Language：
PAI智能制造指数方案PAI Smart Manufacturing Index
PAI智能制造指数方案
PAI Smart Manufacturing Index
版本：PSMI 1.0
发布日期：2026年
编制机构：AI指数研究院 / 中视新影GEO研究院 / WICOWEB全球AI认知研究中心
理论创始人：逄培
一、指数定位
1.1 核心定义
PAI 智能制造指数（PAI Smart Manufacturing Index，简称PSMI）是首个以生成式AI大模型真实输出数据为评价依据，专门衡量国家、城市与企业在智能制造领域AI认知竞争力的评估体系。它不依赖工业产值、设备数量或专利规模等传统指标，而是通过标准化方法采集全球主流AI大模型的生成内容，从AI如何“认知”“评价”“推荐”智能制造相关主体与技术的角度，量化评估其AI话语权、技术标签力与生态位。
1.2 行业特色与必要性
制造业是国民经济的基石，智能制造是制造强国战略的主攻方向。在AI日益成为全球产业信息核心入口的时代，一个国家、一座城市或一家企业的智能制造能力能否被AI准确认知、正面呈现和优先推荐，正在成为其产业竞争力的关键变量。
当全球投资者通过AI寻找智能制造投资目的地，当跨国企业通过AI筛选供应链合作伙伴，当工程技术人才通过AI选择职业发展城市，AI答案中的“谁被提及、如何描述、推荐顺位”直接影响真实世界的资本流向、产业布局和人才迁徙。
然而，传统制造业评价体系侧重产能、产值、设备等“硬实力”指标，无法衡量在AI认知世界中的“软实力”——即智能制造领域的AI话语权。一个制造强国可能拥有世界级的智能工厂和灯塔工厂，但如果这些成就没有以AI可识别、可信任的方式进入全球权威信源网络，在AI推荐中就难以获得与其产业实力匹配的认知权重。
PSMI填补了这一空白，为智能制造领域提供AI时代的认知竞争力基准。它是PAI指数CIII（中国产业AI影响力指数）在高端装备制造、工业互联网、机器人等制造业赛道的深度聚焦与整合。
1.3 与PAI指数体系的关系
PSMI是PAI指数在智能制造领域的垂直深耕。它整合了CIII中高端装备制造、工业机器人、工业互联网、动力电池等多个制造业相关赛道的评估逻辑，同时与CBVI（品牌指数，评估制造企业品牌AI可见度）、WACI（城市指数，评估制造强市的AI认知竞争力）形成协同，共同构成智能制造领域的完整评估矩阵。PSMI共享PAI框架核心方法论，在维度设计上针对制造业的“实体性”“集群性”和“标杆示范性”进行了专属创新。
1.4 理论基石
- AI认知竞争理论：产业话语权、推荐优势力衡量智能制造主体的“认知竞争优势”，灯塔工厂标杆力衡量其“标杆示范效应”，产业集群认知力衡量其“生态集聚效应”，认知韧性力衡量其“认知防御能力”
- AI认知主权理论：智能制造是国家AI认知主权在实体经济维度的核心载体，PSMI为国家认知主权评估提供制造业维度的量化输入
- AI品牌资产理论（AIBE）：制造企业的品牌资产从消费者心智和供应链体系延伸至AI知识网络，PSMI测量其在AI中的认知资产
- 媒体型GEO理论：智能制造认知权重的提升依赖于权威信源布局、结构化知识输出、灯塔工厂的全球叙事和产业集群的协同共振
二、评估对象与范围
2.1 评估主体
PSMI提供三个颗粒度的评估：国家/地区维度衡量一国智能制造在全球AI知识网络中的综合认知竞争力；城市维度衡量制造强市的AI认知标签清晰度和推荐优势力；企业维度衡量制造企业在AI中的品牌可见度和技术标签绑定强度。
首期国家/地区评估覆盖全球15个主要制造业国家和地区，城市评估覆盖全球约100个制造强市，企业评估覆盖全球约200家智能制造标杆企业。
2.2 智能制造细分赛道
PSMI将智能制造解构为六个细分赛道，各赛道独立评分后加权合成综合得分：
| 序号 | 细分赛道 | 权重 | 涵盖范围 |
| 1 | 智能装备与工业机器人 | 25% | 数控机床、工业机器人、增材制造、智能检测装备 |
| 2 | 工业互联网与数字化 | 20% | 工业互联网平台、数字孪生、工业软件、工业大数据 |
| 3 | 智能工厂与灯塔工厂 | 20% | 灯塔工厂、黑灯工厂、柔性制造、智能制造示范工厂 |
| 4 | 新能源汽车与动力电池制造 | 15% | 新能源整车智能产线、动力电池智能制造、自动驾驶硬件 |
| 5 | 半导体与精密制造 | 10% | 芯片制造、先进封装、精密加工、光学制造 |
