2026年9月20日，国家工业信息安全发展研究中心在合肥发布《制造业数智化转型能力水平（2026）》。截至2026年上半年，中国两化融合发展水平达到67.1，较2022年的59.6提升7.5，整体进入数字化、网络化、智能化协同推进的新阶段。结构上呈现明显落差：研发设计、生产制造、经营管理环节数字化普及率分别为86.3%、69.5%、81.4%，近五成企业开展网络化协同；但人工智能技术重点场景应用普及率仅为34.2%（较上年增长5.5个百分点），仅10.6%的规模以上制造业企业依托人工智能大模型赋能业务革新。这组读数说明，制造业转型的主战场已从补数字化底座，转向把已有数据变成AI可用的生产要素。
指数背后的四年：从59.6到67.1
两化融合指信息化与工业化融合，其发展水平是衡量制造业数字化、网络化、智能化转型成熟度的综合指数。报告显示，该指数从2022年的59.6增至2026年6月底的67.1，四年提升7.5。中心主任江明涛表示，数智技术正向制造业全链条渗透，持续重塑产业价值体系。
对企业来说，指数抬升的直接含义是：数字化不再是少数龙头企业的专属动作，而已成为规模以上企业的普遍基线。当基线抬高，竞争焦点就从“有没有系统”转向“系统里的数据能不能被AI用起来”。
底座厚：三组普及率撑起基本盘
分环节看，研发设计环节实现数字化普及的企业比例最高，达86.3%；经营管理环节81.4%；生产制造环节69.5%。网络化融通同步纵深拓展，全国近五成企业开展网络化协同、个性化定制，数字孪生、链网协同、智能生产等新业态新模式加速涌现。
生产制造环节69.5%明显低于研发设计，是这组数据里最值得注意的落差。研发设计数字化多由CAD、CAE、PLM等工具驱动，采购即可见效；生产制造环节则要连接设备、打通协议、改造产线，边际成本高、周期长。这个落差也解释了为何下一阶段投入重点必然落在车间。
渗透浅：34.2%的AI普及率与10.6%的大模型应用率
与数字化底座形成对照的是智能化渗透率。报告显示，人工智能技术重点场景应用普及率达34.2%，较上年增长5.5个百分点；仅10.6%的规模以上制造业企业依托人工智能大模型赋能业务革新。
5.5个百分点的年增幅说明AI应用正在加速，但34.2%与86.3%之间仍隔着一道台阶。从“有数据”到“AI能用数据”，差的是数据治理、场景定义与组织配套——这正是多数制造企业完成信息化改造后遇到的第二道门槛。
| 阶段 | 主要建设内容 | 典型普及率 | 主要瓶颈 |
|---|---|---|---|
| 数字化 | 工具软件上云、流程线上化 | 研发设计86.3% | 生产环节设备连接 |
| 网络化 | 协同平台、数据贯通 | 近五成企业 | 跨企业数据口径不一 |
| 智能化 | 场景AI、大模型应用 | 34.2% | 数据治理与组织配套 |
区域样本：安徽68.2位列全国第五的启示
区域层面，工业大省继续发挥“挑大梁”作用。安徽两化融合发展水平提升至68.2，位列全国第五、中部第一，基本实现重点行业规上企业数字化改造、规下企业数字化应用“两个全覆盖”；其人工智能技术在制造业重点场景应用普及率、规上制造业企业大模型应用普及率分别位居全国第五、第七。
值得注意的是，安徽的AI普及率与大模型应用率排位高于其总指数排位。这说明后发区域可跳过部分信息化补课阶段，直接在AI场景上形成局部领先——前提是选对场景，而非先做一轮全面改造。
企业怎么补这门课：三步走
一是把生产制造环节的69.5%补齐
重点不是买新设备，而是把已有设备的数据采集与协议打通做好。连接层理顺，上层的分析与模型才有数据可用，这也是投入产出比最高的一步。
二是先梳理数据，再谈模型
把工艺参数、质检记录、设备日志整理成口径统一、可被检索的数据集，是数据挖掘能否产生价值的分水岭。数据准备度不足时更换模型，收益极为有限。
三是用小场景验证，再逐步扩展
优先选择质检、排产、能耗、客服这类边界清晰、价值可核算的环节，避免在核心工艺尚未数据化时直接上大模型。内部IT力量有限时，通过成熟的软件外包方式分阶段推进更稳妥。
结语：门槛正在从资金变成路径选择
从67.1到34.2%这组读数看，制造业数智化已过了“有没有工具”的阶段，真正的差别在于是否选对第一个场景、是否把数据准备做在前面。一道科技立足杭州，长期为制造与科技企业提供AI大模型定制、数据挖掘与软件外包服务，在智能制造场景梳理、工业数据治理与系统集成方面有可复用的工程经验。若您正在评估转型切入点，欢迎通过官网了解我们的服务，或在资讯中心查阅更多解读。
常见问题（FAQ）
两化融合指信息化与工业化融合，其发展水平是衡量制造业数字化、网络化、智能化转型成熟度的综合指数。2026年上半年全国达到67.1，较2022年的59.6提升7.5，标志整体进入数字化、网络化、智能化协同推进的新阶段。对企业而言，这一指数更像行业基线：低于它意味着数字化基础仍有缺口，高于它才谈得上在智能化层面竞争。
34.2%指人工智能技术在制造业重点场景的应用普及率，较上年增长5.5个百分点，说明AI正加速渗透但仍处早期；同期仅10.6%的规模以上制造企业依托大模型赋能业务革新。与研发设计86.3%、经营管理81.4%的数字化普及率相比，智能化明显滞后。企业合理的应对不是追赶模型热点，而是先补齐数据采集与治理，再选择质检、排产、能耗等边界清晰的场景切入。
建议按三步走：一是把生产制造环节的数据采集与设备协议打通，缩小69.5%对86.3%的落差；二是梳理工艺参数、质检记录、设备日志，形成可被模型使用的数据集；三是选择价值可核算的小场景试点，用AI大模型定制或数据挖掘方式快速验证。内部技术力量不足时，可借助成熟的软件外包能力分阶段推进，避免一次性大投入带来的风险。