Con el rápido desarrollo de la economía, es importante evaluar razonablemente el estado de desarrollo de la industria manufacturera regional. Dado esto, este artículo amplía los indicadores de evaluación de la manufactura avanzada urbana (UAM) desde la perspectiva del empuje-tirón-anclaje (PPM). Luego, utiliza un método de aprendizaje automático (ML) para predecir los resultados de evaluación de otras ciudades a través de una pequeña cantidad de datos de muestra. Los resultados muestran que: (1) Desde el estado actual de desarrollo de la UAM en la provincia de Guangdong (GD), las ciudades en la región del Delta del Río Perla ocupan una posición dominante. Sin embargo, las ciudades en las regiones oriental, occidental y montañosa tienen un fuerte potencial de desarrollo y lideran ciudades. Por lo tanto, cada región tiene ciudades con altos niveles de desarrollo y tiene un papel demostrativo. (2) Por comparación, se encontró que el nivel de desarrollo general de la UAM en GD no es significativamente diferente al del Cinturón Económico del Río Yangtsé. Sin embargo, debido a diferencias significativas en sus valores extremos, la proporción de ciudades por encima de la media en la población total es relativamente pequeña. Esto prueba indirectamente que la UAM de GD no solo tiene una naturaleza faseada, sino que también tiene un papel demostrativo. (3) El efecto de predicción del modelo de perceptrón es mejor que el de otros métodos. Aunque los modelos de redes neuronales tienen un mejor rendimiento de predicción que otros modelos de aprendizaje automático, no se debe depender en exceso de la predicción de datos de estructuras de red complejas. Al comparar los resultados, se verifica la fiabilidad. Finalmente, de acuerdo con la teoría del ciclo de vida, proponemos un camino de desarrollo específico para diferentes UAM.