。在自评且认定为基础级智能工厂前提下，按照《要素条件（2025年版）》要求，聚焦数字化转型、网络化协同开展建设，推动生产、管理等重点环节集成互通和协同管控，打造区域行业领先的发展标杆。本级智能工厂应强化成果经验总结，形成具有区域、行业特色的数字化转型智能化升级发展路径。3.卓越级智能工厂。在认定为先进级智能工厂前提下，按照《要素条件（2025年版）》要求，聚焦数字化转型、网络化协同和智能化升级开展建设，开展人工智能技术应用探索，推进制造各环节集成贯通和综合优化，打造全国领先的发展标杆。本级智能工厂应积极培育智能制造系统解决方案和标准并复制推广，推动能力共享和协同升级。4.领航级智能工厂。在认定为卓越级智能工厂前提下，按照《要素条件（2025年版）》要求，聚焦数字化转型、网络化协同和智能化变革开展建设，推动人工智能技术广泛深度应用，与制造全过程的深度融合，探索未来制造模式，打造全球领先的发展标杆。本级智能工厂应积极对外输出新技术、新工艺、新装备和新模式，引领研发范式、生产方式、服务体系和组织架构变革。                                02                                                             智能工厂申报认定要求                                                依据《要素条件（2025年版）》，智能工厂培育建设包含基础要求、符合相应层级的建设内容及成效指标。1.基础要求。一是企业应为规模以上工业企业，企业和产品均具有较强的市场竞争力；二是企业近三年经营和财务状况良好，无不良信用记录、无较大及以上安全、环保等事故，无违法违规行为；三是工厂使用的关键技术装备、工业软件、工业操作系统、系统解决方案等安全可控，网络安全和数据安全风险可控；四是企业应建立智能工厂统筹规划、建设和运营的组织机制，拥有一批智能制造专业人才；五是基础级和先进级工厂智能制造能力成熟度评估水平达到GB/T 39116—2020《智能制造能力成熟度模型》二级及以上，卓越级智能工厂应达到三级及以上，领航级智能工厂应达到四级及以上。2.智能工厂核心要求梯度对比。四级智能工厂的关键差异，体现在主要特征、自评成熟度、绩效水平、引领作用、核心能力、人才培养等6个维度上。参见下表：                                类别基础级先进级卓越级领航级主要特征数字化改造、网络化连接数字化转型、网络化协同数字化转型、网络化协同和智能化升级探索                                                        数字化转型、网络化协同和智能化变革自评成熟度二级及以上二级及以上三级及以上四级及以上绩效水平主要技术经济指标高于省（区、市）同行业平均水平。主要技术经济指标应处于省（区、市）同行业领先水平。主要技术经济指标应处于国内同行业领先水平，其中应用人工智能技术场景比例不低于20%。                                                        主要技术经济指标全球领先，其中应用人工智能技术场景比例不低于60%。                                                        引领作用/在省（区、市）同行业起到引领带动作用在国内同行业起到引领带动作用，带动供应链上下游协同开展数智化升级打造全球领先的应用标杆，通过“母工厂”等方式推动工厂建设经验复制推广，引领产业链上下游形成智能制造协同创新生态。                                                        核心能力//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”                                                        培育的智能制造解决方案实现对外输出，形成较为完善的企业智能制造“标准群”，推动形成行业、国家标准。                                                        人才培养//建立较为完善的智能制造复合型人才培养体系，培养一批智能工厂建设和运营人才培养智能制造领军人才，对外提供智能工厂建设和运营指导或服务。                                3.智能工厂建设关键绩效指标。