智能制造研究述評

吳小節，馬美婷，汪秀瓊

（1.廣東工業大學 管理學院，廣州 510520；2.華南理工大學 旅游管理系，廣州 510006）

0 引言

以大數據、人工智能、移動互聯網、云計算、區塊鏈和物聯網等技術為基礎的“智能制造”（intelligent manufacture，IM）已成為全球發展戰略的重心。美國“再工業化”、德國“工業4.0計劃”、中國“制造2025”等均以智能制造為主攻方向，欲在第四次工業革命中搶得新一輪全球產業分工和價值鏈的制高點［1-2］。然而，據智能制造發展指數報告（2021）顯示①數據來源：https：//www.cy-tech.net/article/245.html。，我國69%的制造企業處于一級及以下水平（即處于智能轉型初期），且不同行業智能制造發展水平不均衡。這意味著，未來需要持續助推企業識別智能制造短板，不斷總結提煉，進而打造符合我國智能制造發展的創新路徑。由于智能制造涉及信息、制造技術、經濟管理等多個學科，研究內容分散，尚未形成整體的知識框架，制約了智能制造研究的發展［3］。因此，系統梳理智能制造的研究現狀及構建知識框架，具體回答“智能制造是什么？為什么要智能制造？如何實現智能制造？”這3個關鍵問題，對學術界和實業界更清晰地認知智能制造則具有重要的理論意義和實踐價值。

現有文獻主要從4個方面對智能制造進行研究。①對智能制造單維度構成要素或整體進行文獻述評。有學者采取傳統敘述性文獻回顧方法，對智能制造的組成部分、技術及其應用進行單維度綜述，如人工智能在智能制造中的應用［4］，信息物理系統在新興信息技術趨勢下的發展狀況［5］等。還有學者采取文獻計量法對智能制造整體發展的研究現狀、熱點及趨勢進行闡述，如對比國內外智能制造在研究主題、熱點等的差異性［3］。②對智能制造的測量方式進行探討，如綜合AHP與DHNN評估模型對智能制造成熟度進行測量［6］。③對智能制造的因果關系進行檢驗。有研究使用大樣本實證方法，對智能制造的前因后果進行檢驗，如高層管理者參與度和政策支持等因素對智能制造水平的影響［7］以及工業智能化對勞動力就業結構［8］的影響。另外也有學者采用案例研究具體探討不同省份、產業、企業智能制造的實現過程，如探討新能源裝備企業智能化升級過程及影響機理［9］。④探究智能制造的發展路徑。有學者規范性地闡述不同國家、省份、產業、企業實施智能制造的現狀、問題及未來發展建議。例如，李永紅和王晟［10］從動力鏈條模型視角來提出互聯網驅動智能制造的實施路徑。還有一些學者通過案例研究探討不同企業實施智能制造的具體路徑，如明確美國通氣、德國西門子、日本豐田與中國海爾智能化戰略轉型的不同模式［11］。

然而，現有研究仍存在2個方面的提升空間。①在研究內容上，現有智能制造研究主要聚焦于智能制造的構成要素、測量方式、因果關系、發展路徑等。但是對于跨學科、跨領域、跨主題的智能制造而言，對各部分內容進行分開研究，一方面難以闡述智能制造各部分內容間的關系及機理，另一方面難以對智能制造形成整體的認知，進而制約了智能制造的研究進展。因此，亟須對現有研究進行梳理與歸納，將單個研究與整體文獻相關聯，進而構建智能制造的知識框架體系。通過知識框架體系，可以明確地界定智能制造文獻中每個研究的具體結果是什么、在知識框架中處于什么位置，并且能夠和文獻中其他研究的結果對比［12］。②在研究方法上，現有研究主要采用傳統敘述性文獻回顧法（traditional narrative review，TNR）或文獻計量法對智能制造的某一部分或整體的發展狀況進行簡單闡述，難以達到客觀地構建整體知識框架體系的研究目的。而結合文獻計量法和系統性文獻回顧法（systematic literature review，SLR）的做法，既能客觀地描述現有知識模塊，還能深入地闡述現有研究內容［13］。相比于TNR，采用大樣本運算的文獻計量法和具有可復制性編碼流程的SLR能有效克服有限信息處理和認知偏差的局限［14］。所以，可以先通過文獻計量法客觀地識別智能制造的知識模塊，再運用SLR對客觀的知識模塊進行內容分析，以達到客觀科學地構建整體知識框架的研究目標［15］。

綜上所述，以483篇Web of Science（WoS）文獻庫和297篇CSSCI文獻庫的期刊論文為樣本文獻，采用文獻計量法及系統性文獻回顧法，本文首先客觀地識別智能制造領域的知識模塊，掌握現有研究現狀；其次，在知識框架的基礎上，從What、Why、How 3個方面對117篇中英文高共被引文獻進行內容分析，梳理現有進展及不足；最后，結合現有研究不足、研究熱點和研究前沿，對What、Why、How問題分別提出具體的研究議題方向，為后續研究提供建議和參考。所以，本文的貢獻主要在于運用文獻計量法客觀科學地識別了智能制造研究領域的知識框架，并進行了可復制的系統性文獻回顧，進一步梳理和深化了智能制造的相關研究。

