数智化转型如何重塑传统制造业
——基于纺织服装业和共享智造模式的研究

 

传统制造业是现代化产业体系的基底。伴随着新一轮科技革命和产业变革加速演进，推动传统制造业数字化转型成为加快培育新质生产力和实现高质量发展的重点工作。党的十八大以来，党中央、国务院高度重视制造业数字化转型进程，不断强化顶层设计与系统部署，相继出台《关于深化制造业与互联网融合发展的指导意见》《关于深化新一代信息技术与制造业融合发展的指导意见》等政策文件，有力推动制造业数字化转型的实践探索与整体提速。2024年5月国务院常务会议审议通过《制造业数字化转型行动方案》，标志着相关政策加快步入系统攻坚与精准实施的窗口期。2025年党的二十届四中全会审议通过《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》，明确要“坚持把发展经济的着力点放在实体经济上，坚持智能化、绿色化、融合化方向”，并强调“优化提升传统产业”“推动技术改造升级，促进制造业数智化转型”“促进实体经济和数字经济深度融合”。作为制造强国建设的主攻方向，传统制造业数字化转型程度直接关系到我国制造业的质量水平和核心竞争力。对于传统制造业，数字化转型意味着将数字技术深度嵌入生产制造、运营管理与市场营销等，以此充分释放数据要素对实体经济的倍增效应，进而推动产业实现质量变革、效率变革、动力变革（吕铁，2019）。推动传统制造业向数字化、网络化、智能化纵深发展，成为实现经济高质量发展、构建现代化产业体系的必然要求。

一、传统制造业数字化转型进程

传统制造业是实体经济的重要组成部分，传统制造业增加值约占制造业总量的80%（张培丽，2025），涵盖钢铁、石化、纺织及食品加工等国民经济关键领域。此类产业普遍具有资产高度密集、生产流程复杂、产业链条冗长且以中小企业为主体的结构性特征，且存量设备跨越不同技术周期，存在明显的技术代际差异。与依托数字原生优势的新兴产业不同，传统制造业的数字化转型大多体现为在原有生产体系和组织结构基础上的渐进式调整过程。数字化在本质上是将产品、服务及相关业务活动逐步转化为可生成、存储和传输的数据形式，从而为生产、销售、组织决策等提供信息基础的过程（Banalieva&Dhanaraj，2019）。由此看来，数字化不仅涉及信息技术工具的引入和应用，更体现为借助数据要素重构企业资源配置方式与价值创造机制。但由于存量资产的高昂沉没成本与高度耦合的技术体系，传统制造业在转型过程中通常面临着较强的路径依赖与组织惯性，需要企业在生产设备、工艺流程与组织结构之间深度协同，以适配现有资源禀赋、组织能力与市场需求相互间的动态关系。“十四五”以来，传统制造业数字化转型进入全面提速阶段，在供给体系完善、行业转型深化与企业数字化能力等方面均取得积极进展，为进一步推动产业转型升级奠定了重要基础。

（一）供给体系持续完善

数字基础设施建设和供给能力的持续增强与标杆示范形成有效联动，成为推动传统制造业转型升级的重要支撑。数字技术的广泛应用能够提升信息传输效率，大幅降低数据处理与交易成本，从而影响资源配置方式与产业组织形态（许恒等，2020），为传统制造业数字化转型提供技术基础与制度环境。一是新型信息基础设施规模化落地，夯实了工业互联互通基础。截至2025年10月，我国累计建成5G基站475.8万个，覆盖所有地级市和县城城区；工业领域5G应用快速发展，全国“5G+工业互联网”项目已超过2万个，建成5G工厂逾8000家。低时延、高速率的通信网络有效突破了设备远程控制和互联的技术瓶颈，使得工业数据的实时传输与边缘计算能力大幅提升。二是多层次工业互联网平台与全域标识解析体系加速构建，成为促进数据要素流通的关键载体。截至2025年底，我国累计培育具有行业及区域影响力的平台超过340家，重点平台连接工业设备数突破1亿台（套），接入国家顶级节点的企业节点数量超53万家，累计标识注册量7188亿个。这一系列基础设施的完善打破了跨企业及跨领域的数据壁垒，有效降低了产业链上下游特别是中小企业的集成与协作门槛。三是标杆示范机制的牵引作用日益凸显。我国已基本形成分行业、分梯队的示范发展格局，截至2026年1月，我国累计培育101家“灯塔工厂”，占全球约45%，累计建成421家国家级智能制造示范工厂，智能工厂梯度培育体系全面铺开。超过90%的国家级示范工厂已深度融合AI算法或数字孪生技术。上述示范企业在技术应用与组织创新方面积累经验，借助供应链网络，对上下游关联主体企业产生了显著的溢出效应（杨金玉等，2022；魏娟等，2025），进而通过产业链协同机制加速全行业数字化转型进程。在系统化供给与示范效应的共同带动下，传统制造业转型路径呈现出一定的行业异质性。例如，石化和钢铁等流程型行业侧重依托工业互联网与物联网技术实现全流程数据采集与工艺参数优化（陈彦斌，2026），以提升能效与质量稳定性；而离散型行业则更强调生产线柔性化与供应链协同管理，通过部署5G专网与云平台，实现对生产过程的实时监控和动态调整。

