（问题）制造业加快向高端化、智能化、绿色化转型的背景下，服务型制造正成为提升产业附加值、增强韧性的关键路径；钱锋在调研中表示，我国服务型制造发展势头较好，但与发达国家相比仍有差距：变革性数智技术在工业场景中的深度应用不够，高能级平台供给不足；跨行业、跨环节的数据要素尚未充分流通；有关政策、标准、统计与评价体系仍需统筹衔接，制约了服务型制造从“点状改进”走向“系统跃升”。（原因）钱锋分析认为，短板主要集中在三上：一是关键软硬件仍受制约，工业操作系统、工业软件、高端传感器等部分领域对外依赖度较高，影响核心环节的自主可控和迭代效率；二是面向工业复杂场景的大模型可靠性、精确度与可解释性上仍需提升，难以稳定进入工艺优化、质量控制、设备运维等关键环节；三是工业数据“多源异构、分散沉睡”，标准不统一、治理能力不足、共享机制不健全，导致数据难以转化为可复用的模型能力和决策能力。（影响）业内人士指出，如果这些问题不能有效破解，服务型制造的规模化推广将遇到瓶颈：企业的数字化投入可能停留在局部环节，难以形成研发、生产、采购、运维、运营等全链条协同增效；中小企业获取高质量数据、算法工具和平台服务的门槛偏高，影响产业链协同效率；同时，在全球制造业竞争加速重构的背景下，平台、标准与数据生态的短板，可能削弱我国在新型工业化关键赛道上的比较优势。（对策）围绕如何打造“人工智能+服务型制造”新模式，钱锋提出一揽子建议。 一是聚焦关键技术攻关与共性能力建设。建议设立服务型制造关键技术创新专项，建设共性技术平台，集中突破工业操作系统、工业软件、智能感知等瓶颈环节；加强面向工业现场的多模态算法研究与验证，推动智能定制服务、全生命周期管理、智慧供应链管理等新型服务加快落地。针对工程领域智能化需求，他提出面向工程应用组织专项攻关，推动工业具身智能系统研发，探索融合模型决策逻辑与专家经验的“群体智能”体系，提升人机协同决策能力。 二是强化制造业数智化平台支撑。建议以数据驱动和智能决策为核心，加快构建新型“工业大脑”，推动研发、生产、采购、维保、运营等多环节的智能原生应用协同运行；在集成电路、生物医药、机器人等重点领域，培育具有全球影响力的垂直类产业互联网平台；依托特色产业园区和生产性服务业功能区，吸引国内外龙头平台集聚，带动头部平台企业加快国际化布局和服务能力输出。 三是提升工业数据共享和融合利用能力。建议支持龙头企业攻关多源异构数据融合决策、长尾场景样本合成、智能数据标注等关键技术；加快构建重点领域行业机理模型，形成一批高质量工业语料库和数据集；支持产业集聚区建设数据治理服务平台，完善采集设施与治理工具；建立数据资源地图，打造行业数据供需对接平台；同步推进数据标准体系与共享机制建设，推动智能应用从单点试用走向全局协同。 四是完善综合保障与政策协同。建议出台“人工智能+服务型制造”专项行动方案，将服务型制造与智能制造协同发展纳入政策、标准、统计体系，并与政府考核、国企绩效评价指标相衔接；鼓励各级产业基金设立服务型制造子基金，强化长期资本支持；建设融合创新示范区、产业集聚区和公共服务平台，培育服务型制造咨询与服务机构，推动数据要素与业务场景深度结合。（前景）受访专家认为，随着关键核心技术持续突破、平台生态逐步完善以及数据要素市场化配置改革加快，服务型制造有望加快从“以产品为中心”转向“以用户价值和全生命周期服务为中心”。面向未来，通过在重点行业先行先试，形成可复制、可推广的标准、平台与解决方案，将有助于带动中小企业降本增效、提升质量可靠性，并深入增强产业链供应链韧性与国际竞争力。
服务型制造的竞争，本质上是工业知识、数据资源与组织能力的综合比拼。把握数智化变革机遇，既要在关键技术上持续攻坚，也要在平台生态、数据治理与制度供给上形成合力，推动制造业从要素驱动转向创新驱动，以更高质量的供给体系适配国内外市场新需求，为建设现代化产业体系打牢基础。