智能制造研究述评

吴小节，马美婷，汪秀琼

（1.广东工业大学 管理学院，广州 510520；2.华南理工大学 旅游管理系，广州 510006）

0 引言

以大数据、人工智能、移动互联网、云计算、区块链和物联网等技术为基础的“智能制造”（intelligent manufacture，IM）已成为全球发展战略的重心。美国“再工业化”、德国“工业4.0计划”、中国“制造2025”等均以智能制造为主攻方向，欲在第四次工业革命中抢得新一轮全球产业分工和价值链的制高点［1-2］。然而，据智能制造发展指数报告（2021）显示①数据来源：https：//www.cy-tech.net/article/245.html。，我国69%的制造企业处于一级及以下水平（即处于智能转型初期），且不同行业智能制造发展水平不均衡。这意味着，未来需要持续助推企业识别智能制造短板，不断总结提炼，进而打造符合我国智能制造发展的创新路径。由于智能制造涉及信息、制造技术、经济管理等多个学科，研究内容分散，尚未形成整体的知识框架，制约了智能制造研究的发展［3］。因此，系统梳理智能制造的研究现状及构建知识框架，具体回答“智能制造是什么？为什么要智能制造？如何实现智能制造？”这3个关键问题，对学术界和实业界更清晰地认知智能制造则具有重要的理论意义和实践价值。

现有文献主要从4个方面对智能制造进行研究。①对智能制造单维度构成要素或整体进行文献述评。有学者采取传统叙述性文献回顾方法，对智能制造的组成部分、技术及其应用进行单维度综述，如人工智能在智能制造中的应用［4］，信息物理系统在新兴信息技术趋势下的发展状况［5］等。还有学者采取文献计量法对智能制造整体发展的研究现状、热点及趋势进行阐述，如对比国内外智能制造在研究主题、热点等的差异性［3］。②对智能制造的测量方式进行探讨，如综合AHP与DHNN评估模型对智能制造成熟度进行测量［6］。③对智能制造的因果关系进行检验。有研究使用大样本实证方法，对智能制造的前因后果进行检验，如高层管理者参与度和政策支持等因素对智能制造水平的影响［7］以及工业智能化对劳动力就业结构［8］的影响。另外也有学者采用案例研究具体探讨不同省份、产业、企业智能制造的实现过程，如探讨新能源装备企业智能化升级过程及影响机理［9］。④探究智能制造的发展路径。有学者规范性地阐述不同国家、省份、产业、企业实施智能制造的现状、问题及未来发展建议。例如，李永红和王晟［10］从动力链条模型视角来提出互联网驱动智能制造的实施路径。还有一些学者通过案例研究探讨不同企业实施智能制造的具体路径，如明确美国通气、德国西门子、日本丰田与中国海尔智能化战略转型的不同模式［11］。

然而，现有研究仍存在2个方面的提升空间。①在研究内容上，现有智能制造研究主要聚焦于智能制造的构成要素、测量方式、因果关系、发展路径等。但是对于跨学科、跨领域、跨主题的智能制造而言，对各部分内容进行分开研究，一方面难以阐述智能制造各部分内容间的关系及机理，另一方面难以对智能制造形成整体的认知，进而制约了智能制造的研究进展。因此，亟须对现有研究进行梳理与归纳，将单个研究与整体文献相关联，进而构建智能制造的知识框架体系。通过知识框架体系，可以明确地界定智能制造文献中每个研究的具体结果是什么、在知识框架中处于什么位置，并且能够和文献中其他研究的结果对比［12］。②在研究方法上，现有研究主要采用传统叙述性文献回顾法（traditional narrative review，TNR）或文献计量法对智能制造的某一部分或整体的发展状况进行简单阐述，难以达到客观地构建整体知识框架体系的研究目的。而结合文献计量法和系统性文献回顾法（systematic literature review，SLR）的做法，既能客观地描述现有知识模块，还能深入地阐述现有研究内容［13］。相比于TNR，采用大样本运算的文献计量法和具有可复制性编码流程的SLR能有效克服有限信息处理和认知偏差的局限［14］。所以，可以先通过文献计量法客观地识别智能制造的知识模块，再运用SLR对客观的知识模块进行内容分析，以达到客观科学地构建整体知识框架的研究目标［15］。

综上所述，以483篇Web of Science（WoS）文献库和297篇CSSCI文献库的期刊论文为样本文献，采用文献计量法及系统性文献回顾法，本文首先客观地识别智能制造领域的知识模块，掌握现有研究现状；其次，在知识框架的基础上，从What、Why、How 3个方面对117篇中英文高共被引文献进行内容分析，梳理现有进展及不足；最后，结合现有研究不足、研究热点和研究前沿，对What、Why、How问题分别提出具体的研究议题方向，为后续研究提供建议和参考。所以，本文的贡献主要在于运用文献计量法客观科学地识别了智能制造研究领域的知识框架，并进行了可复制的系统性文献回顾，进一步梳理和深化了智能制造的相关研究。