（二）梯度分化特征明显

目前我国传统制造企业数字化投入持续增加，产业数字化能力建设呈现结构性提升趋势，整体转型保持“稳中有进、分化演进”态势。借鉴甄红线等（2023）关于企业数字化转型的测度方法，本文依托CSMAR中国上市公司数字化转型研究数据库，测算了2016—2023年间我国传统制造业的数字化转型水平。结果显示，样本期内我国传统制造业数字化转型指数总体呈持续上升趋势，其中“十三五”末期增速相对平缓，而进入“十四五”时期，指数上升速率明显提升，并于2023年达到阶段性高位（见图1）。这表明，随着数字基础设施持续改善、技术应用场景不断拓展以及企业数字化投入逐步增加，我国传统制造业的数字技术积累及应用实践持续深化。

图1 2016—2023年我国传统制造业数字化转型指数

注：图中指数基于CSMAR中国上市公司数字化转型研究数据库，以企业年报披露信息、专利数据、行业统计等为基础，评价体系涵盖战略引领、技术驱动、组织赋能、环境支撑等六个维度。样本为传统制造业上市公司（2016—2023年），剔除ST、*ST公司及相关数据缺失样本。实线为营业收入加权均值（以公司营业收入作为权重，反映行业总体水平的规模加权结果）。虚线分别为当年公司层面指数分布的P25与P75，刻画行业内部公司数字化转型水平的中位分布区间与离散程度。本指数仅为行业数字化转型的上市公司部门代理变量。

 

从行业结构看，传统制造业内部的数字化转型并未同步推进，而是表现出较强的梯度分化特征。2021—2023年间，以营业收入加权平均值衡量，电气机械、装备制造等技术密集或柔性制造特征突出的行业持续处于领先位置，说明这些行业在工艺智能化、系统集成与平台化运营等方面已形成较为完整的应用体系。相比之下，食品饮料、化工材料、纺织服装等行业受制于传统工艺路径相对稳定、价格竞争主导等因素，数字化转型动能相对偏弱，行业间指数差值较大（见图2）。从动态演进看，尽管各行业的数字化转型指数均有所增长，但领先行业的数字技术红利加速累积，而部分传统行业增长速度较为缓慢，导致产业间“数字鸿沟”不断拓宽，“马太效应”日益明显。这深刻反映了既有技术基础、要素禀赋与资本壁垒对数字化转型深度的强约束作用。

图2 传统制造业行业数字化转型程度（2021—2023年）

注：图中行业大类根据产业的核心生产原料与产品类型，并依据中国证监会发布的《上市公司行业分类指引（2012年修订）》及国家统计局《国民经济行业分类（GB/T 4754-2017）》，对CSMAR数据库中传统制造业上市公司进行归类，分为8大类别。各行业分类指数通过将企业层面数字化指数按营业收入加权后取平均值得出。本指数仅作为行业数字化转型的上市公司部门代理变量。

 

细分至国民经济行业分类层面，数字化转型水平较高的行业多集中于电气机械及器材制造业（C38）、铁路船舶航空航天和其他运输设备制造业（C36）等技术密集型领域，而纺织、印刷、皮革制品制造等行业普遍处于转型梯队尾部（见图3）。这表明，“十四五”以来，传统制造业整体数字化水平虽有所提升，但行业间转型梯次格局并未发生根本性改变。值得注意的是，纺织服装业的数字化转型呈现明显的结构性失衡，在生产作业与经营管理环节具备较好的数字化基础，但在研发设计与产业链协同方面存在显著短板（中国信息通信研究院，2026）。在个性化需求与产能过剩双重挤压下，纺织服装业亟须依托数据要素重构“人—货—场”逻辑关系，向“小单快反”的敏捷柔性供应链演进。因此，剖析纺织服装业这一典型行业的转型路径，对于理解传统制造业数字化转型具有重要参考价值。

图3 2023年传统制造业各子行业数字化转型程度

注：图中行业依据《国民经济行业分类（GB/T 4754-2017）》分类，各行业分类指数通过将企业层面数字化指数按营业收入加权后取平均值得出。仅保留样本量不低于10家的细分行业。

（三）系统集成与生态协同加速推进

 