1 研究設計

1.1 數據來源

以WoS數據庫的核心合集和CSSCI中文期刊文獻為研究樣本，檢索時間為2022年11月。首先，在WoS數據庫的核心合集中，以“intelligen* manufact*”為主題詞，文獻類型為“Article”或“Review”，語言為“English”進行搜索，初步篩選得到1990—2022年共1 268篇英文期刊文獻，分別屬于Business Economics、Management、Engineering、Computer Science、Automation Control Systems、Operations Research Management Science等研究方向。其次，在CNKI數據庫中，以“智能制造”為主題詞，在CSSCI期刊范圍內搜索，得到了536篇文章。此外，從CSSCI數據庫補充了68篇，除去重復文獻，初步篩選得到568篇中文期刊文獻，分別屬于工業經濟、機械工業、自動化技術等跨學科研究方向。最后，遵循張金隆和楊妍［16］的做法，按照相關性、實用性、學術性和權威性4個原則對初始樣本文獻進行二次人工篩選。①刪除文章主題內容與智能制造內涵等不相關文獻，包括：僅將智能制造作為背景，主旨內容與智能制造的相關性不強；直接闡述智能制造關鍵技術，而未闡述兩者間的關系等。②刪除書評、報告、會議等非學術論文。最終，得到483篇英文文獻和297篇中文文獻。

1.2 研究步驟

研究步驟包括4方面：①使用文獻計量軟件Vosviewer分別對483篇英文文獻和297篇中文文獻進行文獻共被引分析，得到了66篇和51篇高共被引文獻；②分別導入步驟①所得到的高共被引文獻共現矩陣，在SPSS中進行探索性因子分析和多維尺度分析，識別了智能制造研究領域的概念內涵、核心系統、測量方式、情境、理論視角、前因與后果因素和發展路徑七大知識模塊；③以步驟①所得到的117篇高共被引文獻為樣本，運用系統性文獻回顧法圍繞步驟②所得到的知識模塊進行內容分析，構成了“2W1H”知識框架；④進行戰略坐標圖和突現分析，識別智能制造研究領域的研究熱點和前沿，并結合步驟③的編碼結果，提出未來研究方向。

2 智能制造的知識結構提出

2.1 文獻共被引分析

文獻共被引分析是以共引次數對文獻間的相似性進行測量，共被引次數較高的文獻間不僅有較強的相關性，且高共被引文獻通常擁有較高的中心度，進而在整個文獻網絡中有較大的影響力［17］。高共被引文獻能夠體現智能制造研究領域的重要研究成果，聚焦這些文獻更有助于實現對該領域知識模塊的探索。

參考吳小節等［13］的做法，首先通過文獻計量軟件Vosviewer對樣本文獻進行文獻共被引分析，得到了WoS數據庫收錄的共被引次數超過16次的66篇高共被引文獻和CSSCI數據庫收錄的共被引次數超過6次的51篇高共被引文獻。

然后，通過SPSS25.0分別對中英文高共被引文獻的共現矩陣進行探索性因子分析來尋找核心子群。具體而言，采用最大方差法對初始公共因子進行正交旋轉，按照共被引文獻的因子載荷量≥|±0.4|并且在各公共因子中載荷量最大的原則進行篩選［18］。根據因子分析結果，對高共被引文獻進行歸類并對公共因子進行命名，分別得到WoS、CSSCI數據庫收錄的智能制造研究領域知識結構。WoS高共被引文獻的探索性因子分析得到了5個因子，分別為：因子1“智能制造概念及其支持系統”、因子2和因子5“智能制造功能系統及其具體應用”、因子3“智能制造研究現狀、應用、結果、挑戰及趨勢”、因子4“智能制造的具體制造系統應用”。CSSCI高共被引文獻的探索性因子分析得到了7個因子，分別為：因子1“智能制造的結果”、因子2“智能制造發展現狀、發展路徑、問題、挑戰”、因子3“智能制造概念內涵、測度、影響因素、過程機理”、因子4“智能制造內涵、測度、關鍵技術”、因子5和因子7“智能制造發展策略及政策建議”、因子6“我國制造業發展現狀及未來發展路徑”。

最后，為進一步驗證因子分析結果，參考吳小節等［13］的做法，進行多維尺度分析，以提高知識結構劃分的科學性和穩健性。多維尺度分析是在盡可能地保留原始數據間關系的情況下，將原始數據的相似性矩陣（或相異矩陣）在二維空間中進行轉換和可視化，進而能夠更直觀地反映各知識模塊間的位置及其相互關系［13，17］。將WoS文獻庫66篇、CSSCI文獻庫51篇高共被引文獻的相似性矩陣導入SPSS25.0進行多維尺度分析（proxscal），得到智能制造研究領域不同知識模塊的多維尺度圖（如圖1所示，其中V代表文獻，維1和維2代表的是二維空間）。

2.2 “2W1H”知識框架

綜合上文探索性因子和多維尺度分析的結果，并依據WHETTEN［19］對理論核心部分What、Why、How的定義以及吳小節等［20-21］的做法，本文采取“2W1H”框架對現有知識模塊進行整合：①智能制造是什么（What，即概念內涵與外延）包括智能制造的概念內涵、核心系統、測量方式（WoS高被引文獻的因子1～因子2、因子4～因子5和模塊1、模塊2、模塊4；CSSCI高被引文獻的因子3～因子4和模塊4）；②為什么要智能制造（Why，即前因后果作用機制）包括智能制造的情境、動因和后果（WoS高被引文獻的因子3和模塊3；CSSCI高被引文獻的因子1、因子3和模塊1、模塊4）；③如何實現智能制造（How，即發展路徑）包括智能制造不同的發展路徑（CSSCI高被引文獻的因子2、因子5～因子7和模塊2、模塊3、模塊5）。智能制造的“2W1H”知識框架如圖2所示。