1 研究设计

1.1 数据来源

以WoS数据库的核心合集和CSSCI中文期刊文献为研究样本，检索时间为2022年11月。首先，在WoS数据库的核心合集中，以“intelligen* manufact*”为主题词，文献类型为“Article”或“Review”，语言为“English”进行搜索，初步筛选得到1990—2022年共1 268篇英文期刊文献，分别属于Business Economics、Management、Engineering、Computer Science、Automation Control Systems、Operations Research Management Science等研究方向。其次，在CNKI数据库中，以“智能制造”为主题词，在CSSCI期刊范围内搜索，得到了536篇文章。此外，从CSSCI数据库补充了68篇，除去重复文献，初步筛选得到568篇中文期刊文献，分别属于工业经济、机械工业、自动化技术等跨学科研究方向。最后，遵循张金隆和杨妍［16］的做法，按照相关性、实用性、学术性和权威性4个原则对初始样本文献进行二次人工筛选。①删除文章主题内容与智能制造内涵等不相关文献，包括：仅将智能制造作为背景，主旨内容与智能制造的相关性不强；直接阐述智能制造关键技术，而未阐述两者间的关系等。②删除书评、报告、会议等非学术论文。最终，得到483篇英文文献和297篇中文文献。

1.2 研究步骤

研究步骤包括4方面：①使用文献计量软件Vosviewer分别对483篇英文文献和297篇中文文献进行文献共被引分析，得到了66篇和51篇高共被引文献；②分别导入步骤①所得到的高共被引文献共现矩阵，在SPSS中进行探索性因子分析和多维尺度分析，识别了智能制造研究领域的概念内涵、核心系统、测量方式、情境、理论视角、前因与后果因素和发展路径七大知识模块；③以步骤①所得到的117篇高共被引文献为样本，运用系统性文献回顾法围绕步骤②所得到的知识模块进行内容分析，构成了“2W1H”知识框架；④进行战略坐标图和突现分析，识别智能制造研究领域的研究热点和前沿，并结合步骤③的编码结果，提出未来研究方向。

2 智能制造的知识结构提出

2.1 文献共被引分析

文献共被引分析是以共引次数对文献间的相似性进行测量，共被引次数较高的文献间不仅有较强的相关性，且高共被引文献通常拥有较高的中心度，进而在整个文献网络中有较大的影响力［17］。高共被引文献能够体现智能制造研究领域的重要研究成果，聚焦这些文献更有助于实现对该领域知识模块的探索。

参考吴小节等［13］的做法，首先通过文献计量软件Vosviewer对样本文献进行文献共被引分析，得到了WoS数据库收录的共被引次数超过16次的66篇高共被引文献和CSSCI数据库收录的共被引次数超过6次的51篇高共被引文献。

然后，通过SPSS25.0分别对中英文高共被引文献的共现矩阵进行探索性因子分析来寻找核心子群。具体而言，采用最大方差法对初始公共因子进行正交旋转，按照共被引文献的因子载荷量≥|±0.4|并且在各公共因子中载荷量最大的原则进行筛选［18］。根据因子分析结果，对高共被引文献进行归类并对公共因子进行命名，分别得到WoS、CSSCI数据库收录的智能制造研究领域知识结构。WoS高共被引文献的探索性因子分析得到了5个因子，分别为：因子1“智能制造概念及其支持系统”、因子2和因子5“智能制造功能系统及其具体应用”、因子3“智能制造研究现状、应用、结果、挑战及趋势”、因子4“智能制造的具体制造系统应用”。CSSCI高共被引文献的探索性因子分析得到了7个因子，分别为：因子1“智能制造的结果”、因子2“智能制造发展现状、发展路径、问题、挑战”、因子3“智能制造概念内涵、测度、影响因素、过程机理”、因子4“智能制造内涵、测度、关键技术”、因子5和因子7“智能制造发展策略及政策建议”、因子6“我国制造业发展现状及未来发展路径”。

最后，为进一步验证因子分析结果，参考吴小节等［13］的做法，进行多维尺度分析，以提高知识结构划分的科学性和稳健性。多维尺度分析是在尽可能地保留原始数据间关系的情况下，将原始数据的相似性矩阵（或相异矩阵）在二维空间中进行转换和可视化，进而能够更直观地反映各知识模块间的位置及其相互关系［13，17］。将WoS文献库66篇、CSSCI文献库51篇高共被引文献的相似性矩阵导入SPSS25.0进行多维尺度分析（proxscal），得到智能制造研究领域不同知识模块的多维尺度图（如图1所示，其中V代表文献，维1和维2代表的是二维空间）。

2.2 “2W1H”知识框架

综合上文探索性因子和多维尺度分析的结果，并依据WHETTEN［19］对理论核心部分What、Why、How的定义以及吴小节等［20-21］的做法，本文采取“2W1H”框架对现有知识模块进行整合：①智能制造是什么（What，即概念内涵与外延）包括智能制造的概念内涵、核心系统、测量方式（WoS高被引文献的因子1～因子2、因子4～因子5和模块1、模块2、模块4；CSSCI高被引文献的因子3～因子4和模块4）；②为什么要智能制造（Why，即前因后果作用机制）包括智能制造的情境、动因和后果（WoS高被引文献的因子3和模块3；CSSCI高被引文献的因子1、因子3和模块1、模块4）；③如何实现智能制造（How，即发展路径）包括智能制造不同的发展路径（CSSCI高被引文献的因子2、因子5～因子7和模块2、模块3、模块5）。智能制造的“2W1H”知识框架如图2所示。