从企业层面看，传统制造业数字化转型的广度和深度持续拓展，呈现从工具普及向系统集成、生态网络协同演进的鲜明特征。就应用广度而言，关键量化指标稳步提升。CAD/CAE、数控装备等数字化工具在生产环节的普及应用，推动制造流程逐步摆脱对人工经验的依赖，转向设备数控化和设计数字化为支撑的运行方式。《制造业数字化转型发展报告（2025年）》数据显示，全国规模以上工业企业关键工序数控化率从2020年的54.7%提升至2025年的70.6%，数字化研发设计工具普及率从73.5%增至81.2%。就应用深度而言，企业数字化应用模式从单点环节的效能提升向全链贯通。龙头企业着力搭建覆盖研发设计、生产制造、供应链管理及营销服务全链条的集成化数字平台。以汽车制造业为代表的离散型行业中，数字孪生技术正成为实现产品全生命周期动态管理的核心技术载体。如赛力斯智慧工厂，其通过数字孪生系统融合AI技术，对冲压、焊接、涂装、总装等传统环节实施全流程数字化改造，实时模拟2000余项生产变量预演工艺流程，将冲压件精度提升至微米级，有效提升制造精度和生产效率。网络化协同制造、服务型制造等新模式加速涌现，突破了传统企业的物理边界与组织形态。企业通过数字平台与上下游合作伙伴共享设计成果和产能信息，从而实现供应链高效协同，这意味着价值创造逻辑正从内部流程优化延伸至外部生态协作。人工智能技术加速嵌入制造业关键环节，工业大模型与智能体的逐步落地，成为企业提质增效的新引擎。IDC调研显示，中国工业企业应用大模型及智能体的比例从2024年的9.6%大幅提升至2025年的47.5%，生成式人工智能备案数量稳步增长。这些技术已在研发设计、中试验证、生产调度等场景展开应用，推动制造业向智能化决策和自主化运行方向持续发展。

然而，现阶段数字化转型进程仍呈现显著的非均衡性特征。东部沿海地区产业集群及龙头企业依托要素禀赋和先发优势，已进入深度集成与模式创新阶段，并涌现出一批“灯塔工厂”；而广大中小企业尤其是规下企业以及部分中西部地区传统产业，数字化水平仍停留在局部应用和基础改造阶段，“不愿转、不敢转、不会转”的问题较为突出。数字化转型的收益具有明显门槛效应：当企业数字化水平较低时，转型往往伴随适应成本上升，只有跨越一定阈值后，数字化红利才会逐步显现（邓石军等，2024）。正是这种非线性的收益特征，构成了尾部企业难以逾越的隐性壁垒。因此，我国传统制造业的数字化进程已从解决“有没有”的普及阶段，转向攻坚“好不好”的效能阶段。如何破解长尾企业的资源约束机制、弥合产业内与产业间的“数字鸿沟”，已成为当前深化数实融合的核心与破局关键。

二、数智赋能传统制造业转型升级路径：以纺织服装业为例

改革开放以来，我国纺织服装业依托完整的产业链配套和强大的制造能力，长期稳居全球第一大生产与出口国地位。然而，随着要素成本刚性上升、国际市场竞争加剧以及消费需求结构持续演进，依赖低价代工与规模扩张的发展模式已难以为继。在全球价值链（GVC）分工体系下，我国纺织服装业长期处于“微笑曲线”底部的制造环节，面临着被“低端锁定”的战略风险（Gereffi，2002）。面对价值链重构与新一代信息技术革命的叠加窗口，纺织服装业亟须以“数智赋能”为核心抓手，突破技术桎梏，加速向高附加值的研发设计与品牌营销两端延伸。下面以纺织服装业为例，深度剖析其在设计、制造、供应链与营销环节实现从“制造驱动”向“数智驱动”跃升的数字化转型路径。

（一）设计数字化

伴随着数字技术向纺织服装业深入渗透，设计环节率先成为数字化改造的突破口。在全球市场周期收缩、消费偏好快速迭代的背景下，3D建模、虚拟样衣、数字打板、材料数据库等新型设计工具不断被引入企业前端环节，推动设计体系从手工图纸、实物打样向数据驱动、仿真交互转变。浙江凌迪数字化转型实践显示，采用虚拟样衣与数字样板系统后，多数企业可将设计周期从传统的数周压缩至3—5天，物理样衣数量显著减少，重复试错环节大幅削减。在此基础上，逐步集成AI图案生成、趋势算法分析等功能，使得设计由“感性决策”向“数据辅助”转变，为提升款式市场匹配度、加快产品响应速度提供了技术支撑。

该趋势在国内一些产业集群中已初步落地。以河北清河县为例，当地多家骨干羊绒企业已搭建覆盖打板、建模、试样和结构模拟的数字化系统，前端设计环节可直接输出结构化数据，对接生产端智能制造设备，打通了“创意—样品—量产”的技术通路。此外，销售数据与设计流程得以打通，一些企业通过建立中台系统，对接销售平台，将消费趋势反馈至前端开发，提高了产品设计与市场需求的耦合效率。这种以数据为枢纽的闭环设计模式，不仅契合了用户参与创新的演进逻辑（von Hippel，2005），更逐步打破以往“信息孤岛”的开发方式，有效缓解库存积压困境。