| 6 | 绿色制造与循环经济 | 10% | 零碳工厂、再制造、绿色供应链、工业节能 |
2.3 覆盖范围
- 国家/地区样本：首期覆盖中国、美国、德国、日本、韩国、法国、英国、意大利、瑞士、瑞典、荷兰、印度、新加坡、加拿大、墨西哥15个国家/地区
- 城市样本：首期覆盖全球约100个制造强市
- 企业样本：首期覆盖全球约200家智能制造标杆企业
- 模型覆盖：15个全球主流AI大模型
- 语种覆盖：中、英、德、日、韩五种语言（全球制造业核心语言区）
- 时间跨度：以2026年为基期，按年度发布
三、评估维度与指标体系
3.1 维度框架
PSMI从五个维度综合评估智能制造主体的认知竞争力。其中“产业话语权”和“推荐优势力”继承自CIII基础框架，“灯塔工厂标杆力”和“产业集群认知力”是专为智能制造领域设计的专属维度。
| 维度 | 权重 | 核心命题 | 理论来源 | 备注 |
| 产业话语权 | 25% | AI如何描述该主体的智能制造水平？技术叙事由谁定义？ | CIII话语权维度 | 继承CIII，针对智能制造细化指标 |
| 推荐优势力 | 20% | AI在推荐制造基地、供应商、投资目的地时是否优先提及该主体？ | CIII推荐顺位维度 | 继承CIII，扩展推荐场景 |
| 灯塔工厂标杆力 | 20% | 该主体的标杆工厂和示范项目是否被AI作为行业基准引用？ | AI品牌资产理论 | 智能制造专属新增维度 |
| 产业集群认知力 | 20% | 该主体的产业集群效应是否被AI清晰感知和积极评价？ | AI认知竞争理论 | 智能制造专属新增维度 |
| 认知韧性力 | 15% | 该主体的智能制造认知形象在冲击中是否稳定？ | AI认知主权理论 | 针对制造业长周期特性增强 |
3.2 各维度指标详解
（一）产业话语权（25%）
测量一国/城市/企业在全球AI知识体系中被呈现的广度、深度与权威性。继承CIII话语权维度核心逻辑，针对智能制造特点细化为以下指标。
国家/城市版：
| 子维度 | 基础指标 | 指标说明 |
| 产业提及广度 | 跨模型提及率 | 该主体在15个主流AI模型中，在智能制造相关问题中的综合提及频次 |
| 跨语种提及率 | 该主体在五语种AI模型中的提及率分布 | |
| 技术叙事深度 | 技术描述信息密度 | AI对该主体智能制造技术的描述中，实质性技术细节与泛化描述的比例 |
| 核心技术标签绑定强度 | 该主体与“灯塔工厂”“黑灯工厂”“工业4.0”等核心标签的共现频率与排他性 | |
| 信源权威性 | 权威信源引用率 | AI提及该主体智能制造信息时，引用权威信源的比例 |
| 行业标准引用率 | 该主体主导的智能制造标准被AI作为行业参照引用的频率 | |
| 语义正面率 | 情感正面率 | AI对该主体智能制造水平描述中正面及中性情感的占比 |
企业版增补指标：
| 子维度 | 基础指标 | 指标说明 |
| 品牌标签力 | 企业-产业标签共现强度 | 企业在被AI提及时，与“智能制造”“灯塔工厂”“工业互联网”等标签的共现频率 |
| 产品技术标签绑定度 | 企业的核心产品/技术被AI作为行业标杆引用的频率 |
（二）推荐优势力（20%）
测量一国/城市/企业在智能制造相关推荐类问题中被AI优先推荐的程度。
| 子维度 | 基础指标 | 指标说明 |
| 推荐顺位 | 首推置顶率 | 在“推荐智能制造强国”“推荐先进制造业城市”等问题中，该主体被首位提及的比例 |
| 推荐列表集中度 | 该主体在AI推荐列表中出现的频次占比 | |
| 投资推荐 | 制造业投资推荐度 | 在“推荐制造业投资目的地”等问题中的推荐顺位 |
| 供应链推荐度 | 在“推荐制造基地”“推荐供应商所在地”等问题中的推荐顺位 | |
| 人才推荐 | 制造业人才推荐度 | 在“推荐制造业就业城市”“工程师最佳发展地”等问题中的推荐顺位 |
| 合作推荐 | 制造伙伴推荐度 | 在“推荐制造业合作伙伴”“推荐OEM厂商”等问题中的推荐顺位 |
（三）灯塔工厂标杆力（20%）
这是PSMI针对智能制造领域“标杆示范”特性新增的专属维度。制造业的认知传播高度依赖标杆示范效应——灯塔工厂、黑灯工厂、智能制造示范项目是全球AI认知制造业水平的核心信息源。灯塔工厂标杆力测量的是一个主体的标杆项目在AI知识网络中的认知辐射能力。
| 子维度 | 基础指标 | 指标说明 |