图2 智能制造研究领域的“2W1H”整合框架Fig.2 “2W1H” framework of IM research field

3 智能制造的知识结构分析

通过对117篇高共被引文献进行编码梳理，可得到What、Why、How三个关键问题的研究进展。以下对智能制造知识结构的分析均为编码结果。

3.1 什么是智能制造

3.1.1 智能制造的概念内涵 现有研究主要从生产制造和商业文明两个视角来对智能制造进行概念界定。

生产制造视角（即技术视角）强调制造的过程和方式［22］，认为智能制造源于制造技术和信息技术的推动。最初，智能制造仅限于“制造自动化”的概念；随后，提出智能制造是一种“先进制造系统”，主要由智能机器人和人类专家组成，开展分析、推理、构思和决策等智能化活动［15］。接着，先进制造技术得到快速发展，在工业工程领域，对智能制造的定义逐步拓展到生产制造过程的柔性化、智能化和高度集成化等领域［22］。近年来，随着信息技术和互联网的高速发展，智能制造得到了纵深式发展［2，23］，包括了设计、生产、管理、服务等各个智能化环节。

从商业文明视角来看，随着工业时代生产的线性逻辑向数据智能时代生产的非线性逻辑的转变，商业经营的基本逻辑、指导思想和制造业变迁方式发生了本质的转变［23］。具体而言，工业时代通过流水线生产等标准化过程实现了大规模和低成本效应，从而解决供给不足问题。进入互联网与智能时代后，客户消费追求的是产品所带来的额外价值［24］。因此，从软硬结合的角度看，智能制造是指制造业通过先进制造技术和新一代信息通信技术，进行智能化设计、生产、管理和服务等，并采取大规模个性化定制、网络化协同制造、网络精准营销、产品全生命周期管理等来适应动态变化的环境的过程［22］。个性化生产与满足多样化需求的“精准”对接是智能制造的本质特征［25］，包括生产过程高度智能、资源智能优化配置［26］及产品高度智能化、个性化［27］。

3.1.2 智能制造的核心系统 现有研究主要将智能制造的核心系统区分为功能系统和支撑系统［1-2］。

功能系统主要是由产品、设备、设计、生产、管理及服务所组成的智能产业全生命周期系统。①智能产品及装备。与传统制造时代的产品和消费同质化不同，智能产品是价值载体，能满足消费者对科技和个性化的追求。智能装备是实施智能制造的前提和基础［2］。②智能设计是指应用计算机辅助制造/设计、网络化协同设计、模型知识库等智能化的设计手段及先进的设计信息化系统等来支持和优化企业产品研发设计过程［3］。③智能生产是制造业智能化的重要体现［28］，智能工厂/车间是智能生产的重要载体，通过智能化生产系统和网络化分布生产设施，实现物理层、信息层、大数据层、工业云层和决策层等生产过程智能化。④智能管理是以智能技术建立起科学高效的全面管理体系，以提高工作效率和减少运营成本［29］，包括产品研发和设计、生产、服务、知识、产品全生命周期及智能供应链管理［3］。⑤智能服务是以智能技术为支撑，通过大数据分析为消费者提供按需或主动获取的服务［30］，包括销售、售后等产品服务和技术、信息、物流等生产性服务。

支撑系统则包括信息通信技术和先进制造技术。信息通信技术包括如下4个方面。①物联网是一个具有感知、互联、计算和控制能力的网络化智能计算系统，将物理事物与网络连接起来，以实现信息互通和促进商业目标实现。包括识别，传感和通信技术等物联网基础设施［31］，能同时处理移动环境中所产生的大量实时和异构数据，进而为智能制造的每个制造环节提供基础设施及参考数据［32］。②信息物理系统是综合计算、网络和物理环境的多维复杂系统。即把物理设备连接到互联网上，通过3C技术的有机融合与深度协作，让物理设备有计算、通信、精确控制、远程协调和自我管理的功能，实现大型工程系统的实时感知、动态控制和信息服务，便于建立全球业务网络［5］。③工业互联网的本质是以机器、原材料、控制系统、信息系统、产品及人之间的网络互连为基础，通过新一代信息通信技术与工业经济深度融合的全新工业生态、关键基础设施和新型应用模式，实现全要素、全产业链、全价值链的全面连接，实现智能控制、优化运营和生产组织方式的变革［1-2］。④云计算。借鉴云计算的思想逻辑，可发展基于知识、面向服务的网络化智能制造新模式即云制造［33］。先进制造技术则包括2个方面：①大数据为人们的思维、商业模式和管理方式带来了一场大变革，如结合TRIZ理论与大数据的智能化技术创新模式，可以克服传统技术创新模式所带来低创新效率的问题［34］；②人工智能的本质特征是具备认知和学习的能力，且应用范围极其广阔［2］，通过作用于生产运作系统，使得新工业制造系统具备自决策、自维护、自学习、自组织等工业应用能力［22，27］。