（二）智能化制造

制造环节是纺织服装业数智化转型的核心载体。在工业化后期阶段，依靠传统要素投入的增长动力面临衰减，以数字技术赋能的智能化制造正在成为工业增长的新动力。伴随着数字技术与生产装备融合推进，纺织服装业正在从传统劳动密集型生产向数字驱动、柔性制造演进。部分企业在实践中通过引入智能设备和生产管理系统，逐步实现从“单机自动化”向“系统智能化”转变。以鄂尔多斯高端羊绒生产线为例，其通过集成MES（制造执行系统）、智能吊挂、自动分拣等数字化设备，可实时采集与反馈关键工艺节点的数据，生产计划执行与质量监控能力明显提升，并且在资源利用效率和交付响应速度上表现出较高一致性。使用这些智能制造工具，不仅能够减少人工重复操作，还能通过工艺参数优化和设备协同调度来提高生产效率和良品率，为高端定制与柔性生产提供实践基础。

总体看，整个行业的制造智能化进程仍呈现明显不均衡的状态。当前多数企业的智能化建设仍停留在设备层面的升级和单点系统的引入，尚未实现生产系统的全面数字化集成。从组织与管理变革的理论视角看，企业数字化转型并非单纯的硬件设备投资，而是涉及战略、业务与管理的全方位重塑。如果企业传统的管理组织制度与数字技术架构存在匹配滞后性，不仅无法释放数字红利，反而会增加企业的管理成本与协同难度（戚聿东和蔡呈伟，2020）。现阶段存在的主要问题包括：企业信息系统与制造装备之间的数据接口标准不统一，导致设备间难以实现协同共享；生产调度、质量控制、物流协同等关键管理功能缺乏统一平台支撑，难以形成贯通的生产数据链路；由于行业内中小企业占比较高，而且整体智能化改造的资金和技术门槛较高，造成多数中小企业改造进程滞后。这就直接限制了整个制造环节在更高层次上的数字能力释放，使企业在面对快速多变的订单特征时难以实现高效响应和柔性排产。因此，推动制造环节的智能升级，不仅需要硬件设备的更新换代，还需要构建标准化、可复制的集成系统与开放的产业协同平台，在生产计划、设备互联与质量追踪等环节加快推进数智化应用的普及。这表明，要打破单体企业孤岛式改造局限，实现整个产业的系统性升级，就需要通过诸如共享制造等产业组织模式创新来重构生产要素配置方式。

（三）供应链管理数智化

在纺织服装业的整体数智化进程中，供应链管理是提升协同效率、加速市场响应与强化成本控制的重要环节。根据传统制造业数字化转型的三阶段演进模型（武常岐等，2022），企业的转型必然经历从“局部端数字化”向“平台数字化”及“生态系统数字化”的跃升。在此逻辑下，供应链的数智化改造正是企业跨越局部试点、走向平台协同的关键一步。从交易成本理论看，大数据与物联网技术为供应链提供了实时感知与智能分析的能力，显著降低了供应链上下游的信息不对称与契约执行成本，推动供应链从静态管理向动态调度转型。借助物联网设备和传感器，企业可实时掌握原材料库存、生产进度及物流状态，提升供应链各节点的信息透明度。通过对销售数据、市场趋势和库存水平的分析，可以更加准确地预测需求变化，实现提前规划与资源合理配置，进而提升供应链的稳定与效率。相关研究表明，物联网与大数据应用能够通过改善信息共享、优化流程控制等途径增强供应链的灵活性与抗风险能力（黄丽琼，2025），同时实数融合也能提升企业的网络韧性（谢谦等，2025）。

数字化平台正在成为推动供应链协同运行的重要载体。平台化系统打破了传统的链式层级结构，促进了产业集群的网络化治理（Sacchetti and Sugden，2003）。通过整合订单管理、采购计划、生产调度与物流配送等功能，平台化系统可以实现多主体之间的信息联通与业务协同，从而减少传统链式结构中因信息割裂带来的效率损耗。在部分先行企业和产业集群中，已探索构建以订单为核心的协同运行机制，使上下游企业围绕统一数据接口开展协作，提升了资源配置效率和履约稳定性。在此基础上，供应链运行方式由分散决策逐步转向协同调度，有助于缓解小批量、多频次订单带来的组织压力，并为构建更加稳定、更具韧性的产业体系提供制度与技术支撑。