圖2 智能制造研究領域的“2W1H”整合框架Fig.2 “2W1H” framework of IM research field

3 智能制造的知識結構分析

通過對117篇高共被引文獻進行編碼梳理，可得到What、Why、How三個關鍵問題的研究進展。以下對智能制造知識結構的分析均為編碼結果。

3.1 什么是智能制造

3.1.1 智能制造的概念內涵 現有研究主要從生產制造和商業文明兩個視角來對智能制造進行概念界定。

生產制造視角（即技術視角）強調制造的過程和方式［22］，認為智能制造源于制造技術和信息技術的推動。最初，智能制造僅限于“制造自動化”的概念；隨后，提出智能制造是一種“先進制造系統”，主要由智能機器人和人類專家組成，開展分析、推理、構思和決策等智能化活動［15］。接著，先進制造技術得到快速發展，在工業工程領域，對智能制造的定義逐步拓展到生產制造過程的柔性化、智能化和高度集成化等領域［22］。近年來，隨著信息技術和互聯網的高速發展，智能制造得到了縱深式發展［2，23］，包括了設計、生產、管理、服務等各個智能化環節。

從商業文明視角來看，隨著工業時代生產的線性邏輯向數據智能時代生產的非線性邏輯的轉變，商業經營的基本邏輯、指導思想和制造業變遷方式發生了本質的轉變［23］。具體而言，工業時代通過流水線生產等標準化過程實現了大規模和低成本效應，從而解決供給不足問題。進入互聯網與智能時代后，客戶消費追求的是產品所帶來的額外價值［24］。因此，從軟硬結合的角度看，智能制造是指制造業通過先進制造技術和新一代信息通信技術，進行智能化設計、生產、管理和服務等，并采取大規模個性化定制、網絡化協同制造、網絡精準營銷、產品全生命周期管理等來適應動態變化的環境的過程［22］。個性化生產與滿足多樣化需求的“精準”對接是智能制造的本質特征［25］，包括生產過程高度智能、資源智能優化配置［26］及產品高度智能化、個性化［27］。

3.1.2 智能制造的核心系統 現有研究主要將智能制造的核心系統區分為功能系統和支撐系統［1-2］。

功能系統主要是由產品、設備、設計、生產、管理及服務所組成的智能產業全生命周期系統。①智能產品及裝備。與傳統制造時代的產品和消費同質化不同，智能產品是價值載體，能滿足消費者對科技和個性化的追求。智能裝備是實施智能制造的前提和基礎［2］。②智能設計是指應用計算機輔助制造/設計、網絡化協同設計、模型知識庫等智能化的設計手段及先進的設計信息化系統等來支持和優化企業產品研發設計過程［3］。③智能生產是制造業智能化的重要體現［28］，智能工廠/車間是智能生產的重要載體，通過智能化生產系統和網絡化分布生產設施，實現物理層、信息層、大數據層、工業云層和決策層等生產過程智能化。④智能管理是以智能技術建立起科學高效的全面管理體系，以提高工作效率和減少運營成本［29］，包括產品研發和設計、生產、服務、知識、產品全生命周期及智能供應鏈管理［3］。⑤智能服務是以智能技術為支撐，通過大數據分析為消費者提供按需或主動獲取的服務［30］，包括銷售、售后等產品服務和技術、信息、物流等生產性服務。

支撐系統則包括信息通信技術和先進制造技術。信息通信技術包括如下4個方面。①物聯網是一個具有感知、互聯、計算和控制能力的網絡化智能計算系統，將物理事物與網絡連接起來，以實現信息互通和促進商業目標實現。包括識別，傳感和通信技術等物聯網基礎設施［31］，能同時處理移動環境中所產生的大量實時和異構數據，進而為智能制造的每個制造環節提供基礎設施及參考數據［32］。②信息物理系統是綜合計算、網絡和物理環境的多維復雜系統。即把物理設備連接到互聯網上，通過3C技術的有機融合與深度協作，讓物理設備有計算、通信、精確控制、遠程協調和自我管理的功能，實現大型工程系統的實時感知、動態控制和信息服務，便于建立全球業務網絡［5］。③工業互聯網的本質是以機器、原材料、控制系統、信息系統、產品及人之間的網絡互連為基礎，通過新一代信息通信技術與工業經濟深度融合的全新工業生態、關鍵基礎設施和新型應用模式，實現全要素、全產業鏈、全價值鏈的全面連接，實現智能控制、優化運營和生產組織方式的變革［1-2］。④云計算。借鑒云計算的思想邏輯，可發展基于知識、面向服務的網絡化智能制造新模式即云制造［33］。先進制造技術則包括2個方面：①大數據為人們的思維、商業模式和管理方式帶來了一場大變革，如結合TRIZ理論與大數據的智能化技術創新模式，可以克服傳統技術創新模式所帶來低創新效率的問題［34］；②人工智能的本質特征是具備認知和學習的能力，且應用范圍極其廣闊［2］，通過作用于生產運作系統，使得新工業制造系統具備自決策、自維護、自學習、自組織等工業應用能力［22，27］。

