原標題：AI賦能制造業效應凸顯

人工智能（AI）技術發展日新月異，其在電子、原材料、消費品等行業加快普及，在研發設計、中試驗證、生產制造、運營管理等環節得到廣泛應用，賦能效應日益凸顯。

“制造業是人工智能技術產品應用落地的重要領域。”工業和信息化部總工程師謝少鋒介紹，近年來，人工智能與制造業融合發展加速，國產廠商研發的AI手機、AI電腦、AI眼鏡等智能產品已超百款，人工智能領域的國家級專精特新“小巨人”企業已經超過400家，產業生態持續優化。

夯實技術根基

人工智能發展，關鍵在于夯實技術根基。“目前，我國已經形成覆蓋基礎層、框架層、模型層、應用層的完整產業體系，建成鋼鐵、煤炭等高質量行業數據集，培育出一批國產開源大模型，向全球展示了中國人工智能發展的速度和實力。”賽迪研究院電子信息研究所副研究員于萍說。

近年來，工信部加快人工智能芯片、算法框架、大模型等攻關力度，支持創建具身智能、人形機器人、智能語音等國家制造業創新中心，加快前沿技術和關鍵共性技術突破。

走進上海智元新創技術有限公司，工程師正在“教”一臺人形機器人如何把外賣交到顧客手中。指節彎曲抓住手提袋，抬起胳膊并伸直，找到顧客所在位置張開手掌，這套看似非常容易完成的動作，在機器人身上要反復訓練、調試多次。而工程師想要讓機器人變得更聰明，得益于智元推出的一站式開發平臺——Genie Studio，其具備數據采集、模型訓練、仿真評測、模型推理等功能，可以解決開發者普遍面臨的數據難獲取、模型難訓練、開發成本高等行業困境，讓“訓練機器人大腦”變得簡單高效。此外，智元還在今年3月發布了智元啟元大模型，具有人類視頻學習、小樣本快速泛化、一腦多形、持續進化等優勢，有效提升機器人交互、作業智能化水平。

大模型的訓練、運行需要算力作支撐。目前，我國在用算力中心機架總規模超過900萬標準機架，算力總規模達到280EFLOPS。但部署在不同芯片上的算力難以被協同使用，算力資源也呈現分散化、地域分布不均衡的特點，跨系統調度與利用效率不高，高性價比、高附加值算力仍存在供給缺口。

為此，上海無問芯穹智能科技有限公司構建了一朵“異構云”，實現了多種大模型算法在多種芯片上協同部署運行，降低行業對單一芯片的依賴，增強產業鏈供應鏈韌性和競爭力。公司研發的跨機房訓練技術，能夠提升零散算力資源可用性，實現高價值數據資源本地處理，讓算力與數據流通更高效，實現跨域算力資源共享和配置優化，助力算力資源與下游產業協同發展。

“下一步，我們將組織人工智能賦能新型工業化‘揭榜掛帥’行動，加強通用大模型和行業大模型的研發布局，加快建設工業領域高質量數據集，夯實技術基礎底座。”謝少鋒說。

加速柔性化改造

大規模流水線生產模式已經無法適應復雜多變的市場需求，定制化柔性生產是制造業向高附加值攀升的發展方向之一，這其中數字技術將發揮更為關鍵的作用。

在上海汽輪機廠葉片加工車間，AGV小車將零部件運送到一臺臺機床旁，在MES系統操作下，產線自動上料、切換道具、加工成型，不同型號的汽輪機葉片就這樣被生產出來。

汽輪機大多是定制化產品，有的型號甚至只會生產一臺，對工廠的柔性化生產能力提出較高要求。“針對多品種小批量的生產特點，我們在2022年開始建設數字化車間。”上海汽輪機廠副總經理韓雷告訴記者，全新的智能制造體系融合物聯網、人工智能等信息技術，全面提升葉片加工過程中的質量管控、成本管控、交付管控能力。數字化系統高效匹配葉片原材料、設計、工藝、數控程序、倉儲等信息，精準到每一片葉片、每一道工序、每一項質檢數據，實現葉片生產全生命周期的可管控、可追溯。智能排產系統采用先進算法，根據生產實際情況快速調度，實現多目標排產優化。“此前需要上百位計劃專員根據訂單安排生產，采購、結算、發貨等都靠人工完成，有了這套系統，生產效率提升1倍以上。”

“人工智能技術能夠系統性提升產線應對定制化需求的能力，通過實時數據分析、生產設備自適應控制等方式，推動產線柔性化改造。”于萍認為，在生產規劃環節，基于實時生產數據和市場需求信息，人工智能憑借數據處理能力動態調整工藝流程及生產計劃，實現多品種、小批量生產的快速切換，提高資源利用率，顯著壓縮換線時間與庫存成本。在供應鏈協同方面，人工智能促進企業間信息實時共享，保障定制化生產所需物料按時交付，增強供應鏈對柔性生產的支撐能力。

提升生產效率

提效率、降成本是企業在激烈市場競爭中贏得先機的有效手段，人工智能技術在這一過程中作用十分明顯。

一方面，人工智能、大模型技術通過數據驅動智能決策、流程自動化與系統性優化，提升企業生產效率、削減經營成本；另一方面，通過知識圖譜技術整合多源信息，構建企業知識網絡，加速產品迭代與服務升級。

“隨著新一代信息技術快速發展，我們將5G、AI、數字孿生等技術與制造業深度融合，推動工廠加快向數字化、網絡化、智能化發展。”江蘇亨通光纖科技有限公司總經理劉振華介紹，有一次，公司接到一筆緊急訂單，客戶要求在短時間內生產交付兩種具備不同功能的特種光纖，且對質量要求很高。過去，研發人員要設計多套方案并在工廠逐一試驗，直到指標達到要求為止，至少需要半年時間。現在，研發人員以智能集控系統積累的數據為基礎，運用數字仿真技術模擬制造流程，再由AI分析測算生產結果，最終僅用半個月就確定了合適的工藝參數，大大提升研發效率。

在柳鋼集團冷軋廠的生產車間，生產技術室電氣主任工程師朱旋向記者展示了基于DeepSeek開發的數智鋼卷智能助理APP，“我們以高質量工業數據訓練大模型，它能夠對比不同機組生產效率，提供優化排產建議。例如，在生產冷軋低碳鋼板時，一退火機組的冷卻效率在3個機組中最快，加熱罩升溫速度更是比其他區域快20分鐘。有了它的精準調控，生產成本降低了，設備運行更穩定了”。

此外，員工們使用手機上釘釘AI助手，實時查看生產進度、成本、設備狀態等。在酸軋生產線上，一塊4毫米厚的原料帶鋼要變成1.5毫米薄鋼板，需要經過10多道工序，涉及100多個參數，過去很難判斷具體生產成本。現在，所有數據在手機上一目了然：0.8毫米厚度的鋼板在二酸軋產線生產成本比其他規格低13元，1.2毫米以下的帶鋼排產選二酸軋產線更劃算。這種透明化管理，不僅讓員工們對生產線了如指掌，也促進了部門之間的溝通協作，有效推動精益管理深入實施。

也要看到，大模型在制造業的應用仍處于早期階段，適配工業復雜場景的模型有待被進一步開發，鏈接供需雙方的中間服務環節較為薄弱。為此，于萍建議，持續推動模型適配和算力優化、培育壯大優質人工智能服務商隊伍。此外，突出應用導向，加快推進解決行業普遍問題的大模型及公共服務平臺建設，降低人工智能應用門檻和成本，以需求驅動創新、以場景反哺技術，推動制造業全流程智能升級。（經濟日報記者 李芃達）