3.1.3 智能制造的测量方式 目前主要从评价指标体系、文本分析、代理变量、调查问卷等方面对智能制造水平进行测量。①现有研究主要采用不同的评价指标体系对省份［8］和产业层面［35］的智能制造水平进行测量。孙早和侯玉琳［8］借鉴工业化和信息化融合的指标体系，构建了基础建设、生产应用和效益三方面的工业智能化水平测度指标；李健旋［35］提出智能技术层、智能应用层和智能效益层评价指标体系对制造业智能化程度进行测算。②对新浪财经年报以及《智能制造发展规划》进行文本分析以衡量企业层面的智能制造水平［36］。③采用代理变量对地区［37］和企业层面［38］的智能制造水平进行测量，如吴敏洁等［37］以城市所在地的上市企业进行智能制造的数量来衡量地区智能制造水平。④采用调查问卷法分别从技术视角［39］和管理视角［40］测算智能制造水平，如陈金亮等［39］通过访谈运营经理对生产流程系统、生产设备技术、人机交互等5个维度的评估情况来测算企业智能制造水平。

3.1.4 述评 在What层面上，现有研究主要探究了智能制造的概念内涵、核心系统以及测量方式。①现有学者更多从技术视角来界定智能制造，认为智能制造是对信息通信技术和先进制造技术的应用过程。而事实上，从商业文明视角来看，智能制造已经从根本上改变了制造企业生产运营的逻辑［23］，所以非常有必要对比商业文明和技术视角下智能制造的概念内涵、内在发展逻辑以及机理。②现有学者主要关注支撑系统中不同关键技术的发展现状（如人工智能［4］和信息物理系统［5］等），而对支撑系统与功能系统间相互融合的过程机制探究较少。对此，肖静华等［40］提出了在信息技术与管理能力不平衡情境下企业实现智能制造跨越式战略变革的理论模型，认为应关注信息技术在推动企业实现跨越式战略变革如智能管理和智能服务中的作用机理。

3.2 为什么要智能制造

3.2.1 智能制造的情境 现有研究主要将智能制造的情境区分为技术革命和商业文明时代。①技术革命：科技进步。技术革命体现在信息技术迅猛发展和制造技术先进化、高端化，两者间深度融合正形成新一代智能制造技术，使其跃升为新一轮工业革命主要推动力。新一代智能制造的核心即人、信息、物理系统的相互作用，使得人类能挣脱大量重复体力和脑力劳动，从事更具创新的生产活动。这为制造业升级提供重要战略机遇，是推动经济社会发展的支柱力量［24］。②商业文明时代：消费需求升级。与技术视角将智能制造视为技术体系不同，商业文明视角更强调智能制造是重新定义制造以及解决供需问题的逻辑与思维［22］。从工业时代的低成本到商业文明时代的高差异，智能制造的本质是解决工业化时代的大规模生产与个性化需求矛盾的商业经营活动，所以其价值逻辑从以质量、流程改善和产品全生命周期为核心到现阶段的以客户价值创造为核心［25］。

3.2.2 智能制造的理论视角 现有研究主要从赶超战略、微笑曲线理论、行动者网络和价值共创理论来探讨为什么要智能制造。

1）后进国家与先进国家在经济哲学、经济战略和政策的不同为各国的赶超战略提供了理论支撑。赶超战略可分为市场和政府分开作用以及政府和企业通力合作两类［21］。现代经济体系的建设必须把实体经济发展作为重点，这使得如何运用新的技术经济范式来抢占制造业制高点成为国际产业竞争博弈的焦点。第四次工业革命、信息技术发展及智能时代给各国技术赶超和产业竞争铺设了赛道，只有积极调整政策及制订新技术发展重要战略，才能抢抓技术—经济弯道赶超的机遇［41］。

2）微笑曲线理论认为，为了获取持续增长的利润，既要关注微笑曲线的中端（基本组装、加工等生产制造环节），也要向微笑曲线两端高附加值环节（品牌、服务、研发、设计等环节）攀升，提升产业竞争力［42］。具体表现为：①新一代信息技术不断影响及渗透产业链或产业体系，使得以往重复劳作的加工组装等生产制造环节转变为依托个性化需求而智能化生产［26］；②新一代信息技术与产品设计、营销环节深度融合，一方面模块化技术、计算机辅助设计等计划可颠覆制造业产品设计方式，有效降低研发成本并缩短研发周期，另一方面借助信息技术能对消费者偏好进行精确预测并实时反馈给工厂，这种柔性化营销方式使企业获得高利润。

3）行动者网络理论认为科学技术实践是由诸多异质人类和非人类行动者彼此联系、相互建构而成的网络动态过程［43］。数字化、网络化及智能化转型是一个涉及诸多行动者的复杂动态过程，且行动者间通过互动不断联结、构建和发展网络，进而实现信息化和工业化不断融合。具体表现为：新一代信息技术可通过多种技术手段交叉相叠形成“技术实体网络”“技术设备与人的网络”“产业链网络”“对技术及产业进行引导、协调及规范的管理网络”，即组成了多技术实体结合、多产业链交织、政府引导、企业参与的行动者网络集合体。因此，各国政府欲基于信息物理系统技术与产业、企业等所形成的行动者网络集合体，快速实现信息化与工业化相融合及智能制造。