3.1.3 智能制造的測量方式 目前主要從評價指標體系、文本分析、代理變量、調查問卷等方面對智能制造水平進行測量。①現有研究主要采用不同的評價指標體系對省份［8］和產業層面［35］的智能制造水平進行測量。孫早和侯玉琳［8］借鑒工業化和信息化融合的指標體系，構建了基礎建設、生產應用和效益三方面的工業智能化水平測度指標；李健旋［35］提出智能技術層、智能應用層和智能效益層評價指標體系對制造業智能化程度進行測算。②對新浪財經年報以及《智能制造發展規劃》進行文本分析以衡量企業層面的智能制造水平［36］。③采用代理變量對地區［37］和企業層面［38］的智能制造水平進行測量，如吳敏潔等［37］以城市所在地的上市企業進行智能制造的數量來衡量地區智能制造水平。④采用調查問卷法分別從技術視角［39］和管理視角［40］測算智能制造水平，如陳金亮等［39］通過訪談運營經理對生產流程系統、生產設備技術、人機交互等5個維度的評估情況來測算企業智能制造水平。

3.1.4 述評 在What層面上，現有研究主要探究了智能制造的概念內涵、核心系統以及測量方式。①現有學者更多從技術視角來界定智能制造，認為智能制造是對信息通信技術和先進制造技術的應用過程。而事實上，從商業文明視角來看，智能制造已經從根本上改變了制造企業生產運營的邏輯［23］，所以非常有必要對比商業文明和技術視角下智能制造的概念內涵、內在發展邏輯以及機理。②現有學者主要關注支撐系統中不同關鍵技術的發展現狀（如人工智能［4］和信息物理系統［5］等），而對支撐系統與功能系統間相互融合的過程機制探究較少。對此，肖靜華等［40］提出了在信息技術與管理能力不平衡情境下企業實現智能制造跨越式戰略變革的理論模型，認為應關注信息技術在推動企業實現跨越式戰略變革如智能管理和智能服務中的作用機理。

3.2 為什么要智能制造

3.2.1 智能制造的情境 現有研究主要將智能制造的情境區分為技術革命和商業文明時代。①技術革命：科技進步。技術革命體現在信息技術迅猛發展和制造技術先進化、高端化，兩者間深度融合正形成新一代智能制造技術，使其躍升為新一輪工業革命主要推動力。新一代智能制造的核心即人、信息、物理系統的相互作用，使得人類能掙脫大量重復體力和腦力勞動，從事更具創新的生產活動。這為制造業升級提供重要戰略機遇，是推動經濟社會發展的支柱力量［24］。②商業文明時代：消費需求升級。與技術視角將智能制造視為技術體系不同，商業文明視角更強調智能制造是重新定義制造以及解決供需問題的邏輯與思維［22］。從工業時代的低成本到商業文明時代的高差異，智能制造的本質是解決工業化時代的大規模生產與個性化需求矛盾的商業經營活動，所以其價值邏輯從以質量、流程改善和產品全生命周期為核心到現階段的以客戶價值創造為核心［25］。

3.2.2 智能制造的理論視角 現有研究主要從趕超戰略、微笑曲線理論、行動者網絡和價值共創理論來探討為什么要智能制造。

1）后進國家與先進國家在經濟哲學、經濟戰略和政策的不同為各國的趕超戰略提供了理論支撐。趕超戰略可分為市場和政府分開作用以及政府和企業通力合作兩類［21］?，F代經濟體系的建設必須把實體經濟發展作為重點，這使得如何運用新的技術經濟范式來搶占制造業制高點成為國際產業競爭博弈的焦點。第四次工業革命、信息技術發展及智能時代給各國技術趕超和產業競爭鋪設了賽道，只有積極調整政策及制訂新技術發展重要戰略，才能搶抓技術—經濟彎道趕超的機遇［41］。

2）微笑曲線理論認為，為了獲取持續增長的利潤，既要關注微笑曲線的中端（基本組裝、加工等生產制造環節），也要向微笑曲線兩端高附加值環節（品牌、服務、研發、設計等環節）攀升，提升產業競爭力［42］。具體表現為：①新一代信息技術不斷影響及滲透產業鏈或產業體系，使得以往重復勞作的加工組裝等生產制造環節轉變為依托個性化需求而智能化生產［26］；②新一代信息技術與產品設計、營銷環節深度融合，一方面模塊化技術、計算機輔助設計等計劃可顛覆制造業產品設計方式，有效降低研發成本并縮短研發周期，另一方面借助信息技術能對消費者偏好進行精確預測并實時反饋給工廠，這種柔性化營銷方式使企業獲得高利潤。

3）行動者網絡理論認為科學技術實踐是由諸多異質人類和非人類行動者彼此聯系、相互建構而成的網絡動態過程［43］。數字化、網絡化及智能化轉型是一個涉及諸多行動者的復雜動態過程，且行動者間通過互動不斷聯結、構建和發展網絡，進而實現信息化和工業化不斷融合。具體表現為：新一代信息技術可通過多種技術手段交叉相疊形成“技術實體網絡”“技術設備與人的網絡”“產業鏈網絡”“對技術及產業進行引導、協調及規范的管理網絡”，即組成了多技術實體結合、多產業鏈交織、政府引導、企業參與的行動者網絡集合體。因此，各國政府欲基于信息物理系統技術與產業、企業等所形成的行動者網絡集合體，快速實現信息化與工業化相融合及智能制造。