（四）营销与销售数字化

随着消费模式加速向线上迁移以及消费者偏好趋于多元，纺织服装行业的营销与销售体系正经历深层变革，由传统的推式营销向基于数据驱动的拉式柔性供应链转型。在清河、濮院等典型产业集群中，传统“批发+档口”模式已逐步被电商平台、直播生态与内容营销所取代。“前店后播”“昼批夜播”成为新常态，借助抖音、快手等平台，商家实现对市场需求的即时感知与产品快速推送，打通从内容到转化的销售闭环。这一数字化营销方式不仅极大地缩短库存周期，也推动产品研发向柔性化、“小单快反”转变，实现了营销与生产的实时联动。此外，部分企业探索构建基于平台数据的消费者洞察能力，将销售数据反馈用于前端设计决策与款式优化，推动形成“数据驱动设计—精准匹配市场”的闭环机制。

社交电商平台和自建数字渠道为企业品牌传播与用户关系管理提供了新的路径。当下越来越多的消费者通过短视频、社交推荐等数字触点获取品牌信息并完成购买决策（PwC Global Consumer Insights Pulse Survey，2023）。为应对这一趋势，企业积极构建全渠道营销生态，包括电商平台旗舰店、社交媒体账号、小程序商城等，并以顾客行为数据作为运营基础，实现精准投放、会员管理与跨渠道联动。通过搭建私域流量池和CRM系统，企业能够更有效地维护现有用户关系，并将渠道数据转化为持续的营销资产。这一转型趋势不仅改变了企业的销售业态，也推动了销售与设计、生产环节的数据联通，逐步构建起围绕用户需求的数字化运营体系，标志着传统企业竞争逻辑的全面重塑。

三、数智赋能传统制造业转型升级模式：共享智造

当前，全球制造业正经历一场由数字技术驱动、以范式革命为特征的深刻转型。传统的大规模、集中式、刚性生产模式日益受到市场需求碎片化、技术迭代加速化以及资源环境约束刚性化的挑战。与此同时，分散的工业实体之间网络化、协作化发展趋势愈发明显（Camarinha-Matos et al.，2024），逐步形成分布式制造（distributed manufacturing）（Fu et al.，2021）、供应链即服务（supply chain as-a-service）（Ivanov et al.，2022）、云制造（cloud manufacturing）（Alinani et al.，2020；和征等，2022）、共享制造（shared manufacturing）（Duran et al.，2025Duran et al.，2025）等模式。其中，共享制造是共享经济在制造领域的应用创新，其强调依托信息平台，通过规模经济降低成本，实现生产能力的共享（Duran et al.，2025），适用于强调企业间协同创新的生产型平台，以及市场复杂性和技术复杂性较高的制造行业（高杰等，2024）。共享智造作为一种新型制造模式，正在全球范围内引发制造业的深刻变革。随着信息技术的快速发展和制造业转型升级的迫切需求，共享智造已成为推动制造业高质量发展的重要路径。共享智造的核心作用在于，通过数字技术赋能生产关系的重组，驱动传统制造业实现系统性转型升级。该模式打破了企业“围墙”，促使产业组织从“企业单干”转向网络化协同，将分散资源整合为共享产能；推动发展路径从依赖“规模扩张”转向追求“价值跃升”，引导集群竞争从同质化“内卷”迈向以创新和品质为核心的生态共赢。同时，革新要素配置，使企业从重资产“占有资源”转向轻资产“使用服务”，并重塑竞争优势，通过聚合产业整体能力来承接更高标准的订单，从而推动产业竞争力从单一的“成本优势”升级为全方位的“系统优势”。下面将系统探讨共享智造的理论基础、实践模式及其对传统产业中小企业转型升级的促进作用。

共享智造是围绕生产制造各环节，运用共享经济理念，强调数字化转型与先进制造技术的深度融合，通过共享生产资源、技术、服务能力等，实现制造资源有效整合、优化配置和柔性匹配的新模式新业态。从本质看，共享智造绝非简单的设备共用或空间共享，而是对制造业产业生态的系统性重构。归根到底，共享制造是生产要素的“使用权”与“所有权”分离。传统制造模式以“设备独占”为核心，导致资源闲置率高达40%—60%；而共享制造通过平台化机制，将分散的制造资源（设备、技术、产能）转化为可流动的“服务商品”，实现“社会总资本”的高效配置。

共享智造与传统制造模式的区别远不止于技术应用层面，而是一场深层次的系统性范式变革。传统制造以企业独立占有资源为基础，追求规模扩张与个体成本优势，组织形态呈链式且封闭；共享智造则依托数字平台，推动资源从“占有”转向“协同使用”，通过动态整合分散的产能、技术乃至智力资源，构建网络化产业生态。这将驱动竞争逻辑从同质化的“内卷”红海，转向以创新、质量和敏捷响应为核心的生态共赢，最终使产业竞争力从单一企业的成本控制，升维为整个产业链的系统效率与价值创造能力。可见，共享智造与传统制造模式在多方面存在根本性差异（见表1）。