4）价值共创理论主张服务是一切经济交换的基础，行动主体在应用知识、技术等操作性资源来构建服务及与社会互动中共同创造价值［44］，包括异质性资源连接、需求供给间互动、核心能力重构三大模块。具体的作用机制表现为：①异质性资源的连接是价值共创的基础，而互联网、信息技术等手段和方式打破了消费者间、消费者与企业间、企业间信息连接的壁垒，提高了资源利用效率；②供需间互动是价值共创的根基，包括消费者与企业间、消费者间、企业间的互动，而且需求端与供给端的信息交流和互动越充分，才能创造出越大的顾客价值；③重构是指核心企业的复合能力的构建，更关注消费者与企业间的互动交流，进而强化供需间的互动［30］。换言之，智能制造一方面能够基于工业互联网平台创造更多满足顾客需求的业务，另一方面能够结合其他技术（如i5）提供资源基础平台及产品制造的全生命周期解决方案，创造更高的价值［45］。

3.2.3 智能制造的前因 现有研究主要从技术、组织、环境层面对智能制造的前因因素进行探讨。

技术层面包括技术属性特征［7］和技术发展水平［46］。①技术属性特征强调技术本身。WANG等［7］探讨AI技术便利性如何通过降低企业劳工成本来促进企业智能化转型。②技术发展水平强调技术应用情况。技术创新是指企业开发新技术或对已有技术进行创新的程度，能够通过强化制造企业设备层和控制层的集成互联程度来提高企业的智能制造能力［46］。

组织层面包括企业特征和人才因素。①企业特征强调企业发展需求、经营成本和能力等。WANG等［7］阐明了企业规模扩张、利润增长等发展需求对企业智能化能力的积极推动作用，并强调了人力和资本等经营成本对企业智能化转型的负面影响。②人才因素强调高层管理者参与度［7］以及对智能制造重点领域专业人才和管理人才的引进程度［46］等。黄群慧和贺俊［27］强调了员工知识和管理能力在企业智能制造中的重要作用，认为专业化人才队伍可以提高产品制造率，所以应该着力推动技术和管理人才的培训来促进企业智能制造。

环境层面包括市场因素和政府因素。①市场因素强调市场竞争所带来的压力。WANG等［7］认为，外部市场竞争、需求和产品控制的变化给企业带来了无形的增长压力，使得企业不断提高智能化转型程度来应对市场变革。②政府因素强调智能制造相关政策所带来的外溢效应。孟凡生和赵刚［46］指出，与智能制造相关的技术研发、技术转移和配套等国家政策明晰了企业智能制造发展的重点和方向，进一步提升了企业智能制造的能力。

3.2.4 智能制造的后果 现有研究主要从国家、产业和企业层面探讨智能制造的后果。

高中语文教学要晓之以理，动之以情，有效利用古诗文佳作，传承优秀传统文化的人文情怀。如王勃的“海内存知己，天涯若比邻”；李白的“我寄愁心与明月，随风直到夜郎西”；王昌龄的“寒雨连江夜入吴，平明送客楚山孤。洛阳亲友如相问，一片冰心在玉壶”；苏轼的“秋雨晴时泪不晴”；秦观的“柔情似水，佳期如梦，忍顾鹊桥归路。两情若是久长时，又岂在朝朝暮暮”；白居易的“在天愿作比翼鸟，在地愿为连理枝”；柳永的“衣带渐宽终不悔，为伊消得人憔悴”；孟郊的“慈母手中线，游子身上衣。临行密密缝，意恐迟迟归，谁言寸草心，报得三春晖”；王维的“每逢佳节倍思亲”等等，传唱至今，历久弥新。

国家层面有3个后果。①国际分工格局发生变化，全球供应链创新管理。智能制造将人工智能、互联网等技术应用于生产过程，在全球范围内配置和优化资源，使得全球供应链管理向网络化和虚拟化转变［27］。②劳动力就业结构发生变化，教育和技能水平需提升。随着先进技术和信息化技术的发展，各地区各行业对智能化的要求不尽相同，进而使得不同技能劳动力进入和退出就业市场的频率也不同。③制造业生产方式发生变革，极大地提高了生产效率。通过人机交互，智能制造在本质上拓展和部分取代人类的脑力劳作，进而提升了制造过程的生产效率和生产能力［42］。

产业层面有2个后果。①制造业转型升级，促进产业价值链的攀升。如何利用智能制造以赋予传统产业以及制造环节新的竞争优势［27］，是当下所面临的核心问题。其中，智能工厂是推动产业转型升级的主要方向，可以充分发挥人（消费者、生产者）、机（智能设备间的高度融合）、物（互联网及大数据平台）之间的相互作用。一方面，实现信息在生产经营的关键环节和从设备控制到企业资源规划的各个环节间进行交换、交付、存储和处理。另一方面，实现无缝智能集成，赋予智能产品更多价值，使产业价值链不断攀升。②优化产业结构，促进新兴产业发展。基于工业供给侧结构性改革，产业结构优化体现为淘汰和改造传统产业及孕育新智能产业三方面，以解决供需不匹配的结构性矛盾和全要素生产率低下问题［47］。