4）價值共創理論主張服務是一切經濟交換的基礎，行動主體在應用知識、技術等操作性資源來構建服務及與社會互動中共同創造價值［44］，包括異質性資源連接、需求供給間互動、核心能力重構三大模塊。具體的作用機制表現為：①異質性資源的連接是價值共創的基礎，而互聯網、信息技術等手段和方式打破了消費者間、消費者與企業間、企業間信息連接的壁壘，提高了資源利用效率；②供需間互動是價值共創的根基，包括消費者與企業間、消費者間、企業間的互動，而且需求端與供給端的信息交流和互動越充分，才能創造出越大的顧客價值；③重構是指核心企業的復合能力的構建，更關注消費者與企業間的互動交流，進而強化供需間的互動［30］。換言之，智能制造一方面能夠基于工業互聯網平臺創造更多滿足顧客需求的業務，另一方面能夠結合其他技術（如i5）提供資源基礎平臺及產品制造的全生命周期解決方案，創造更高的價值［45］。

3.2.3 智能制造的前因 現有研究主要從技術、組織、環境層面對智能制造的前因因素進行探討。

技術層面包括技術屬性特征［7］和技術發展水平［46］。①技術屬性特征強調技術本身。WANG等［7］探討AI技術便利性如何通過降低企業勞工成本來促進企業智能化轉型。②技術發展水平強調技術應用情況。技術創新是指企業開發新技術或對已有技術進行創新的程度，能夠通過強化制造企業設備層和控制層的集成互聯程度來提高企業的智能制造能力［46］。

組織層面包括企業特征和人才因素。①企業特征強調企業發展需求、經營成本和能力等。WANG等［7］闡明了企業規模擴張、利潤增長等發展需求對企業智能化能力的積極推動作用，并強調了人力和資本等經營成本對企業智能化轉型的負面影響。②人才因素強調高層管理者參與度［7］以及對智能制造重點領域專業人才和管理人才的引進程度［46］等。黃群慧和賀?。?7］強調了員工知識和管理能力在企業智能制造中的重要作用，認為專業化人才隊伍可以提高產品制造率，所以應該著力推動技術和管理人才的培訓來促進企業智能制造。

環境層面包括市場因素和政府因素。①市場因素強調市場競爭所帶來的壓力。WANG等［7］認為，外部市場競爭、需求和產品控制的變化給企業帶來了無形的增長壓力，使得企業不斷提高智能化轉型程度來應對市場變革。②政府因素強調智能制造相關政策所帶來的外溢效應。孟凡生和趙剛［46］指出，與智能制造相關的技術研發、技術轉移和配套等國家政策明晰了企業智能制造發展的重點和方向，進一步提升了企業智能制造的能力。

3.2.4 智能制造的后果 現有研究主要從國家、產業和企業層面探討智能制造的后果。

高中語文教學要曉之以理，動之以情，有效利用古詩文佳作，傳承優秀傳統文化的人文情懷。如王勃的“海內存知己，天涯若比鄰”；李白的“我寄愁心與明月，隨風直到夜郎西”；王昌齡的“寒雨連江夜入吳，平明送客楚山孤。洛陽親友如相問，一片冰心在玉壺”；蘇軾的“秋雨晴時淚不晴”；秦觀的“柔情似水，佳期如夢，忍顧鵲橋歸路。兩情若是久長時，又豈在朝朝暮暮”；白居易的“在天愿作比翼鳥，在地愿為連理枝”；柳永的“衣帶漸寬終不悔，為伊消得人憔悴”；孟郊的“慈母手中線，游子身上衣。臨行密密縫，意恐遲遲歸，誰言寸草心，報得三春暉”；王維的“每逢佳節倍思親”等等，傳唱至今，歷久彌新。

國家層面有3個后果。①國際分工格局發生變化，全球供應鏈創新管理。智能制造將人工智能、互聯網等技術應用于生產過程，在全球范圍內配置和優化資源，使得全球供應鏈管理向網絡化和虛擬化轉變［27］。②勞動力就業結構發生變化，教育和技能水平需提升。隨著先進技術和信息化技術的發展，各地區各行業對智能化的要求不盡相同，進而使得不同技能勞動力進入和退出就業市場的頻率也不同。③制造業生產方式發生變革，極大地提高了生產效率。通過人機交互，智能制造在本質上拓展和部分取代人類的腦力勞作，進而提升了制造過程的生產效率和生產能力［42］。

產業層面有2個后果。①制造業轉型升級，促進產業價值鏈的攀升。如何利用智能制造以賦予傳統產業以及制造環節新的競爭優勢［27］，是當下所面臨的核心問題。其中，智能工廠是推動產業轉型升級的主要方向，可以充分發揮人（消費者、生產者）、機（智能設備間的高度融合）、物（互聯網及大數據平臺）之間的相互作用。一方面，實現信息在生產經營的關鍵環節和從設備控制到企業資源規劃的各個環節間進行交換、交付、存儲和處理。另一方面，實現無縫智能集成，賦予智能產品更多價值，使產業價值鏈不斷攀升。②優化產業結構，促進新興產業發展?；诠I供給側結構性改革，產業結構優化體現為淘汰和改造傳統產業及孕育新智能產業三方面，以解決供需不匹配的結構性矛盾和全要素生產率低下問題［47］。