表1 共享智造与传统制造模式比较

 

基于平台发起主体、核心资源、整合方式与价值主张的差异，共享制造实践可被归纳为以下四种主导模式，分别代表不同力量驱动的转型路径。

（一）整合型共享：平台驱动的协同网络

整合型共享模式是指，由拥有强大数字技术与流量优势的互联网企业构建轻资产平台，作为超级数字中介，连接海量碎片化订单与闲置制造产能。平台通过算法实现需求与供给的精准、高效匹配，并提供信用担保、质量管控、金融支持等增值服务。核心逻辑在于，作为“数字中介”，通过算法匹配消解信息不对称，实现社会化制造资源的范围经济。

例如，阿里巴巴“淘工厂”，将电商生态中的海量小批量、快返单订单，与平台上超过25000家工厂的柔性产能对接，其数据驱动的工厂评级与推荐系统，使匹配效率提升40%，将传统服装业的“订货会模式”变革为实时在线的“柔性供应链网络”。宁晋县打造了“易缆网”平台，该平台协同200多家电缆企业，在线交易超百亿元，极大提升了产业链透明度与效率；同时，通过搭建全链条数字化供应链平台，该平台极大地推动了宁晋县电线电缆企业的整合与发展。无极绿色家居集群采用“产业大脑+实体工厂”模式，实现“平台接单、智能拆单、多厂协同、统一交付”的柔性生产。具体地，河北智享门业智能制造有限公司依托无极门业产业数字化平台实现“平台接单、智能拆单、多厂协同、统一交付”，将无极县主要装饰材料制造企业“链”在一起，生产成本降低8%，全员劳动生产率提升120%，整套门板生产效率提升175%。

这一模式是共享经济理论在生产领域的直接映射，通过消解信息不对称，将原本固化的“企业规模经济”重塑为动态的“平台范围经济”，深刻体现了数字平台对生产关系的重构能力。

（二）开放型共享：生态引领的能力扩散

开放型共享模式是指，具有行业影响力的企业主动向外开放其成熟的研发体系、供应链网络、销售渠道乃至品牌影响力，旨在构建一个以自身为核心的开放式创新与创业生态。其目的既是孵化新业务、激发组织活力，也是赋能上下游伙伴，巩固产业领导地位。核心逻辑在于，具有行业影响力企业主动溢出研发、供应链等核心能力，孵化创新、巩固生态领导力。

例如，海尔的“海创汇”平台，不仅是一个面向内部员工的创新创业支持体系，更是一个开放共享的全球创业孵化生态。该平台积极向全球创业者敞开大门，提供从创意孵化到市场落地的全方位赋能服务。创业者可充分共享海尔集团积累多年的设计研发能力、模具制造技术、高效物流配送体系以及覆盖全国的三万多家销售网点资源，极大降低了创业门槛与运营成本。目前，“海创汇”已整合超过4000家优质生态合作资源，形成了强大的资源协同网络，成功孵化了2200余家创客企业。以孵化的“日日顺乐家”项目为例，该项目依托海尔成熟的物流基础设施和终端配送能力，在短时间内实现了社区智能快递柜的规模化、网络化布局，迅速拓展至全国多个城市，显著提升了终端服务的智能化水平和用户体验。

这一模式生动诠释了产业集群理论的升级版：从无意识的物理集聚，到有意识的生态化建构。该模式模糊了企业边界，验证了“生态优于个体”的共生哲学，推动了价值创造从链式传递向网络化共创的演进。

（三）高能型共享：技术驱动的服务化转型

高能型共享模式是指，掌握核心工业技术（如智能机床、工业机器人）的企业，推动自身从“设备制造商”向“综合服务商”转型。通过为设备加装传感器并联网上云，形成“智能装备+工业互联网平台”的组合，向客户提供按使用时间或加工量付费的能力租赁、远程运维与产能协同服务。核心逻辑在于，技术提供商从卖产品转向卖服务，通过“硬件+数据+服务”订阅模式降低用户门槛。

例如，沈阳机床的“iSESOL云平台”，连接其i5智能机床，中小企业无需巨额投资即可“以租代购”使用高端设备，并根据平台提供的产能地图，承接异地订单。平台连接全国10万余台设备，使设备利用率平均提升25%，让用户从“购买资产”变为“订阅能力”，为中小企业提供按需使用的“智能工厂”服务，降低技术门槛与投资风险。江苏中兴的立体分账系统3.0，利用区块链确保数据不可篡改，以立体架构思维突破传统平面模式局限，融合区块链、边缘计算等技术，构建起多元化利益分配与产业赋能体系，为这种高价值服务共享提供了可信的技术赋能底座。石家庄鹿泉半导体共享检测平台，开放了1800余台高精尖设备，累计为企业节约成本15%—20%。石家庄步沐电子将自身制造能力市场化，转型为面向区域的共享服务平台。

