
隨著新一輪科技革命與產業變革持續深化,人工智能迅速從概念邁向實用。尤其是在制造業,AI的引入在深刻改變著傳統的生產方式、組織模式與價值創造邏輯。從有關部門密集部署“人工智能+”行動,到地方政府出臺扶持政策,再到企業端不斷涌現的落地案例,“AI+制造”正成為推動新型工業化的重要引擎,驅動中國制造業邁向高端化、智能化、綠色化的新階段。
在6月6日召開的“兩化融合”(信息化、工業化)領導小組工作會議上,工業和信息化部(下文簡稱“工信部”)總工程師謝少鋒指出,制造業是人工智能技術應用落地的重要領域,要圍繞“人工智能+制造”,加快打造智能制造“升級版”,并將其作為新型工業化的重要突破口。實際上,AI與制造的融合已從早期的“嘗試性植入”,轉向系統性“技術——組織——流程”的深層重構。
目前,AI技術不僅停留在圖像識別、語音識別等通用層面,更在工業場景中形成了專業化分化和本地化適配的趨勢。從AI建模到工業知識圖譜構建,再到端側協同處理、低延遲推理部署等應用層創新,正在推動一批關鍵性場景從“能用”向“好用”升級。
AI落地的本質,是算力、算法與數據的三者協同。而算力基礎設施,正是保障AI在工業場景中穩定運行的“底座工程”。
當前,中國已形成以“東數西算”為戰略支撐的全國一體化算力布局,全國算力總規模達280EFLOPS,智能算力占比超過30%。大模型的廣泛部署,對高性能算力的需求急劇增長,也倒逼算力架構的升級與異構協同的發展。例如,無問芯穹打造的“異構云”平臺,支持多種AI芯片協同運行,通過跨芯架構資源調度、軟硬件適配優化、推理加速與能效平衡等手段,實現多種類型算力資源的融合管理,為工業AI大模型的訓練與部署提供更高效、更經濟的解決方案。
同時,圍繞大模型應用的工具鏈也在不斷完善。例如,北京智譜AI基于國產自研大模型發布了“CogView工業圖像理解系統”,可將復雜零件圖紙快速轉換為三維結構建模,提高設計效率。在工業知識挖掘與語言決策方面,百度的文心大模型工業版、華為的盤古大模型等產品,已在電力、汽車、鋼鐵等行業實現初步落地。
AI在制造業的真正價值,體現在“提質、降本、增效”上。特別是在復雜、多變的離散制造場景中,AI正發揮著越來越關鍵的作用。
以上海汽輪機廠為例,其數字化車間在AI賦能下,車間中央控制室可一鍵調度生產系統。MES系統與AI算法協同調度工序與資源,使得葉片加工實現從訂單接收到成品出庫的全流程智能可視。曾經靠經驗和計劃管理的流程,如今可以通過AI驅動的動態調度系統,根據訂單優先級、設備狀態、工人班次自動調整最優排產路徑。
此外,一些制造企業還在探索AI輔助的“人機協同”新模式。通過機器視覺與AI模型的配合,部分關鍵工序可實現自動化質檢與缺陷識別,并可結合語義分析提供原因溯源與工藝建議,實現閉環優化。
越來越多的制造企業意識到,AI帶來的不僅是局部效能提升,更是組織思維方式和商業模式的根本重構。
在福建某家電企業,AI被部署在產品設計環節,通過生成式設計系統分析上百萬級別歷史零部件數據,并基于用戶反饋與成本數據進行參數優化,協助工程師快速完成迭代版本。在浙江某高端電機制造企業,AI已深度融入從客戶需求識別、訂單處理、設計渲染到生產工藝排布的全鏈條流程,企業將其稱為“算法驅動型制造流程再造”。
AI與制造業融合不是孤立發展的結果,而是“技術牽引——政策引導——企業實踐”三位一體的協同過程。
近年來,國家持續加碼政策支持。從《“人工智能+”行動計劃》到《制造業數字化轉型行動方案》,一系列頂層文件指明方向。地方層面,北京市出臺“AI產業創新發展行動計劃”,浙江省發布“工業大模型發展三年行動方案”,廣東、江蘇等制造業大省也紛紛設立專項資金,支持AI在工業領域的場景落地和成果轉化。
工信部也明確提出“分類分級推動工業大模型典型場景應用”,圍繞重點行業建設“應用先導區”,并推進制造業企業建立AI中臺能力,提升模型訓練、推理部署和閉環優化能力,逐步形成AI驅動的行業智能基礎設施。
縱觀AI賦能制造業的演進路徑,我們可以看到,過去更多關注“技術突破”,如今則轉向“價值共創”與“生態協同”。一方面,企業需構建自身數據資產管理與AI治理能力,避免“算法黑箱”與“數據沉默”。另一方面,AI企業也需深度理解工業場景,開發行業定制化模型與工具,以更好地與制造企業共同解決實際問題。
未來制造業的核心資產,將不僅是機器和廠房,更是算法和數據。誰能率先實現從“工具化AI”向“智能體協作系統”的轉變,誰就能在下一階段的產業競爭中占據主動。AI+制造,正走出試驗田,駛入深水區。在這場新型工業化浪潮中,每一個制造企業、每一位產業實踐者,都值得重新思考:“我們準備好了嗎?”
本文部分內容節選自經濟日報《AI賦能制造業效應凸顯》一文,內容經過編輯。