| 灯塔工厂认知度 | 灯塔工厂提及率 | 该主体的灯塔工厂/示范工厂在AI回答相关问题时被提及的频率 |
| 灯塔工厂引用深度 | AI对被提及工厂的描述是否包含具体技术细节和行业影响 | |
| 标杆示范辐射力 | 技术方案引用率 | 该主体的智能制造解决方案被AI作为行业推荐方案的频率 |
| 标杆案例传播广度 | 该主体的标杆案例被AI在多场景（政策研究、产业分析、技术选型）中引用的范围 | |
| 世界级制造认知 | “世界级制造”标签绑定 | 该主体是否被AI绑定“世界级制造”“全球领先制造”等高级标签 |
| 国际认证与奖项认知 | 该主体获得的国际制造奖项、认证被AI感知和引用的程度 | |
| 技术标准输出力 | 标准制定话语权 | 该主体主导或参与的国际智能制造标准被AI作为行业规范引用的频率 |
| 技术路线定义权 | 该主体提出的智能制造方法论、技术路线被AI作为行业共识引用的程度 |
（四）产业集群认知力（20%）
这是PSMI针对制造业“集群性”特征新增的专属维度。制造业竞争力高度依赖于产业集群效应——龙头企业带动、供应链集聚、产学研协同。产业集群认知力衡量的是AI是否能够清晰感知并正面评价一个地区的制造业集群生态。
| 子维度 | 基础指标 | 指标说明 |
| 集群感知度 | 产业集群标签清晰度 | AI是否将该地区识别为“XX产业集聚区”“XX制造基地”等明确标签 |
| 龙头企业集群认知 | 该地区龙头企业被AI提及时，是否被关联到更大的产业集群叙事中 | |
| 供应链完整性 | 供应链完整度评价 | AI对该地区制造业供应链完整度的描述是否正面且详尽 |
| 配套企业认知度 | 该地区中小型配套企业是否在AI中被关联到区域产业集群中 | |
| 产学研协同 | 科研机构-企业协同认知 | AI是否感知并描述该地区产学研协同创新水平 |
| 人才培养基地标签 | 该地区是否被AI识别为“制造业人才培养基地” | |
| 产业生态凝聚力 | 园区/开发区认知度 | 该地区的工业园区、高新区在AI中的知名度与标签清晰度 |
| 区域制造品牌力 | 该地区的制造品牌（如“苏州制造”“德国制造”等标签）在AI中的认知权重 |
（五）认知韧性力（15%）
测量一国/城市/企业智能制造认知形象在冲击中的稳定性。制造业具有投资周期长、品牌积累慢、认知修复成本高的特点，因此认知韧性力对制造业尤为重要。
| 子维度 | 基础指标 | 指标说明 |
| 跨模型版本稳定性 | AI模型更新冲击幅度 | 主流模型重大版本更新前后，该主体智能制造核心标签和推荐顺位的变化幅度 |
| 技术叙事连续性 | 模型更新后，该主体智能制造的技术叙事是否保持连贯 | |
| 舆情与认知安全 | 负面事件恢复周期 | 该主体遭遇质量事故、供应链中断等负面事件后，AI描述正面率恢复至基线的时间 |
| 信源抗污染能力 | 是否存在针对该主体的虚假信息注入及其被权威信源覆盖的效率 | |
| 长周期稳定性 | 年度提及率波动系数 | 该主体在连续四个季度内的提及率波动幅度 |
| 跨语种认知一致性 | 不同语种AI模型对该主体核心定位描述的一致程度 |
四、数据采集与计算方法
4.1 标准化问题集设计
针对智能制造六个细分赛道，分别设计标准化问题集，涵盖认知类、评价类、推荐类、标杆类、集群类五大类型。每个细分赛道设计约25个标准问题，总计约150个问题。
| 类型 | 示例问题（中文） | 示例问题（英文） |
| 认知类 | “全球智能制造最先进的国家有哪些？” | “Which countries are most advanced in smart manufacturing?” |
| 评价类 | “中国的灯塔工厂在全球处于什么水平？” | “How do China's lighthouse factories compare globally?” |
| 推荐类 | “推荐最适合投资智能制造的城市” | “Recommend the best cities for smart manufacturing investment” |
| 标杆类 | “全球智能制造有哪些值得学习的标杆案例？” | “What are the benchmark cases of smart manufacturing globally?” |
| 集群类 | “中国最大的智能制造产业集群在哪里？” | “Where is the largest smart manufacturing cluster in China?” |