企业层面有2个后果。①企业转型升级，迈向价值链高端。现代智能制造严格要求产品的稳定性、可靠性和可制造性，使得产品设计和生产工艺间的融合愈发重要。只有具备足够的工艺制造能力，企业才能完成后续工程化和产业化［22］。②优化产品结构，提高生产效率。信息技术的广泛应用，不仅会降低信息搜寻成本，提高沟通效率，进而提升工业生产效率。而且，信息技术与其他技术、产业间的融合也会直接或间接地提升企业生产效率，包括节能减排和服务质量方面［3］。

3.2.5 述评 在Why层面上，现有研究主要探讨智能制造的情境、理论视角、前因和后果。①与智能制造的概念内涵相一致，目前主要是从技术革命视角来探讨智能制造的情境，强调信息技术先进化和高端化所带来的智能制造推动力，而较少关注商业文明时代发展所带来的消费需求升级情境。但工业时代的低成本和商业文明时代的高差异之间存在本质的区别，探讨两种情境下不同的经营逻辑对理解智能制造具有重要的作用。②现有研究主要从技术追赶和价值创造两方面来探讨智能制造的理论视角。与情境相一致，现有学者主要从赶超战略视角探讨技术创新追赶，从微笑曲线理论、行动者网络和价值共创理论视角来探讨智能制造进行价值创造的不同方式。智能制造涉及了多元且复杂的主体［43］，有必要从微笑曲线理论、行动者网络和价值共创等不同的理论视角来探讨其价值创造的具体过程机理。③现有研究重点关注前因因素与智能制造或智能制造与后果因素之间的直接关系，且主要是采用实证检验和规范性阐述，较少采用案例研究法来探究智能制造前因后果间的过程机制，也较少采用定性比较分析方法来探究高水平智能制造的组态效应，故而难以解释智能制造过程的复杂性。

3.3 如何实现智能制造

现有研究主要根据赶超战略、微笑曲线理论、行动者网络和价值共创理论视角分别提出了智能制造的4种发展路径。

3.3.1 技术和创新追赶 从赶超战略视角来看，国家和企业进行智能制造时，主要表现为技术和创新追赶。①设立智能制造标准体系，提升国际标准的话语权。美国期望通过制造业回流与复兴来维持制造强国地位，采取工业互联网参考架构的技术标准来构建智能制造领导联盟；德国旨在强化制造业的竞争优势，采取工业4.0参考架构以构建工业4.0联盟；日本以工业支持社会转型，运用工业价值链参考架构来构建工业价值链联盟［24］。对中国而言，不仅需积极推进两化深度融合的标准化路线图，而且要推进产业发展联盟建立以落实行业标准制订和升级，加快实现行业间网络、技术、信息的互联互通，提升国内及国际标准水平［22］。②构建智能制造平台和载体，培育智能制造技术生态体系。首先，积极打造工业互联网平台；其次，建立智能制造人才培育体系和激励机制，引进海外技术人才、高级人才并提供高质量培训以提高人才教育程度及技能水平，改善劳动力结构，造就一批产业技术创新领军人才和高水平团队［8，34］；最后，瞄准重点领域及产业以实现技术专项突破。③完善高水平创新主体、平台及环境等产业创新体系。一方面要统筹优化现有资源，切实构建产业技术研发体系；另一方面要充分发挥产业技术联盟的作用，积极推动技术、产品、业态、人才和模式创新，进而完善创新链条，优化创新环境。

3.3.2 价值链攀升与集成 微笑曲线理论认为，为获取可持续竞争力，企业更倾向于通过追求价值链攀升与集成来推动企业智能制造。①价值链攀升可分为价值链环节的攀升和价值链附加值的攀升［48］。一方面，价值链各环节智能化包括设计、产品、装备、生产、管理和服务智能化［1-2］。企业每一工序智能化均可获取技术和设备支持，使复杂的体力任务自动化，提高了要素配置和组织管理效率，倒逼企业向“微笑曲线”两端攀升。另一方面，数据资源成为新生产要素，企业可以大幅度减少生产制造成本，增加价值链附加值，进而带动微笑曲线底部向上移，实现整体价值链上移，进而实现智能化转型［49］。②价值链集成包括纵向、横向、端到端集成［28］。其中：纵向集成是指企业内部各系统间无缝集成，打破信息壁垒，更易实现智能工厂、智能车间；横向集成是将企业内部物流、生产及营销环节所涉及的IT系统以及企业间各价值网络所使用的IT系统进行集成，使得企业间、企业与产品间高度协同，进而优化整个产业链［2，28］，提升产品竞争力；端到端集成指围绕客户价值的集成，其贯穿于产品全生命周期，使得企业可提升对产业链自控能力，进而达到高增值目的［30］。