企業層面有2個后果。①企業轉型升級，邁向價值鏈高端?，F代智能制造嚴格要求產品的穩定性、可靠性和可制造性，使得產品設計和生產工藝間的融合愈發重要。只有具備足夠的工藝制造能力，企業才能完成后續工程化和產業化［22］。②優化產品結構，提高生產效率。信息技術的廣泛應用，不僅會降低信息搜尋成本，提高溝通效率，進而提升工業生產效率。而且，信息技術與其他技術、產業間的融合也會直接或間接地提升企業生產效率，包括節能減排和服務質量方面［3］。

3.2.5 述評 在Why層面上，現有研究主要探討智能制造的情境、理論視角、前因和后果。①與智能制造的概念內涵相一致，目前主要是從技術革命視角來探討智能制造的情境，強調信息技術先進化和高端化所帶來的智能制造推動力，而較少關注商業文明時代發展所帶來的消費需求升級情境。但工業時代的低成本和商業文明時代的高差異之間存在本質的區別，探討兩種情境下不同的經營邏輯對理解智能制造具有重要的作用。②現有研究主要從技術追趕和價值創造兩方面來探討智能制造的理論視角。與情境相一致，現有學者主要從趕超戰略視角探討技術創新追趕，從微笑曲線理論、行動者網絡和價值共創理論視角來探討智能制造進行價值創造的不同方式。智能制造涉及了多元且復雜的主體［43］，有必要從微笑曲線理論、行動者網絡和價值共創等不同的理論視角來探討其價值創造的具體過程機理。③現有研究重點關注前因因素與智能制造或智能制造與后果因素之間的直接關系，且主要是采用實證檢驗和規范性闡述，較少采用案例研究法來探究智能制造前因后果間的過程機制，也較少采用定性比較分析方法來探究高水平智能制造的組態效應，故而難以解釋智能制造過程的復雜性。

3.3 如何實現智能制造

現有研究主要根據趕超戰略、微笑曲線理論、行動者網絡和價值共創理論視角分別提出了智能制造的4種發展路徑。

3.3.1 技術和創新追趕 從趕超戰略視角來看，國家和企業進行智能制造時，主要表現為技術和創新追趕。①設立智能制造標準體系，提升國際標準的話語權。美國期望通過制造業回流與復興來維持制造強國地位，采取工業互聯網參考架構的技術標準來構建智能制造領導聯盟；德國旨在強化制造業的競爭優勢，采取工業4.0參考架構以構建工業4.0聯盟；日本以工業支持社會轉型，運用工業價值鏈參考架構來構建工業價值鏈聯盟［24］。對中國而言，不僅需積極推進兩化深度融合的標準化路線圖，而且要推進產業發展聯盟建立以落實行業標準制訂和升級，加快實現行業間網絡、技術、信息的互聯互通，提升國內及國際標準水平［22］。②構建智能制造平臺和載體，培育智能制造技術生態體系。首先，積極打造工業互聯網平臺；其次，建立智能制造人才培育體系和激勵機制，引進海外技術人才、高級人才并提供高質量培訓以提高人才教育程度及技能水平，改善勞動力結構，造就一批產業技術創新領軍人才和高水平團隊［8，34］；最后，瞄準重點領域及產業以實現技術專項突破。③完善高水平創新主體、平臺及環境等產業創新體系。一方面要統籌優化現有資源，切實構建產業技術研發體系；另一方面要充分發揮產業技術聯盟的作用，積極推動技術、產品、業態、人才和模式創新，進而完善創新鏈條，優化創新環境。

3.3.2 價值鏈攀升與集成 微笑曲線理論認為，為獲取可持續競爭力，企業更傾向于通過追求價值鏈攀升與集成來推動企業智能制造。①價值鏈攀升可分為價值鏈環節的攀升和價值鏈附加值的攀升［48］。一方面，價值鏈各環節智能化包括設計、產品、裝備、生產、管理和服務智能化［1-2］。企業每一工序智能化均可獲取技術和設備支持，使復雜的體力任務自動化，提高了要素配置和組織管理效率，倒逼企業向“微笑曲線”兩端攀升。另一方面，數據資源成為新生產要素，企業可以大幅度減少生產制造成本，增加價值鏈附加值，進而帶動微笑曲線底部向上移，實現整體價值鏈上移，進而實現智能化轉型［49］。②價值鏈集成包括縱向、橫向、端到端集成［28］。其中：縱向集成是指企業內部各系統間無縫集成，打破信息壁壘，更易實現智能工廠、智能車間；橫向集成是將企業內部物流、生產及營銷環節所涉及的IT系統以及企業間各價值網絡所使用的IT系統進行集成，使得企業間、企業與產品間高度協同，進而優化整個產業鏈［2，28］，提升產品競爭力；端到端集成指圍繞客戶價值的集成，其貫穿于產品全生命周期，使得企業可提升對產業鏈自控能力，進而達到高增值目的［30］。