《要素条件（2025年版）》共设置了能力提升类、价值效益类、生产运营效率类、可持续发展类、推广应用类等5大类21项绩效指标，如下表所示：                                序号智能工厂建设关键绩效指标（一）能力提升类指标                                                        1关键设备数控化率（%）                                                        2先进过程控制投用率（%）                                                        3数字化生产设备普及率（%）                                                        4应用人工智能技术场景比例（%）                                                        5工厂应用人工智能模型数量（个）（二）价值效益类指标                                                        6研制周期缩短（%）                                                        7销售增长率（%）                                                        （三）生产运营效率类指标                                                        8生产效率提升（%）                                                        9资源综合利用率提升（%）                                                        10产品不良率下降（%）                                                        11设备综合利用率提升（%）                                                        12库存周转率提升（%）                                                        13供应商准时交付率（%）                                                        14订单准时交付率提升（%）                                                        15单位产值运营成本下降（%）                                                        16全员劳动生产率提升（%）                                                        （四）可持续发展类指标                                                        17单位产值综合能耗降低（%）                                                        18单位产值二氧化碳（CQ2）和排放量                                                        19一般固废综合利用率（%）                                                        20水资源重复利用率（%）                                                        (五)                                                        推广应用类指标                                                        21先进制造模式/解决方案向产业链供应链上下游复制推广的企业数量（家）                                                                                        提示：企业自评时，不仅要看建设内容是否覆盖，更要关注成效指标是否真实可达。申报材料需用数据和案例证明绩效水平和引领作用。                                03                                                           智能工厂怎么建好建优                                                智能工厂建设是智能制造的基础，智能工厂制造典型场景则是推动智能制造的基本业务单元。只有在各个制造环节打造出相应的智能化技术应用场景，才能实现好产品全流程全周期的智能工厂建设。有关部门根据智能制造多年探索实践，结合技术创新和融合应用发展趋势，通过解耦³、数字化和智能化重构工厂业务，凝练出8个环节的40个可复制推广的智能制造典型场景，覆盖了从顶层设计到终端服务的全价值链，为企业智能工厂梯度培育等工作提供具体实施路径和参考指引。1.八大环节典型场景概览。在工厂建设环节，从数字化设计、数字基础设施建设到构建数字孪生工厂，为智能运营奠定基础。在产品研发环节，聚焦产品数字化设计、虚拟验证，利用AI大模型等技术加速创新。在工艺设计环节，侧重强调工艺的数字化设计、仿真与工程优化，确保制造过程的稳定高效。