3.3.4 价值共创 从价值共创理论视角来看，企业可通过3种价值共创方式进行智能制造。①个性化定制模式主要满足个性化生产需求和多样化市场需求。企业以工业互联网个性化定制服务平台，模块化设计个性化产品及智能化生产为三大载体，由传统的“供—需”生产思维转变到“需—供”即“以用户需求为驱动”的个性化生产思维，实现客户价值创造［27］。②远程运维模式关键在于应用移动互联网、大数据分析来建立产品远程运维服务平台，能够对运维对象进行状态检测，进而创造更高的价值［51］。例如，可以通过将数据采集系统安装在客户分散的设备中，再通过云端平台对此进行监控和运维，所以工业互联网解决方案可以帮助客户实现远程运维。③网络协同设计与制造模式主要应用互联网和大数据平台对资源进行集成与动态分析，来实现生产制造与服务运维信息间的高度共享，进而将智能产品生产过程的知识技能向研发、设计等环节升级［51］。如，沈阳机床围绕机床用户的实际需求，通过应用工业互联网来打造面向传统制造业以及企业互联、信息与数据互通、资源共享的网络化协同中心，以智能互联新思维和新商业模式促进传统制造业的转型升级。

3.3.5 述评 在How层面上，现有研究提出了技术和创新追赶、价值链攀升和集成、构建智能制造生态系统和价值共创4种发展路径，但主要集中于宏观视角，规范性地阐述智能制造的多元发展路径［48］。一方面没有对比与分析不同发展路径的差异性，另一方面，缺乏对不同发展路径的有效性进行检验。不同情境下的智能制造，对国家、产业和企业的要求不尽相同。若只停留在现阶段宏观政策的呼吁、叙述与讨论，则难以推进智能制造的发展。所以，有必要采用定性比较分析方法，对4种不同发展路径的有效性进行分析，以提出有针对性的解决措施。

4 研究展望

4.1 战略坐标图和突现分析

本文通过战略坐标图和突现分析来识别智能制造研究领域未来的研究热点和前沿。借鉴杨朦晰等［52］的做法，以中英文样本文献的关键词为主要依据，关键词出现频次为X轴、中心度为Y轴、原点为频次和中心度的中位数（分别为8和0.05），将高频关键词（频次≥4）在战略坐标图中显示（如图3所示），图中负值坐标轴是为了扩展图片以显示所有点的标签值。其中，第一象限为主流研究主题；第二象限为高潜研究热点；第三象限可能为研究边缘也可能为新兴研究热点；第四象限为研究边缘地带。图3显示，未来研究主题将由第一象限关注智能制造支撑系统的主流研究主题向第二、第三象限强调信息技术与先进制造技术相融合的高潜研究主题转变。第一象限的关键词包括物理信息系统（热点1）、大数据（热点2）、云计算（热点3）、人工智能（热点4）等。第二象限的关键词包括智能服务（热点5）、可持续制造（热点6）等。第三象限新兴的关键词包括商业模式创新（热点7）、数字经济（热点8）等。

图3 智能制造研究领域的战略坐标图Fig.3 Strategic coordinate diagram of IM

突现分析是发现突变强度高的文献以识别该领域研究重点及前沿。因为突变强度高的文献在短期内具有显然的增长势头，更有可能代表某一领域的研究趋势及其对该领域的重要作用［52］。结果发现，核心文献主要集中于智能制造发展的第三阶段（2013—2021年）［1-2］，意味着该阶段核心主题是研究前沿主题。本文选取了突发性最强25篇文献进行编码②文献突现分析结果可向作者索取。，发现智能制造研究前沿主要关注以下3点。

第一，关注不同研究情境，特别是新兴经济体。LI［53］认为需重点关注新兴经济体，进而对不同国家间的科学合作活动、战略优势进行分析。在新一轮国际制造业市场竞争中，发达经济体在国际竞争力和全球价值链地位上占据主要位置，而新兴经济体工业体系仍需进行深度化、结构化调整，进而实现产业竞争力和价值链地位提升的目标。为提升各国产业竞争力和价值链地位，不同新兴经济体国家智能制造重点战略调整方向是什么？产业竞争方向在哪里？所以，未来研究需重点关注不同研究情境。

第二，关注重点技术的优化及其标准化。一方面，探讨重点技术的优化，不同技术其被引量突增的时间不同。如，对大数据、工业互联网、数字孪生研究的文献在2018年被引量突增，持续到2019年，显示未来研究要重点关注数字孪生技术所催生的智能感知、智能服务、产品生命周期的技术及应用等［54］。另一方面，探讨技术标准化，其相关研究主要在2020年被引量突增，持续到2021年。如，KIM［5］主要阐述了未来在物联网的环境下，必须重点开发针对向网络平台传输大量数据而优化的网络协议和安全技术（如加密和认证协议），以确保数据转换的安全性。由此可见，未来必须重点关注在工业4.0背景下不同的重点技术的优化和标准化及扩展其在智能制造的应用范围。

第三，关注智能化制造的影响及其效果评估问题。一方面，关注智能制造对行业、企业层面等影响的文献在2016—2017年被引量突增，持续到2019年［46］。另一方面，关注智能制造效果评估的文献在2018年被引量突增，持续到2019年。KANG［55］对比德国、美国和韩国的政策和技术路线图，认为未来应该从经济指标和可持续发展的视角来对智能制造的效果进行评估。所以，未来要重点关注，在商业文明视角下，智能制造是如何改变传统制造思维？其过程机理与技术视角下的智能制造有何差异？如何从赶超战略、微笑曲线理论、行动者网络和价值共创理论等不同的视角，探讨智能制造高绩效组态以及发展路径的有效性？

