【聯盟動態】AI賦能智能制造痛點破解與實施路徑沙龍活動順利召開

11月27日，由北京市科學技術協會主辦，北京市海淀區科學技術協會、中關村網絡安全與信息化產業聯盟（以下簡稱“聯盟”）聯合承辦，北京四季慧谷園區管理有限公司、中關村意谷（北京）科技服務有限公司協辦的AI賦能智能制造的痛點破解與實施路徑沙龍活動順利舉辦。來自北京市科學技術協會一級巡視員何勁松，北京市科技教育中心（市科協黨校）副主任孫濤，北京市科委中關村管委會新材料與智能制造處原一級調研員張若松，工業和信息化部網絡安全產業發展中心原副主任李新社，北京市海淀區科學技術協會黨組成員、副主席邱峰等相關領導專家出席。同時，浪潮、航天云網、福田汽車、六方云、706所、安天、和利時、中聯德冠、東方通、烽臺科技、惠而特、用友、數力拓新、康泰博控、愛加密等企業代表共40余人參加活動。本次活動由聯盟秘書長鄒冬主持。

主題報告環節，工業和信息化部網絡安全產業發展中心原副主任李新社以《AI助力制造業發展的問題和破局》為題展開分享，聚焦AI賦能智能制造中的數據治理瓶頸、場景適配性不足、算力成本壓力、人才短板等核心痛點，結合工信部推動人工智能產業發展的政策方向，重點圍繞“強化八大基礎支撐”中的數據供給創新、智能算力統籌，以及“場景牽引技術適配”的落地邏輯，解析了從政策保障到企業實踐的破局路徑，為制造業智能化轉型提供了兼具政策指導性與實操性的方向參考。

在航天云網科技發展有限責任公司項目處處長趙志達看來，工業大模型正成為AI技術賦能工業場景的關鍵。他圍繞《工業大模型實踐之路》展開深度分享，首先點明了行業邏輯：工業互聯網是數實融合的核心，而工業大模型則是其落地關鍵。隨后，他聚焦“AI+數字孿生”這一核心賦能模式，詳細拆解了航天云網INDICS-MIND工業大模型的架構與服務。并進一步用6個典型場景案例串聯起實踐價值，從需求痛點切入，對應呈現解決方案的落地效果。基于這些實踐洞察，他展望行業前景，認為工業大模型的持續演進將推動工業領域生產方式的根本性變革，并建議以技術創新為核心、以場景落地為導向培育新質生產力。

浪潮信息自動駕駛架構師龔湛在《認知驅動：VLA與世界模型重塑智能駕駛新范式》報告中，分析了當前智駕模型在空間理解、時序建模與數據效率上面臨的挑戰。他認為，端到端模型正朝著VLA與世界模型的方向發展，該方向模型遵循Scaling Law，有望顯著提升汽車的環境認知能力。龔總指出，算力是支撐這一發展的關鍵基礎。為滿足VLA模型訓練與大規模仿真驗證的需求，智駕算力需向100 EFLOPS的目標持續演進，為高階自動駕駛的實現提供重要保障。

在項目分享環節，北京六方云總裁李江力深度解讀了《工業互聯網安全態勢報告》。他首先結合政策導向與產業發展要求，指出在工業互聯網加速滲透的背景下，安全邊界拓寬與風險傳導性增強已成為兩大顯著特征。基于多維度統計數據，他進一步點明三大核心風險：工業主機隱患突出、工控系統漏洞高發、以及工控設備暴露數量同比攀升，同時工業機器人、物聯網等新興場景的風險亦在加劇。隨后，他通過對2024年國外典型事件與近年國內重點案例的剖析，揭示了安全事件的傳播路徑與嚴重危害。

北汽福田制造領域專家、副院長李紅亮做《福田汽車AI+賦能業務領域的探索及實踐》項目分享，核心拆解供應鏈數智化轉型實戰。他明確“精益化-信息化-數字化-智能化”的進階路徑，強調AI變革需以“場景+流程+組織+IT”為系統方法，按“三層五階八步”穩步落地。結合標桿車企AI應用調研，他重點介紹落地成果：依托數據資產沉淀，在設備預測性維護、物流智能規劃、能耗AI分析等場景實現突破，訂單可視化預警更成為降本增效典型。分享中他同步介紹，未來要建立供應鏈兩級AI應用架構，并融入DeepSeek與具身智能技術，推進智能產線集成。這套從場景挖掘到技術落地的完整方案，為制造企業AI轉型提供了可復用的鮮活樣本。

自由交流環節氣氛熱烈，與會嘉賓圍繞AI賦能智能制造核心議題展開深度研討。大家重點聚焦數據底座建設的基礎性意義，認為數據治理與標準統一是智能化轉型的關鍵前提；同時強調技術應用需貼合行業場景特性，靈活適配不同類型模型發展，避免同質化推進；并圍繞數據短缺、人才匱乏等行業共性痛點，探討了政策支持、生態共建、技術融合等破解路徑，為智能制造高質量發展凝聚共識。

最后，北京市科學技術協會一級巡視員何勁松發表總結講話。他肯定AI技術在智能制造領域提升效率、保障安全的核心價值，針對行業面臨的需求多元與技術落地難題、專業團隊儲備不足等關鍵問題，結合典型案例闡釋了AI賦能傳統產業轉型升級的重要意義，為行業高質量發展提供指引。同時，他也表達了對聯盟的殷切希望，期望聯盟能繼續發揮平臺作用，凝聚產學研用合力，加強關鍵技術創新與人才培養，共同推動產業高質量發展。

接下來，聯盟將繼續開展AI賦能相關產業發展的系列主題沙龍活動，化共識為行動，堅持問題導向、聚焦應用目標。著力搭建常態化交流平臺，促進成員單位技術共享與項目合作；同時，積極整合產學研用力量，圍繞數據標準、人才培養等關鍵環節深耕發力，搭建產業協同堅實橋梁，共同破解發展難題，加速AI技術在相關領域的規模化落地。