在生产管理环节，强调实现计划、排产、调度、物流（仓储与配送）的智能化，并集成安全、能源、碳与污染的精细化管控，支持网络化协同制造。在生产作业环节，关注产线本身的智能化，包括柔性换产、工艺优化、先进控制、人机协同、在线检测、质量追溯与分析、设备监控与预测性维护等。在运营管理环节，通过智能决策、数智精益、规模化定制和精准营销，提升整体经营效益。在产品服务环节，延伸至后市场⁴，通过远程运维、增值服务和主动服务，创造新价值并提升客户粘性。在供应链管理环节，实现供应商数字化管理、采购协同优化、供应链风险预警与智能物流配送，构建韧性供应链。2.场景案例精选。结合《智能制造典型场景参考指引（2025年版）》，以下选取6个典型场景展开说明。场景2：数字基础设施建设。可适用于钢材、家电、医药等行业。如宝钢湛江钢铁的5G全连接工厂，通过对厚板厂热处理炉控制系统进行改造，打造国内首个5G远程集中操控室，实现端到端时延达50ms以下，在提升工厂算力和网络能力的同时，还推动年运维成本降低40%。场景12：仓储智能管理。可适用于家电、电子产品、医药、快消品等行业。如海康威视通过建设超过1500个自动导向车（AGV）集群的调度系统，实时管理数万条SKU（库存单元），进行自主存储、分拣和包装，从而实现大批量、长周期无干预连续生产，使得生产效率提升19.28%，运营成本下降17.48%。场景14：危险作业自动化。可适用于化工（有毒物料搬运）、金属冶炼（高温炉作业）、汽车（焊接/喷涂）等行业。如万华化学福建工厂在有毒物料灌装区部署防爆型协作机器人，替代人工进行高危物料的精准投放与封装。不仅消除了职业健康风险，还实现了24小时不间断作业，生产效率提升20%。场景23：人机协同作业。可适用于电子装配（手机组装）、汽车总装（螺丝锁附）、医疗器械（精密组装）等行业。如华为松山湖终端工厂在手机主板组装线上引入协作机器人。工人负责精细的排线连接，机器人则承担重复性的螺丝锁附、屏幕贴合等重负载工作。这种“人机混线”模式既保留了人工的灵活性，又发挥了机器的稳定性，人均产出提升了30%。场景24：在线智能检测（机器视觉质检）。可适用于电子（PCB检测）、汽车（零部件外观）、纺织（布匹瑕疵）、食品（包装完整性）等行业。如福州市长乐区恒申合纤科技在纺丝产线上部署工业相机，利用AI算法自动识别丝饼表面的毛丝、油污等瑕疵。替代人工目检后，检测效率提升33%，准确率高达99%，大幅减少了漏检率。场景27：设备运行监控。可适用于通用设备制造、汽车零部件、金属加工等行业。如锐捷网络数字化工厂通过部署物联网网关，实时采集计算机数控（CNC）机床、注塑机等关键设备的运行电流、温度数据。系统自动计算设备综合效率（OEE），一旦设备异常停机，APP立即推送告警，维修响应时间缩短了60%。                                03他山之石：从标杆案例看领航级智能工厂的实施路径                                以入选全国首批领航级智能工厂的“先进航空装备柔性敏捷智能工厂”为例，成都飞机工业（集团）有限责任公司（以下简称“成飞”）的实践，完美诠释了如何应对先进航空装备“产品多样、流程复杂、批产与研制混线”的世纪难题，其核心在于构建了一套柔性、敏捷、智能的制造新范式⁵。一是战略上，坚持一张蓝图干到底的定力，构建系统性数字基座。先进航空装备一直都是高端复杂装备的典型代表，成飞的智能化转型并非一蹴而就，源于其长达四十余年的战略坚持。从上世纪80年代参与国家863计划，到持续推进“数字成飞”工程，长期的系统性数字工程建设为智能工厂奠定了坚实基座。“十四五”期间，成飞发布《“数智航空”建设成飞方案》，以智能底座和智能车间为核心，明确布局与时间表。这正体现了政策所倡导的长期主义和体系化推进思路，即智能工厂建设是企业级的系统工程，需顶层设计、分步实施、久久为功。二是技术上，打造垂直领域AI引擎，破解“智能落地难”的问题。政策将“AI技术应用场景比例不低于60%”作为领航级工厂的核心指标，而成飞则提供了“如何落地”的典范。面对制造业数据多源异构、专业壁垒高的共性挑战，成飞不是简单套用通用AI模型，而是自主研发了企业级人工智能开放平台——“成飞易智”。该平台专注于打造航空制造垂类模型，将AI深度融入设计、工艺、生产、质量等全流程。例如，在质量管理中，AI不仅用于表面缺陷检测，更能辅助工程师进行问题根因分析与方案溯源，契合了政策所鼓励的AI从“感知”向“认知”与“决策”的深度赋能。三是场景上，以“黑灯工厂”与“柔性装配”实现制造模式革命。成飞在具体场景的突破，精准对应了政策中“卓越级”“领航级”的关键特征。在生产作业环节，成飞建设的数控“黑灯工厂”实现了物流、加工、监控全自动化，设备利用率达到80%以上，并通过“AI+信号分析”创新实现刀具破损的精准监测，体现了生产全流程的优化与智能化。在产品研发与工艺设计环节，其构建的数字化柔性装配线和“测试岛”，利用数字孪生与AI算法，实现了多机并行自动测试与故障智能诊断，将测试周期缩短60%以上，满足了多状态、小批量、高复杂度产品的快速研制需求。这标志着从传统固定产线到可重构的柔性生产模式的跃迁。四是在驱动上，检验检测数字化，实现质量闭环与持续改进。