3.3.4 價值共創 從價值共創理論視角來看，企業可通過3種價值共創方式進行智能制造。①個性化定制模式主要滿足個性化生產需求和多樣化市場需求。企業以工業互聯網個性化定制服務平臺，模塊化設計個性化產品及智能化生產為三大載體，由傳統的“供—需”生產思維轉變到“需—供”即“以用戶需求為驅動”的個性化生產思維，實現客戶價值創造［27］。②遠程運維模式關鍵在于應用移動互聯網、大數據分析來建立產品遠程運維服務平臺，能夠對運維對象進行狀態檢測，進而創造更高的價值［51］。例如，可以通過將數據采集系統安裝在客戶分散的設備中，再通過云端平臺對此進行監控和運維，所以工業互聯網解決方案可以幫助客戶實現遠程運維。③網絡協同設計與制造模式主要應用互聯網和大數據平臺對資源進行集成與動態分析，來實現生產制造與服務運維信息間的高度共享，進而將智能產品生產過程的知識技能向研發、設計等環節升級［51］。如，沈陽機床圍繞機床用戶的實際需求，通過應用工業互聯網來打造面向傳統制造業以及企業互聯、信息與數據互通、資源共享的網絡化協同中心，以智能互聯新思維和新商業模式促進傳統制造業的轉型升級。

3.3.5 述評 在How層面上，現有研究提出了技術和創新追趕、價值鏈攀升和集成、構建智能制造生態系統和價值共創4種發展路徑，但主要集中于宏觀視角，規范性地闡述智能制造的多元發展路徑［48］。一方面沒有對比與分析不同發展路徑的差異性，另一方面，缺乏對不同發展路徑的有效性進行檢驗。不同情境下的智能制造，對國家、產業和企業的要求不盡相同。若只停留在現階段宏觀政策的呼吁、敘述與討論，則難以推進智能制造的發展。所以，有必要采用定性比較分析方法，對4種不同發展路徑的有效性進行分析，以提出有針對性的解決措施。

4 研究展望

4.1 戰略坐標圖和突現分析

本文通過戰略坐標圖和突現分析來識別智能制造研究領域未來的研究熱點和前沿。借鑒楊朦晰等［52］的做法，以中英文樣本文獻的關鍵詞為主要依據，關鍵詞出現頻次為X軸、中心度為Y軸、原點為頻次和中心度的中位數（分別為8和0.05），將高頻關鍵詞（頻次≥4）在戰略坐標圖中顯示（如圖3所示），圖中負值坐標軸是為了擴展圖片以顯示所有點的標簽值。其中，第一象限為主流研究主題；第二象限為高潛研究熱點；第三象限可能為研究邊緣也可能為新興研究熱點；第四象限為研究邊緣地帶。圖3顯示，未來研究主題將由第一象限關注智能制造支撐系統的主流研究主題向第二、第三象限強調信息技術與先進制造技術相融合的高潛研究主題轉變。第一象限的關鍵詞包括物理信息系統（熱點1）、大數據（熱點2）、云計算（熱點3）、人工智能（熱點4）等。第二象限的關鍵詞包括智能服務（熱點5）、可持續制造（熱點6）等。第三象限新興的關鍵詞包括商業模式創新（熱點7）、數字經濟（熱點8）等。

圖3 智能制造研究領域的戰略坐標圖Fig.3 Strategic coordinate diagram of IM

突現分析是發現突變強度高的文獻以識別該領域研究重點及前沿。因為突變強度高的文獻在短期內具有顯然的增長勢頭，更有可能代表某一領域的研究趨勢及其對該領域的重要作用［52］。結果發現，核心文獻主要集中于智能制造發展的第三階段（2013—2021年）［1-2］，意味著該階段核心主題是研究前沿主題。本文選取了突發性最強25篇文獻進行編碼②文獻突現分析結果可向作者索取。，發現智能制造研究前沿主要關注以下3點。

第一，關注不同研究情境，特別是新興經濟體。LI［53］認為需重點關注新興經濟體，進而對不同國家間的科學合作活動、戰略優勢進行分析。在新一輪國際制造業市場競爭中，發達經濟體在國際競爭力和全球價值鏈地位上占據主要位置，而新興經濟體工業體系仍需進行深度化、結構化調整，進而實現產業競爭力和價值鏈地位提升的目標。為提升各國產業競爭力和價值鏈地位，不同新興經濟體國家智能制造重點戰略調整方向是什么？產業競爭方向在哪里？所以，未來研究需重點關注不同研究情境。

第二，關注重點技術的優化及其標準化。一方面，探討重點技術的優化，不同技術其被引量突增的時間不同。如，對大數據、工業互聯網、數字孿生研究的文獻在2018年被引量突增，持續到2019年，顯示未來研究要重點關注數字孿生技術所催生的智能感知、智能服務、產品生命周期的技術及應用等［54］。另一方面，探討技術標準化，其相關研究主要在2020年被引量突增，持續到2021年。如，KIM［5］主要闡述了未來在物聯網的環境下，必須重點開發針對向網絡平臺傳輸大量數據而優化的網絡協議和安全技術（如加密和認證協議），以確保數據轉換的安全性。由此可見，未來必須重點關注在工業4.0背景下不同的重點技術的優化和標準化及擴展其在智能制造的應用范圍。

第三，關注智能化制造的影響及其效果評估問題。一方面，關注智能制造對行業、企業層面等影響的文獻在2016—2017年被引量突增，持續到2019年［46］。另一方面，關注智能制造效果評估的文獻在2018年被引量突增，持續到2019年。KANG［55］對比德國、美國和韓國的政策和技術路線圖，認為未來應該從經濟指標和可持續發展的視角來對智能制造的效果進行評估。所以，未來要重點關注，在商業文明視角下，智能制造是如何改變傳統制造思維？其過程機理與技術視角下的智能制造有何差異？如何從趕超戰略、微笑曲線理論、行動者網絡和價值共創理論等不同的視角，探討智能制造高績效組態以及發展路徑的有效性？