这一模式是服务型制造理论的极致实践，实现了从销售“硬件产品”到运营“制造服务流”的根本转变。以“数据赋能”为核心，通过持续的技术服务绑定用户，重构了装备制造业的价值链。

（四）共性工厂：集群共识的集约化解决方案

共性工厂模式是指，针对特定地理产业集群中广泛存在、但每家单独建设又面临高成本、高污染、低效率的共性生产环节（如喷涂、电镀、热处理、模具加工），由政府引导、多方参与，投资建设集中化、专业化、标准化的共享工厂。企业以“分时租赁”方式使用，并共享环保设施。核心逻辑在于，针对集群共性痛点（环保、高成本环节），通过空间集聚与集中投资，实现规模效应与绿色发展。

例如，河北石家庄步沐电子“共享智造平台”，为鹿泉区30余家电子信息企业提供精密加工、检测等服务，不仅减少了超过1.2亿元的重复投资，更通过集中治理，使废气排放量下降35%，实现了经济效益与环保效益的“双赢”。高阳县共享印染产业园集中处理污水与能源，使入园企业成本降10%—15%，排放大幅减少，是绿色循环的典范；同时，共享了从1公斤到3吨的各类染缸，破解了中小企业印染工序瓶颈。邱县食品产业的“人力共享池”创新了绿色循环型的内涵，将闲置劳动力作为可循环资源进行跨企业调剂，降低用工成本30%以上。清河县羊绒产业集群打造了数字化共享工厂，引进“一线成型”全自动电脑针织横机，通过工业互联网平台实现设备动态调配，满足电商“小单快反”需求。清河新华国际羊绒高端针织产业园内有6家共享工厂，生产效率提高46%，成本节约15%。该县还成立了新华·事坦格羊绒一线成型研究院，为中小企业提供研发设计共享服务，已设计330多个款式，其中70多款形成订单。

这一模式是产业集群理论与绿色可持续发展理念的结合。通过“物理空间的再集聚”解决了分散制造的负外部性（污染），以“集中生产、分散服务”的形式，为传统制造业集群突破环保与成本的双重约束提供了可复制的路径。

上述四种模式并非相互排斥，而是在实践中相互渗透、互为补充，共同构成了一个立体的共享智造生态系统。从驱动逻辑差异看，整合型共享由市场与数据驱动，追求连接广度与匹配效率；开放型共享由战略与生态驱动，追求网络控制力与创新活力；高能型共享由技术与服务驱动，追求产品生命周期价值最大化；共性工厂则由政策与合规驱动，追求集群整体竞争力的提升与可持续发展。从内在联系与演进看，四种模式共享“使用权共享”和“数据驱动”的核心理念。一个区域内可能多种模式并存，例如，一个产业集群内部可建立“共性工厂”，而其企业又可同时接入全国性的“整合型共享”平台获取订单，或利用“高能型共享”平台租用高端设备。龙头企业的“开放型共享”平台也可能孵化出新的专业“共性工厂”。

四、加快传统制造业数智化转型的政策启示

综合来看，我国传统制造业的数字化转型呈现出整体纵深推进与内部结构分化并存的双重特征。一方面，得益于系统化供给体系的完善与基础设施的规模化部署，产业应用正加速向全链条集成与生态互联演进。另一方面，基于产业基础与要素禀赋的异质性，产业间与产业内的非均衡状态日益凸显，梯次落差明显。头部企业凭借要素优势率先步入模式创新期，而量大面广的中小微企业则因高昂的沉没成本和能力短板，陷入了局部应用的低端锁定。由此可见，当前传统制造业数字化转型的关键在于系统集成能力、产业链协同水平及数字价值转化效率。

第一，夯实数字基础设施。持续优化提升工业互联网标识解析体系、网络、平台、数据、安全等基础设施服务能力。统筹推进算力基础设施布局，引导工业智算中心与边缘计算节点协同发展，为人工智能与工业制造的深度融合提供算力保障。国家层面应加快5G、千兆光网在重点工业园区的深度覆盖，完善国家工业互联网大数据中心体系。地方层面应鼓励结合本地特色产业集群，建设一批区域性、行业级工业互联网平台和数字化转型促进中心，为中小企业提供“测试、评估、诊断、改造”一体化公共服务，降低其转型门槛和试错成本。推动标识解析体系由“建”向“用”深化拓展，加快主动标识载体部署，促进跨系统、跨企业、跨地域的供应链全流程管理与数据协同，畅通产业链信息链路。

