工信部部长李乐成在今年3月5日的第十四届全国人大四次会议首场“部长通道”集中采访活动中说：“人工智能+制造”是一个必答题，不是一个选择题。今年，我们将大力推动“人工智能+制造”，制造业的各行各业都要拥抱人工智能，深度挖掘高价值的应用场景，培育一批高水平的典型应用，打造一批特色智能体。通过‘找场景’来进一步深度挖掘传统产业的发展潜力，通过‘造场景’激发新兴产业和未来产业的创新活力。”

2026年是我国“十五五”规划开局之年，也是人工智能技术爆发式落地应用之年。处在这个时候，我们应该要花大力领会和学习国家近期发布的关于人工智能和智能制造方面的重磅政策，并在这些政策引领下，实践“AI+服装制造”行动。

我认为，这些核心重磅政策有以下几个：

一是，2024年10月28日工信部等六部门正式发布的《关于开展2024年度智能工厂梯度培育行动的通知》。该通知把《智能工厂梯度培育行动实施方案》作为附件，其中为企业端精准赋能阶梯升级，提出了构建基础级-先进级-卓越级-领航级四级体系，让不同规模、不同基础的企业都有清晰智能化路径，避免“一刀切”；

二是，2025年4月工业和信息化部根据《“十四五”智能制造发展规划》任务要求，打造智能制造“升级版”，结合智能制造最新实践和发展趋势，工业和信息化部组织编制了《智能制造典型场景参考指引（2025年版）》。这是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，凝练出的8个环节的40个智能制造典型场景，作为智能工厂梯度培育、智能制造系统解决方案“揭榜挂帅”、智能制造标准体系建设等工作的参考指引；

三是，2025年11月7日《国务院办公厅关于加快场景培育和开放推动新场景大规模应用的实施意见》。这是2026年AI场景创新的“总纲领”，首次明确场景是连接技术与产业的核心桥梁，要求加快培育AI相关新场景，杜绝“伪场景”“伪试点”，推动AI场景从“单点试点”向“规模化落地”转型，重点布局制造业、未来产业、民生服务等领域，为全年AI场景赋能新质生产力定调；

四是，2025年12月2日官方公开发布《国务院关于深入实施“人工智能+”行动的意见》。这是聚焦“AI+制造”前沿布局，明确推动AI技术与制造业深度融合，突破产业技术瓶颈，引导企业创新AI场景，为“AI+制造”提供核心政策支撑；

五是，2025年12月29日《工业和信息化部等八部门关于印发“人工智能+制造”专项行动实施意见的通知》。这是一个覆盖制造业AI应用、基础设施、产业生态、产品创新与安全保障的系统性战略行动纲领，也是聚焦AI场景落地的实操，是“AI+制造”领域的核心专项政策，明确2026年重点开展AI与制造业全链条融合场景创新，对通过场景验证的企业给予政策补贴，推动AI技术赋能智能工厂、柔性生产等核心场景。核心专项政策还明确了截至2027年的全流程、全场景、全产业链目标，这对我国制造业迈向智能化、集成化与全球竞争力提升具有指向性意义。

在以上五个国家重磅政策领引下，我国服装制造业正从劳动密集型向技术密集型深度转型。AI不再是可选工具，而是企业必须落地的核心能力。近年来，我们在推进 “AI + 服装制造” 时，较多应用计算机视觉、机器学习、分布式问题求解、智能机器人、知识表示、知识获取与推理等 AI 技术。我国服装规上企业应用视觉技术的比例达到 40%，另有40%~50%的企业在生产环节应用了相关AI技术。但从总体来看，AI技术主要集中应用于交互、设计及生产环节，在采购、销售、物流与服务等环节应用相对较少。

另外，我们还知道AI场景建设是企业新质生产力落地的核心载体，人工智能技术的价值实现，必须依托具体场景的赋能与落地。脱离场景的技术突破，无论参数多高、算法多先进，都难以形成可持续的产业价值。从本质而言，国家政策正在倒逼AI产业“去虚向实”，彻底终结前几年“重技术、轻落地”“炒概念、伪场景”的行业乱象，引导产业回归到企业价值核心的创造。

图一 制造企业AI场景应用划分

大家知道，所谓场景在制造企业中是指产品研发设计、质检、产线调度、企业管理运营等非常具体且边界清晰的生产任务或问题。我国在推进制造业数智化转型过程中，曾多次强调要“场景驱动”或“拓展应用场景”。在《“人工智能+制造”专项实施行动意见》政策中，还明确提出“到2027年，推出1000个高水平工业智能体，打造100个工业领域高质量数据集，推广500个典型应用场景，培育2~3家生态主导型企业和一批专精特新中小企业，打造一批“懂智能、熟行业”的赋能服务商，选树1000家标杆企业”。国家要在2027年推广500个典型应用场景，可见国家对场景的重视。至今，我们服装企业业务场景有哪些？其业务场景的痛点又是什么呢？

