社評｜告別“拼接”，走向“融合”

“人工智能+制造”不是簡單的技術嫁接，而是一場深刻的生產方式革命。

文｜張昊

編輯｜李會

頭圖來源｜AI生成

近日，工業和信息化部等八部門聯合印發《“人工智能+制造”專項行動實施意見》，提出到2027年要推出1000個高水平工業智能體、打造100個工業領域高質量數據集，并選樹1000家標桿企業，為加快推進人工智能技術在制造業融合應用明確目標舉措。

我國制造業具備全球最完整的工業體系，連續16年穩居全球制造業規模首位，涵蓋41個工業大類、666個小類，為人工智能提供了海量多元的應用場景。同時，我國在人工智能基礎研究、算法模型、算力基礎設施等方面也處于全球前列。

然而，當前不少企業的AI應用還停留在“物理拼接”層面——將視覺識別用于質檢、用預測性維護替代人工巡檢、在ERP中嵌入簡單算法……這些點狀嘗試雖能帶來局部效率的提升，卻難以撬動系統性變革，急需進一步深化。

“人工智能+制造”的真正價值，在于兩者之間產生“化學融合”。這種融合不是技術疊加，而是方法論升級：從“設備智能化”轉向“流程智能化”，從“單點優化”走向“全鏈協同”，從“經驗驅動”進化為“模型驅動”。

行業實踐已初步驗證這一路徑。有家電企業通過構建覆蓋研發、排產、供應鏈、服務的工業智能體，縮短產品開發周期，提升庫存周轉效率；也有部分鋼廠利用AI融合熱力學模型與實時工況數據，動態優化高爐操作參數，大幅降低噸鋼能耗。

這些案例的共性在于：AI不再孤立運行于某個環節，而是深度嵌入到工藝流程，成為制造系統的“神經中樞”。

站在企業家視角，推動這場“化學融合”面臨三重挑戰：一是數據基礎薄弱，工業數據分散、非標、質量參差不齊，難以支撐高質量模型訓練；二是場景碎片化，不同行業甚至同行業不同企業間的工藝差異巨大，通用大模型存在“水土不服”；三是認知滯后，要把AI視為戰略轉型的核心驅動力，才能突破組織慣性與流程壁壘。

利用AI破局，需要有更實際的AI落地方法論，也對應著一個過程。首先，從初期把AI定位為效率工具，用于局部環節優化；其次，企業家需重構管理范式，打破科層制、KPI等傳統管理制度，轉向以數據流和智能體協同為核心的新型組織機制；在融合階段，AI不再依附于既有流程，企業也形成了以智能為基座、人機協同的新型組織形態。

“人工智能+制造”不是簡單的技術嫁接，而是一場深刻的生產方式革命。唯有摒棄“拿來就用”的工具思維，轉向“深度融合”的系統思維，才能真正釋放“乘數效應”。