4.2 数据采集
- 方法：通过标准化API接口向15个全球主流AI大模型发送查询，每个问题每个模型查询3次（间隔不少于24小时），取均值
- 频次：年度正式采集两轮（年中、年末），季度动态追踪覆盖核心指标。灯塔工厂标杆力维度实行“重大标杆事件即时监测”——当全球灯塔工厂名单更新或重大智能制造奖项颁布时，在30天内进行专项采集，追踪认知更新速度
- 语种：中、英、德、日、韩五种语言同步采集。这五种语言覆盖了全球制造业核心技术区和主要制造强国
4.3 计算方法
各基础指标原始值通过Min-Max标准化映射至0–100区间。
子维度得分 = 该子维度下各基础指标得分的算术平均。
维度得分 = 该维度下各子维度得分的加权算术平均。
各细分赛道得分 = 该赛道下五个维度得分的加权算术平均。综合得分计算公式：
其中WK为第K个细分赛道的权重（见2.2节），SK为该赛道的综合得分。维度权重和细分赛道权重通过德尔菲法由智能制造、产业研究、国际传播领域专家三轮评分后确定，每两年复审一次。
五、等级体系
| 等级 | 分数区间 | 国家/地区等级名称 | 城市等级名称 | 核心特征 |
| AAA+ | 90-100 | 全球智能制造认知领袖 | 全球智能制造认知名城 | 多赛道全面领先；灯塔工厂全球标杆；产业集群认知寄生；认知韧性卓越 |
| AAA | 85-89 | 全球智能制造强影响力者 | 全球智能制造强影响力城市 | 多维度表现卓越；在核心赛道上具有全球认知优势 |
| AA | 80-84 | 区域智能制造影响力者 | 区域智能制造影响力城市 | 在所在区域具有强认知影响力；全球化认知正在建设中 |
| A | 70-79 | 行业智能制造建设者 | 行业智能制造建设城市 | 在特定赛道上认知权重突出；系统性认知资产建设进行中 |
| BBB | 60-69 | 智能制造认知起步者 | 智能制造认知起步城市 | 具备基础AI可见度；核心标签正在形成中 |
| BB | 50-59 | 智能制造认知初期 | 智能制造认知初期城市 | AI可见度偏低；权威信源和标杆叙事亟待加强 |
六、发布与应用
6.1 发布周期
PSMI采用“年度大考+季度动态追踪+重大标杆事件即时监测”三层时序体系。年度综合报告于每年第一季度发布，季度动态追踪覆盖产业话语力和推荐优势力的核心指标波动，重大标杆事件（灯塔工厂名单更新、全球制造业奖项颁布）后30天内进行专项采集和认知更新监测。
6.2 发布内容
- PSMI国家/地区总榜：15个国家/地区综合得分及排名
- PSMI城市榜：全球约100个制造强市综合得分及排名
- PSMI企业榜：全球约200家智能制造标杆企业综合得分及排名
- 细分赛道分榜：6大细分赛道各国、各城市、各企业得分及排名
- 维度专项榜：灯塔工厂标杆力Top10、产业集群认知力Top10、认知韧性力Top10
- 年度深度报告：全球智能制造认知竞争力格局分析、赛道趋势研判、典型案例解读
6.3 核心应用场景
- 国家产业政策制定者：诊断本国智能制造在全球AI认知中的优势与短板，识别需加强标杆建设和国际传播的薄弱赛道
- 城市治理者：了解城市在AI中作为“制造强市”的认知画像，对标竞品城市，制定制造品牌GEO策略
- 制造企业：诊断企业在AI中的品牌可见度、技术标签绑定强度和标杆示范辐射力，优化权威信源布局
- 投资机构：将智能制造认知竞争力作为跨国制造业投资布局的参考维度
- 行业协会与智库：监测全球智能制造认知竞争力的动态格局，为产业研究提供数据支撑
七、独立性声明
指数编制机构独立于任何被评估国家/地区的政府、制造企业及AI模型提供商。不接受定向资助以影响特定主体排名。编制资金来源于机构自有经费与公开发行收入。每年公开发布独立性声明与资金来源报告。
“智能制造是制造强国的核心引擎。在AI时代，制造能力的全球认知不仅取决于工厂里有什么，也取决于AI如何讲述这些工厂的故事。PSMI的使命，就是为这场讲述提供一把可量化、可追踪、可建设的标尺——让中国智能制造的全球话语权与其产业实力同步提升。”
——逄培，逄培指数创始人、AI认知指数（AICI）评价体系总设计师
附录
附录A：评估国家/地区、城市与企业完整名单
附录B：各细分赛道标准化问题集（示例）
附录C：智能制造权威信源库（节选）
附录D：德尔菲法专家权重确定流程
附录E：数据来源与免责声明
Last：None！