第二，深化场景牵引示范。实施差异化的转型推进策略，推动“点—链—群”协同转型与价值链攀升，形成梯度培育与标杆引领相结合的发展格局。具体地，“点”上，继续遴选和培育一批数字化转型标杆工厂和“数字领航”企业，总结其技术路径与管理经验，形成可复制推广的典型范式。“链”上，鼓励产业链“链主”企业开放场景，基于工业互联网平台赋能上下游配套企业，带动全产业链协同转型，支持平台企业围绕重点产业链打造“平台+产业链+供应链”融合创新模式，推动研发设计、生产制造、采购销售等环节的端到端贯通。“群”上，实施“一群一策”，支持基础好的产业集群（如国家先进制造业集群）开展整体数字化转型试点，探索“平台+共享制造”“产业大脑+未来工厂”等集群升级新模式，鼓励有条件的地方建设行业级产业大脑，汇聚政府、行业与企业多维数据，打通创新链、供应链、资金链与政策链，形成服务产业集群数字化治理与协同发展的中枢平台，并将成功模式标准化、模块化，向全国类似集群复制推广。

第三，加快共享资源聚合。聚焦制造环节的硬件资源重构，通过闲置设备盘活与高端产能共享，打造“共享工厂”与“虚拟车间”。该模式直击中小企业“重资产投入难”与“设备利用率低”的双重困境，以轻资产模式实现“设备共用、产能协同”。具体而言，可依托行业龙头企业、产业园区或第三方专业机构，建立区域性的智能装备共享平台，整合分散的数控机床、工业机器人、3D打印机、精密检测仪器等高端制造资源，通过物联网技术实现设备状态的实时监控与远程调度。同时，鼓励有条件的企业将自身的生产线、车间乃至整个工厂改造为可对外提供服务的共享制造单元，形成“虚拟工厂”网络，实现跨企业、跨区域的产能动态调配与协同生产。

第四，推动共享制造服务增值。在制造共享基础上向价值链两端延伸，构建“制造+服务”的生态共同体。通过集中采购降低原材料成本，共享物流网络优化配送效率，供应链金融破解资金周转难题，形成“资源共享—服务增值—成本再降”的良性循环。例如，通过搭建共享供应链平台整合供应商资源，建立集中采购联盟，降低中小制造企业的采购成本。鼓励金融机构与共享制造平台合作，开发针对性的供应链金融产品。拓展研发设计、质量检测、人才培训等共享服务，全方位提升共享制造的服务价值。

第五，推动生态共创。实现迈向创新要素的开放式共享，打破传统制造业封闭的孤岛式创新模式，打造“产学研用金”深度融合的创新生态系统。通过构建云端研发平台、共享技术数据库、柔性人才池等载体，实现“异地研发—本地转化—全球配置”的创新范式。例如，构建开放式创新平台矩阵，支持高校、科研院所向企业开放大型科研仪器、实验设施和技术成果库，鼓励龙头企业联合高校院所共建产业技术创新联盟或共享实验室，促进高端人才柔性流动与智力共享，以此促成跨区域多主体技术合作，推动产业集群从“成本竞争”向“价值创造”跃迁，形成“创新驱动—生态赋能—集群升级”的可持续发展闭环。

第六，持续优化共享模式的数据驱动。共享智造中，数据从生产副产品变为核心生产要素与战略资产，数据驱动深度决定了共享模式是浅层连接还是智能产业生态。对传统产业集群转型而言，构建数据驱动能力是“生存题”。成功的共享智造实践是将数据价值挖掘置于战略核心并构建相关模式的先行者。共享智造本质是“数据驱动的制造”，生产与交易中沉淀的数据是生态优化的“新能源”。分析这些数据可实现预测性维护等，挖掘新价值增长点。

总体而言，数智赋能传统制造业转型升级已超越单一技术的工具性应用，正在演变为一场深刻的产业组织与生产关系变革。突破“低端锁定”与“内卷”竞争的核心逻辑在于，通过数字底座打通要素壁垒，推动产业由“孤岛式”的单体转型迈向“网络化”的生态协同。共享制造作为这一演进的高级形态，不仅有效破解了中小企业面临的资源与成本约束，更通过重构资源使用权与深度赋能数据要素，驱动传统产业集群向价值创造跃升。未来，我国传统制造业唯有坚持技术融合与组织管理范式革新并重，加快构建开放共赢的数智化产业生态，方能在全球价值链重构中确立系统性的竞争新优势。

参考文献从略，请参阅期刊纸质版原文

 

张一诺 | 中国社会科学院大学应用经济学院，博士研究生

赵　雪 | 中国社会科学院大学应用经济学院，博士研究生

 

覃毅,崔志新,张一诺,等. 数智化转型如何重塑传统制造业——基于纺织服装业和共享智造模式的研究[J/OL].产业经济评论, 1-13[2026-06-09].https://doi.org/10.19313/j.cnki.cn10-1223/f.20260529.001.