（1）在服装研发设计环节中，典型场景有两个：一个是AI辅助设计与流行趋势预测场景——通常利用AIGC工具生成款式图、色彩搭配，并基于大数据分析全球流行趋势辅助决策；另一个是服装3D虚拟打样与人体适配模拟场景——通常利用数字模特和虚拟试穿技术来实践。

现在这两个典型场景的智能化核心痛点如下：一是，服装材料性能模拟难——现有AI算法难以精确模拟面料在染色、加工及户外环境下的防水、透气等复杂性能，目前仍需物理打样验证；二是，跨系统互操作性差——表现在所有设计软件与生产管理系统数据格式不兼容，易导致数据丢失或传递误差，不利于智能化。

（2）在生产制造环节中，典型场景有三个：一是AI智能裁剪与吊挂系统场景；二是AI视觉质检，识别常规瑕疵产品场景；三是柔性混流生产产线场景。

当前这三个典型场景的智能化核心痛点主要有：一是特殊面料质检准确率低，AI 视觉技术对特殊面料（如风格面料、复杂纹理）的瑕疵识别准确率不高，触感评估难以智能化，目前仍依赖人工。二是工艺与设备匹配不足，柔性生产要求设备定制化开发，但现有智能制造设备难以完全适应小批量、多批次的快速切换需求。

（3）在仓储物流环节中，典型场景有两个：一个是5G+AGV智能搬运场景，要求AGV机器人能自行出入电梯、跨楼层运送面辅料，实现“货到人”拣选，准确率要达到99.99%；另一个是自动分拣与熄灯仓库场景，要求仓储系统全自动化运行，分拣效率要高，能实现“熄灯运转”。现在这两个典型场景的智能化核心痛点是：一个是多系统数据流打通难，如面辅料仓WMS、生产MES、机器人RCS系统间数据接口标准不统一，集成成本高；另一个是库存预测没有100%的准确率，传统备货模式难以应对动态需求。

（4）在计划调度环节中，典型场景是动态排程与快速交付的“快反模式”。其核心痛点是现在用的吊挂系统动态排程复杂——多款式、多规格同时在线生产时，如何优化工序分配、避免产线拥堵仍是技术难点；其次对非标服装产品预测难，因为定制服装“一人一版”导致计划复杂度指数级上升，难以做到“小步快跑”的预测模式。

（5）在采购供应环节中，典型场景是关于供应商协同平台，它要求原辅材料一体化、全品类集约化采购，实现库存云端化共享。但现在普遍存在“一物多码”现象的痛点，从而使得供应链上下游物料编码不统一，数据接口缺乏标准，阻碍全链路协同。

（6）在营销服务环节中，典型场景是直播电商与全域零售，它要求AI辅助选品和主播带货，以及门店拉式补货，实现“全国一盘货”。但现在普遍存在的核心痛点是节日营销快速响应不足，一般促销高峰期的需求波动很大，现有系统难以做到极速选品、组货和补货等。

（7）在运营管理环节中，典型场景是数字孪生与可视化管控场景——其中需要3D挂线数字孪生模型实时监控生产进度，产线异常要自动报警等。但是由于现在复合型人才短缺，特别是既懂服装工艺又掌握数字技术的人才缺口大，在中小企业尤其缺乏专业运维能力。

（8）在决策管控环节中，典型场景是数据中台与智能决策场景，这个场景要求打通ERP、MES、WMS数据，形成“数据集成-实时可视-智能分析-快速决策”闭环。但该场景由于外部变量融合难核心痛点，加上数据采集不全、标准不一，决策支撑模型难以成功。

弄清服装企业的智能化典型场景痛点后，接下来的目标是用AI技术精准解决问题，但在这之前要做好典型场景智能化水平评估和规划。需要从以下四个方面着手：一要看服装企业的业务和管理流程是否适合AI技术改造；二要看服装企业目前的数据管理处于什么水平，是否能够支撑AI技术应用，特别是数据有没有、能不能用、用得好不好；三要看企业有没有AI技术落地应用氛围；四要看企业有没有懂AI技术的人才队伍。

做好企业典型场景智能化水平评估后，接下来要做的是做好典型场景智能化规划。我认为，场景智能化规划可以分五步进行：

第一步是根据场景落地的排序先后进行规划。现在大多数企业是从经营管理典型场景做起（例如对如智能客服、库存优化等场景），然后是研发设计典型场景（例如辅助设计、虚拟之试衣等场景），再后是中试验证典型场景（例如对参数优化、数据生成等场景），最后是生产制造典型场景（例如排产调度、质量检测等场景）。之所以这样排序进行规划是因为越靠前的场景，投入越小、见效越快、风险越低。先拿这些场景练手、建立信心、积累经验，再逐步深入最难落地的生产制造环节；

第二步是对提升企业用的软件和硬件基础智能能力进行规划，例如对设备加装传感器和智能仪表、部署边缘计算设备、升级工业专网。让设备能"说话"、数据能传输；

第三步要对构建高质量数据集，建立数据管理体系进行规划；

第四步要合理规划布局算力资源，很多企业一提算力，就想着"要不要买一套服务器、建个机房"，但国家建议是优先采用云计算服务，因为它投入小（按需付费）、灵活性高（随时扩容或缩容）、技术门槛低（不需要自己招运维团队；。