4.2 未來研究議題

結合智能制造知識結構的分析結果以及研究熱點和前沿，從What、Why、How提出了未來研究議題。

4.2.1 研究議題1：什么是智能制造（What） 應該從商業文明視角，梳理智能制造的發展歷程、發展邏輯及前因后果因素?，F有研究主要關注智能制造背后的技術機理以及支撐系統，但智能化時代并不僅僅是技術的革新，更是高效滿足和創造用戶多樣化與個性化需求并不斷共同演化的全新的發展范式。不斷優化經濟和社會系統，促進多場景間的跨界交互與融合，進而形成新的商業模式變革［56］。因此，從商業文明視角來看，智能化時代已經從根本上改變了供需關系，顛覆了商業模式。智能制造的宏觀環境要素及其變化趨勢難以辨析。西方發達國家都在積極布局智能制造并提出了相應的智能制造的戰略發展規劃，國家間的競爭更為激烈。除了在技術標準、技術生態體系等方面持續努力，企業必須轉變戰略思維去應對高度復雜的智能制造時代環境。與此同時，智能制造模糊了行業邊界，消費者參與、消費者個性化需求、多元化使得企業跨界經營的現象屢見不鮮。智能時代企業跨界經營的情境特征、邏輯、前因后果、理論機制均有待進一步探究。由此可見，結合商業經營角度，系統地梳理商業文明視角下智能制造的發展歷程、發展邏輯及前因后果因素，對界定企業戰略管理的情境具有重要的現實和理論意義。

4.2.2 研究議題2：為什么要智能制造（Why） 應該從商業文明視角出發，根據不同的理論視角和新興經濟體特殊情境，探究智能制造前因因素與智能制造后果間的關系?，F有研究主要從趕超戰略對技術視角下的智能制造進行探討，而基于微笑曲線理論、行動者網絡和價值共創理論等理論視角對智能制造價值創造的不同方式進行探討。未來研究可結合微笑曲線理論、行動者網絡理論以及價值共創理論等視角從以下2個方面對智能制造復雜的過程機理進行研究。①采用大樣本實證分析方法，分別探究技術、組織和環境因素對行業層面如制造業服務化（熱點5）、企業層面如內部資源、動態能力、生產方式選擇（熱點6可持續制造）等因素的中介機制。②采用定性比較分析方法（QCA），探討企業戰略決策方式及高績效組態效應。如探究技術、組織和環境層面關鍵前因（如技術創新、高層管理者參與度、組織資源能力、政策支持力度、市場壓力）與結果（如制造業轉型升級、智能制造企業戰略反應、戰略決策方式、競爭優勢等）之間的構型關系，以解釋行業和企業智能制造戰略決策的過程復雜性。從現實意義來看，以新一代信息技術為核心的相關關鍵技術的進步方興未艾，發達國家與新興經濟體在發展智能制造方面的機會幾乎站在同一起跑線上，而中國擁有全球最完備的工業體系以及最大的智能制造市場機遇。探究各國企業的戰略反應以及如何搶抓第四次工業革命進行智能制造，無論是對政策制定還是企業戰略轉型均具有重要的實踐意義。從理論意義來看，現有研究因受情境、場景和對象的制約，對企業戰略反應及決策方式等的研究尚有欠缺。因此，根據商業文明視角對智能制造進行界定，探究嵌入在智能制造環境下的企業戰略反應及選擇，對新時代的戰略管理具有重要的理論意義。

4.2.3 研究議題3：如何實現智能制造（How） 從趕超戰略、微笑曲線理論、行動者網絡和價值共創理論等不同視角出發，探究智能制造4種發展路徑的有效性。智能化對企業的重要性不言而喻。一方面，價值鏈環節相互交疊，徹底轉變了企業的運營思維。從生產制造到研發設計再到營銷環節，對企業價值創造和傳遞進行了優化和改造［23］。另一方面，企業、政府、消費者、供應商等形成復雜的行動者網絡且不斷進行互動與融合，政策紅利、消費者訴求等與企業運營間的互動形成良性循環［43］。智能制造涉及的主體多且過程復雜，所以對智能制造發展路徑的探究不應僅僅停留在規范性描述層面。這樣無以從本質上回答以下根本問題：為什么企業采取不同的發展路徑？其必要條件究竟是什么？不同的發展路徑給企業價值鏈攀升、競爭優勢、智能制造水平等帶來怎樣的影響？因此，未來研究可從趕超戰略、微笑曲線理論、行動者網絡理論及價值共創理論等理論視角，探究不同的智能制造發展路徑有效性的必要條件、不同發展路徑下高智能制造水平（高競爭優勢等）的主要構型類型，具有重要的理論價值和現實意義。例如，從技術驅動（熱點2～熱點4：大數據、云計算、人工智能等）視角探究數字經濟發展（熱點8）、數字化質量管理、數字化運營管理等實施路徑的有效性及構型。一方面，在商業文明時代，技術創新是驅動經濟增長的根本動力，而數字化管理是解決企業戰略運營、組織變革等一系列難題的重要路徑之一［41］。另一方面，以數字化、人工智能等技術賦能質量管理、運營管理、生產制造等關鍵環節，對企業實現全生命周期制造模式的優化具有重要意義。