4.2 未来研究议题

结合智能制造知识结构的分析结果以及研究热点和前沿，从What、Why、How提出了未来研究议题。

4.2.1 研究议题1：什么是智能制造（What） 应该从商业文明视角，梳理智能制造的发展历程、发展逻辑及前因后果因素。现有研究主要关注智能制造背后的技术机理以及支撑系统，但智能化时代并不仅仅是技术的革新，更是高效满足和创造用户多样化与个性化需求并不断共同演化的全新的发展范式。不断优化经济和社会系统，促进多场景间的跨界交互与融合，进而形成新的商业模式变革［56］。因此，从商业文明视角来看，智能化时代已经从根本上改变了供需关系，颠覆了商业模式。智能制造的宏观环境要素及其变化趋势难以辨析。西方发达国家都在积极布局智能制造并提出了相应的智能制造的战略发展规划，国家间的竞争更为激烈。除了在技术标准、技术生态体系等方面持续努力，企业必须转变战略思维去应对高度复杂的智能制造时代环境。与此同时，智能制造模糊了行业边界，消费者参与、消费者个性化需求、多元化使得企业跨界经营的现象屡见不鲜。智能时代企业跨界经营的情境特征、逻辑、前因后果、理论机制均有待进一步探究。由此可见，结合商业经营角度，系统地梳理商业文明视角下智能制造的发展历程、发展逻辑及前因后果因素，对界定企业战略管理的情境具有重要的现实和理论意义。

4.2.2 研究议题2：为什么要智能制造（Why） 应该从商业文明视角出发，根据不同的理论视角和新兴经济体特殊情境，探究智能制造前因因素与智能制造后果间的关系。现有研究主要从赶超战略对技术视角下的智能制造进行探讨，而基于微笑曲线理论、行动者网络和价值共创理论等理论视角对智能制造价值创造的不同方式进行探讨。未来研究可结合微笑曲线理论、行动者网络理论以及价值共创理论等视角从以下2个方面对智能制造复杂的过程机理进行研究。①采用大样本实证分析方法，分别探究技术、组织和环境因素对行业层面如制造业服务化（热点5）、企业层面如内部资源、动态能力、生产方式选择（热点6可持续制造）等因素的中介机制。②采用定性比较分析方法（QCA），探讨企业战略决策方式及高绩效组态效应。如探究技术、组织和环境层面关键前因（如技术创新、高层管理者参与度、组织资源能力、政策支持力度、市场压力）与结果（如制造业转型升级、智能制造企业战略反应、战略决策方式、竞争优势等）之间的构型关系，以解释行业和企业智能制造战略决策的过程复杂性。从现实意义来看，以新一代信息技术为核心的相关关键技术的进步方兴未艾，发达国家与新兴经济体在发展智能制造方面的机会几乎站在同一起跑线上，而中国拥有全球最完备的工业体系以及最大的智能制造市场机遇。探究各国企业的战略反应以及如何抢抓第四次工业革命进行智能制造，无论是对政策制定还是企业战略转型均具有重要的实践意义。从理论意义来看，现有研究因受情境、场景和对象的制约，对企业战略反应及决策方式等的研究尚有欠缺。因此，根据商业文明视角对智能制造进行界定，探究嵌入在智能制造环境下的企业战略反应及选择，对新时代的战略管理具有重要的理论意义。

4.2.3 研究议题3：如何实现智能制造（How） 从赶超战略、微笑曲线理论、行动者网络和价值共创理论等不同视角出发，探究智能制造4种发展路径的有效性。智能化对企业的重要性不言而喻。一方面，价值链环节相互交叠，彻底转变了企业的运营思维。从生产制造到研发设计再到营销环节，对企业价值创造和传递进行了优化和改造［23］。另一方面，企业、政府、消费者、供应商等形成复杂的行动者网络且不断进行互动与融合，政策红利、消费者诉求等与企业运营间的互动形成良性循环［43］。智能制造涉及的主体多且过程复杂，所以对智能制造发展路径的探究不应仅仅停留在规范性描述层面。这样无以从本质上回答以下根本问题：为什么企业采取不同的发展路径？其必要条件究竟是什么？不同的发展路径给企业价值链攀升、竞争优势、智能制造水平等带来怎样的影响？因此，未来研究可从赶超战略、微笑曲线理论、行动者网络理论及价值共创理论等理论视角，探究不同的智能制造发展路径有效性的必要条件、不同发展路径下高智能制造水平（高竞争优势等）的主要构型类型，具有重要的理论价值和现实意义。例如，从技术驱动（热点2～热点4：大数据、云计算、人工智能等）视角探究数字经济发展（热点8）、数字化质量管理、数字化运营管理等实施路径的有效性及构型。一方面，在商业文明时代，技术创新是驱动经济增长的根本动力，而数字化管理是解决企业战略运营、组织变革等一系列难题的重要路径之一［41］。另一方面，以数字化、人工智能等技术赋能质量管理、运营管理、生产制造等关键环节，对企业实现全生命周期制造模式的优化具有重要意义。