第五步要对模型选型与调优进行规划。五步规划做好了，场景智能化准备工作就差不多了，就可着手进入实践阶段了。其实，规划实践路径往往和企业投资是分不开的，所以也需要评估投资回报率（ROI）。可以从投入成本和产出价值两方面来算账。然后，制定分阶段实施的路线图，不要试图一步到位。

2024年，工信部、国家发改委等6部门联合印发《关于开展2025年度智能工厂梯度培育行动的通知》，通知明确，智能工厂培育分为基础级、先进级、卓越级和领航级四个层级（见图二）。同时，鼓励企业依据智能制造能力成熟度模型（CMMM）来推动智能工厂的能力建设与升级，并对不同层级智能工厂的CMMM等级作出了明确规定：

其中，卓越级与领航级智能工厂，是构建“智能制造梯度培育体系”的顶端环节，遵循“基础级-先进级-卓越级-领航级”的严格进阶路径，属于“达标式培育、分级认证”的体系。其核心目标是立足中国制造业实际，打造“国内领先、全球引领”的本土标杆，推动产业整体转型升级，本质是“国家层面引导企业循序渐进提升智能制造能力”的顶层设计。

根据智能工厂的四个等级要求，我认为，其各个级别的重点和目标如下：基础级是企业数字化普及版，数字化技术成熟度极高，已经在制造业广泛应用，有了这个基础才能对标“揭榜挂帅”要求；先进级是为了打造区域和行业标杆而设，企业要具备完善的“自动化+数字化”基础。例如，企业必须要有设备联网、MES执行系统、智能吊挂、自动裁剪、RFID可追溯等，其目标做到降本增效、质量稳定、小批量快反能力初步形成，解决了企业看得见的效率瓶颈；卓越级是为打造全行业全国标杅而设，企业要具备AI深度赋能，柔性生产成型。例如，企业必须要有AI排产、AI视觉质检、3D虚拟试衣、数字孪生多款式混线生产、全链路数据打通，面料利用率与交付周期显著提高等；领航级是为打造全球领先而设，企业要具备自主决策，生态级智能协同制造。例如企业要有AI预测、无人化车间、端到端数字孪生、供应链智能协同、按需制造、零库存响应、技术与模式双引领等。这是对标国家“揭榜挂帅”重大攻关项目，实践意义十分重大。

要认知服装企业智能化最终目的是建自主的超级自动化服装工厂

由于AI技术的突飞猛进，埃森哲根据全球制造业应用AI技术的态势，于2024年9月提出了 “超级自动化工厂”（Hyperautomation Factory）的概念，并预期这一模式将于2040年实现。埃森哲为何作出这一判断？因为到2040年，制造企业将全面采用自动导引车（AGV）取代人工物料搬运设备，打造智能化、自主化的入厂物流；将全面采用工业机器人和具身智能机器人构建智能产线与智能车间，以自主化方式处理绝大多数制造流程；生成式AI技术将得到全面应用，支撑自主学习型机器、智能人机交互，以及运营效率与劳动力利用的实时优化；企业将整合虚拟制造与实际制造，融合产品、流程与实时数据，开展数字孪生运营；智能互联制造单元将取代大多数传统线性制造流程，以高度灵活、高效的方式实现超定制化产品的工业化生产；企业仓库将全面实现自动化与数字化，成为与制造流程实时同步、在工厂内无缝整合的 “黑灯仓库”；企业员工将全面组成数字互联团队，在工业元宇宙中实现跨职能无缝协作等。

可见，由上述技术支撑的“超级自动化工厂”具备鲜明特征：它超越了传统自动化与智能化工厂；它是融合机器人、数字孪生与人工监督的制造生态系统；它具备自我优化能力；能够实时预见干扰、灵活应变并优化生产；真正实现了高度自主的智能运行。

1）2026年，第十四届全国人大四次会议上的《政府工作报告》首次提出要“打造智能经济新形态”。这是全新的提法，实质是抓住人工智能发展机遇，拓展人工智能赋能千行百业的广度和深度，加快打开经济增长新空间、培育新模式、壮大新动能。从“人工智能+”到“打造智能经济新形态”，意味着发展逻辑从局部赋能向系统性重塑转型，人工智能将对生产、分配、交换、消费全链条进行深度再造中华人民共和国国家发展和改革委员会。

2）服装企业应立足国家“AI +制造”战略，以痛点为起点、以分级为路径、以“揭榜挂帅”为抓手、以超级自动化工厂为愿景。这样，中国服装制造企业必将实现智能化跃迁，在全球产业链占据领航地位。

3）希望服装企业能够做到：

第一，在战略上响应国家“人工智能+”行动，将智能化转型作为服装行业的必答题；

第二，在起点上先找准场景真实痛点，不盲目上马技术与设备；

第三，在路径上按先进级-卓越级-领航级分步推进建设；

第四，在方法上对标“揭榜挂帅” 机制，推动项目化、标准化落地；

第五，在目标上瞄准2040年，建成高度自主的超级服装自动化工厂。