在检验检测场景，成飞将复杂检测变为如同“拍CT”，检验检测数字化率高达76%。这不仅仅是效率提升，更深层的价值在于构建了全流程质量数据闭环。数字化体系归集的海量数据能够持续反哺设计与制造环节，驱动工艺优化与设计迭代，实现了政策所强调的基于数据的产品全生命周期优化与质量可追溯。成飞的实践表明打造领航级智能工厂的路径是清晰的，以长期战略为引领，以自主可控的垂直领域AI平台为核心引擎，选取生产、装配、检测等关键场景进行颠覆性革新，最终通过全流程数据贯通，实现制造模式从“经验驱动”到“数据与智能驱动”的根本性转变。成飞的实践固然高端，但其方法论具有普适性：长期主义的战略定力、技术与场景的深度融合、数据驱动的持续改进。对于基础级工厂企业，可学习其“分步实施”的耐心；对于先进级、卓越级工厂企业，则可借鉴其打造垂直领域AI能力和构建数据闭环的思路。智能工厂的梯度培育，既是一场技术竞赛，更是一次深刻的组织进化与耐力长跑，能否将政策机遇切实转化为不可替代的核心竞争力，在制造强国的新征程中行稳致远，这是一道必答题。                                ¹装备工业一司，智能工厂梯度培育行动取得初步成效，2025年7月                                    链接：https://www.miit.gov.cn/jgsj/zbys/gzdt/art/2025/art_4341c71b91d64262b7d205be011c7992.html                                    ²自建自评，指在智能制造评估评价公共服务平台（www.c3mep.cn）经评估，获取智能制造能力成熟度等级证书基础上，参照附件1《要素条件（2025年版）》中建设要求进行建设，结合建设成效要求进行自我评估，以满足基础级智能工厂条件。                                    ³现代化工业生产中，复杂设备或装置因为控制参数较多，由于耦合关系，使得系统难于控制、性能变差。此处解耦指减少各个模块/组件之间的依赖关系，降低系统的复杂性，使其能够独立工作，避免牵一发动全身情况出现。                                    ⁴后市场是指原始产品交易完成后，围绕产品使用、维护、升级及相关服务形成的经济活动市场。涵盖维修、保养、升级、二手交易、租赁、衍生服务等内容。在汽车行业中，后市场包括汽车维修保养、汽车金融、配件销售、二手车交易、充电服务及停车管理等环节，贯穿车辆从购买到报废的全生命周期。在家居行业，后市场涉及配送、安装、维修、保养、更新改造及回收处理等服务。                        ⁵中国航空报，《创新为炬智能为翼 航空工业成飞打造先进航空装备柔性敏捷研制新范式》，2025年12月                                    链接：https://www.avic.com.cn/c/2025-12-02/637557.shtml     本文基于工业和信息化部印发的相关政策文件、智能工厂相关报道进行整理与解读分析形成，其中最新申报要求以2026年官方通知为准。

一问一答丨AI如何赋能知识产权创造？（第84期）

随着人工智能技术的迭代升级，AI已深度渗透到知识产权创造的全流程，打破传统模式的局限，在专利、商标、著作权等领域实现高效赋能，为知识产权创造注入全新活力，推动创新成果的快速转化与保护。在知识产权创造中，AI的应用主要聚焦于挖掘、检索与撰写三大关键环节：在专利挖掘方面，AI通过语义理解与技术聚类技术，可快速梳理科研论文、实验数据、产品技术方案等海量信息，自动识别潜在创新点与可专利主题，精准提炼技术核心，避免创新点遗漏，尤其适用于多技术融合领域的专利挖掘，大幅提升挖掘的深度与覆盖面。在专利检索与查新环节，AI突破传统检索的局限，实现多语种、跨数据库的高精度检索，可快速比对全球专利文献，判断技术方案的新颖性与创造性，给出授权概率预判，有效降低漏检、错检率，减少重复研发与侵权隐患，为专利创造提供前置性保障。在专利撰写环节，AI可基于挖掘的创新点与检索结果，自动生成权利要求书、说明书摘要、说明书等初稿，规范专业术语与撰写格式，贴合专利申请的规范要求，大幅缩短撰写周期，同时辅助专业人员优化权利要求布局，提升专利申请的通过率。除专利领域外，AI在商标与著作权创造中也发挥着重要作用。在商标创造方面，AI可根据企业品牌定位、行业属性，智能生成多样化的商标文字、图形方案，同时联动商标数据库进行实时查重筛查，规避近似商标风险，提升商标申请的成功率，减少无效投入。在著作权创造领域，针对AI生成内容、原创文案、设计作品等，AI可进行原创性识别与权属标注，精准区分原创内容与引用内容，辅助创作者规范创作流程，同时为著作权登记提供高效的原创性佐证，支撑版权合规创造。如今，AI在知识产权创造中的应用始终坚守人机协同的核心原则，AI承担了数据处理、初稿生成等繁琐的重复性工作，让专业人员集中精力聚焦技术逻辑、法律规范与市场价值的精准把控，实现知识产权创造效率与质量的双重提升。这种赋能模式已广泛覆盖企业、科研机构、技术转移机构等各类创新主体，成为推动知识产权高质量创造、激发创新活力的重要动力。