工业和信息化部、国家发展改革委近日联合印发《制造业中试创新发展实施意见》（以下简称《实施意见》），以促进中试与创新链、产业链同步发展，建设现代化中试能力，完善中试服务平台体系，加快中试软硬件产业发展，优化中试发展生态，为推动制造业高质量发展、加快实现新型工业化提供有力支撑。
中试是把处在试制阶段的新产品转化到生产过程的过渡性试验。制造业中试是推动科技成果产业化的关键环节，是促进技术迭代、工艺改进和产品创新的重要方式，核心是使创新成果更快转化为现实生产力。
《实施意见》提出：
◆ 到2025年，我国制造业中试发展取得积极进展，重点产业链中试能力基本全覆盖，数字化、网络化、智能化、高端化、绿色化水平显著提升，中试服务体系不断完善，建设具有国际先进水平的中试平台5个以上，中试发展生态进一步优化，一批自主研发的中试软硬件产品投入使用，中试对制造业支撑保障作用明显增强。
◆ 到2027年，我国制造业中试发展取得显著成效，先进中试能力加快形成，优质高效的中试服务体系更加完善，中试发展生态更加健全，为产业高质量发展提供有力支撑。
布局现代化中试能力
让技术从“实验室”走到“应用场”，离不开产业科技创新平台体系的支撑。数据显示，2022年，17.56万家规上工业企业开展研究与试验活动，规上工业企业试验经费支出1.87万亿元，占全国试验经费支出的73.92%，一批自主创新技术和科研成果加快从样品到产品再到商品的转化。
然而，当前规上工业企业中仅有37.3%开展了研究与试验活动，仍有大量中小企业不够重视中试验证，尚未建设中试能力。已建立的制造业平台也不同程度存在职能定位散、服务水平低、发挥作用弱等问题，难以有效满足高质量发展的现实需求。为此，《实施意见》从七方面规划了如何构建现代化中试能力：
01 加快中试能力体系全覆盖。科学规划覆盖重点行业的先进中试能力，形成完善的中试技术体系、先进的中试服务网络和有效的中试软硬件产品供给。建设一批有较强行业带动力的重大中试项目。
02 促进中试能力建设工程化。实施制造业中试能力提升工程，推动流程型制造企业建设面向产品试制和批量生产的中试能力，推动离散型制造企业建设面向新产品研发和持续迭代的中试能力。
03 推进中试数字化。推广数字技术在工艺工装测试、缺陷检测、预测性维护等试验场景的解决方案。鼓励企业挖掘数据价值，构建数字孪生系统，开展虚拟仿真实验，实现无实物样机生产。
04 推进中试网络化。深化工业互联网、物联网、5G等技术在中试环节的应用。推动企业与供应商云上共享试验数据资源。推广中试云服务，满足中试云化需求。
05 推动中试智能化。推动智能中试线建设，加快中试智能化改造。推动机器视觉、机器学习、人工智能大模型在中试环节的应用。
06 推动中试高端化。加快高精度测量仪器、高端试验设备等产品研制，加强设计仿真软件攻关。对具有重大应用前景、高附加值的试验材料、高端产品和装备，优先纳入首批次材料、首台（套）装备应用指导目录。
07推动中试绿色化。推广资源消耗低、环境影响小、本质安全可靠的新模式。引导企业建设绿色安全中试线，推进绿色技术软件化封装，提升中试资源综合利用效率。
中试一头连着创新，一头连着产业，是新技术、新产品转化到生产过程中的过渡性试验。有研究表明，科技成果未经中试试验的，产业化成功率只有30%左右，经过中试试验产业化成功率可达80%。
推动运用中试“三化”新模式
当前，世界经济正在向数字化转型，数字化、网络化、智能化已经成为新一轮科技革命和产业变革的突出特征。国际上拥有深厚工业底蕴和先进数字能力的企业，顺应数字经济发展趋势，纷纷运用中试数字化、网络化、智能化新模式，有效缩短研发周期、丰富试验项目、降低试验成本。
我国数字技术进入加速创新的爆发期。我国已建成全球规模最大、技术领先的信息通信网络，算力总规模全球排名第二，工业企业数字化研发设计工具普及率达到78.3%，在研发环节体现较强的数字化能力。中试是连接新产品研发和产业化应用之间的桥梁，推进中试数字化，加强新一代信息技术融合应用，不仅能够加快企业试验数据共享、开放、应用步伐，释放数据中蕴藏的巨大价值，还有利于发展数字孪生、虚拟仿真实验等新模式，提升研发效率，实现无实物样机生产，为制造业发展注入新动能。
网络化为中试发展提供更多动力源泉。当前，我国工业机器人、工业软件广泛普及，工业互联网平台覆盖85%以上工业大类，企业利用业务上云来提升质量、效率和效益的作用初显，推进中试网络化，促进产业链供应链各类资源要素的网络化泛在互联、服务化弹性供给、平台化高效分配，有利于提升研发创新的及时性和有效性，提高中试资源利用效率，推动中试云服务等新业态新模式蓬勃发展。
人工智能向工业各领域加速渗透应用。我国具有工业体系完整、产业规模庞大、数据场景丰富等综合优势，全国已建设近万家数字化车间和智能工厂，创造了大量应用场景。推进中试智能化，推动机器视觉、机器学习、人工智能大模型在中试环节的应用，有利于通过全面感知、实时分析、科学决策和精准执行，实现自动化、高精度和跨场景的工业缺陷识别，优化工艺过程，提升试验效率，积累技术能力，形成人工智能赋能制造业中试发展的独特优势。
