全球热议:数智化风口已至，制造业如何踏上高质量发展之路？

当前，以 ChatGPT、文心一言为代表的 AI 大模型技术席卷全球，千行百业正在经历从 " 大练模型 " 到 " 炼大模型 " 的生长周期，并迎来如工业变革一样的发展机遇。在这场智能化深入变革中，攻关大模型、探索大模型落地场景，成为千行百业紧抓变革机遇、谋求智能化发展的必然选择，为企业管理者和政策制定者所重点关注。

事实上，大模型的发展蕴含着一场人工智能落地模式的变革。尤其是在制造业场景中，通用 AI 解决方案能够打破技能和知识壁垒，通过人机共创的新模式，为行业企业带来更多创新性发展。工信部调查数据显示，当前我国人工智能核心产业规模超过 5000 亿元，企业数量接近 4000 家，加之智能终端、智能芯片等创新成果不断涌现，成为推动智能制造深入发展的驱动力量。

数智化风口下，智能制造持续发展

(资料图片仅供参考)

制造业是立国之本，强国之基。中国是世界上最大的制造业大国，将人工智能与制造业相融合，是中国实现由 " 制造大国 " 向 " 制造强国 " 转变的重要一步。今年《政府工作报告》指出，要 " 加快传统产业和中小企业数字化转型，着力提升高端化、智能化、绿色化水平 "。截至目前，已有多地明确要进一步推动制造业数字化、智能化升级转型。

如今，在相关政策的加持下，我国智能制造取得了长足进步，深度学习算法的出现赋予人工智能更加 " 智能 " 的学习能力，并融入制造业行业应用场景。诸如，智能型制造推动高端制造业的无人化管理，全流程更加安全、可控 ; 推动制造业生产流程更加智能，实现降本增效 ; 实现机器人巡检提供更稳定可靠的服务，优化人力资源 ; 强化巡检密度和安全系数，智能制造全流程化在品质保有的基础上获得更低廉的价格。

在人工智能充分融入家电、汽车、工程机械等制造业细分场景的同时，我国智能制造还取得巨大发展。工信部调查数据显示，我国智能制造业接近 3 万亿元，建成近 2000 家引领行业发展的高水平数字化车间和智能工厂，110 家工厂达到国际智能制造先进水平。制造业机器人密度增长约 13 倍，达到每万名工人 322 台。

与此同时，工信部还指出，通过智能化改造，智能制造示范工厂的生产效率平均提升 32%，资源综合利用率平均提升 22%，产品研发周期平均缩短 28%，运营成本平均下降 19%，产品不良率平均下降 24%。这些智能制造交上来的成绩单有力推动了传统产业在转型升级中提质增效、焕发生机，也让实体经济活力更足，动力更强。

企业数智化遇难题，制造业经历 " 成长阵痛 "

在智能制造发展取得成绩的同时，我们认识到推动智能制造深入变革是顺应新一代科技变革和产业变革浪潮的必然要求，也是赢得数字经济时代大国竞争主动权的迫切需要，更是推动我国经济高质量发展的关键力量。同时，我们还注意到，当前我国制造业数智化发展面临的环境更加复杂化，不确定、不稳定的因素正在增加，这也使得一些传统的、有一定历史的企业，在数智化转型过程中仍面临很多难题。

中国电子技术标准化研究院发布的《中小企业数字化转型分析报告 ( 2021 ) 》显示，2021 年约 79% 的中小企业处于数字化转型初步探索阶段，约 12% 的中小企业处于数字化转型应用践行阶段。从具体行业来看，计算机、通信、汽车、家居等行业处于深度应用的企业占比较高，而纺织、化纤、木材加工、金属冶炼等行业数字化转型进程比较缓慢。智能化与数字化相伴而生，《报告》也道出了当前绝大多数企业尚处于数智化初步探索阶段的现状。

产生这一现状的原因有哪些？在天极网看来，身处数智化风口浪尖的部分企业并没有充分意识到数智化转型的必要性和重要性，推进数智化战略步履维艰 ; 在疫情过后，越来越多的制造企业更加关注生存，对数字化转型的需求并不强烈 ; 中小企业推进数字化转型缺乏足够资金 ; 制造业普遍缺乏数字人才 ; 企业建立诸多信息系统，彼此不融合形成信息孤岛 ; 企业缺乏数智化转型成功经验，企业 " 不会转 "。

整体来看，中小企业数字化基础和转型条件比较薄弱，尤其是数字化装备应用比例、生产过程信息系统覆盖率和设备联网率都较低，转型资金也相对匮乏，致使中小企业数字化转型进程缓慢。

如何破解这些难题？其一，人才是一切发展的根本，创新的事业呼唤创新的人才，促进智能制造赋能高质量发展，需要进一步加强人才队伍建设 ; 其二，促进智能制造赋能高质量发展，要发挥好政府引导、市场主导、社会协同的合力，关键要发挥市场主体作用。制造企业要实事求是、因地制宜地制定数智化战略，根据企业实际需求，通过智能制造先进技术，实现企业数智化升级。

大模型走进制造业，企业数智化持续深化

事实上，制造业是数字化转型中最为显著的行业之一，行业共同关注的痛点是质量、成本、供应链、信息缺失等问题。在一次次 " 出现问题 "" 解决问题 " 的反复博弈中，制造业正在从机械化阶段走进自动化、智能化阶段。这一阶段最为显著的特征便是，制造产线和经营单元将实现 AI 辅助人来完成决策，让生产的效率更高、人的决策更加精准。

尤其是在机器学习、多模态预训练大模型、生成式 AI 等创新 AI 技术的加持下，服务于智能制造的优质数智化解决方案不断涌现：

应用于汽车、钢铁、水泥、固废等行业中的阿里云产业智能 OpenTrek，能够通过封装的智能控制融合平台 AICS，采集生产过程的数据、处理与分析建模，产出最优决策辅助产线操作员，最终实现 " 降本、增效、提质、减排 "。

倍受关注的千问大模型，能够为工业机器人执行任务提供推理决策能力。一线工人只需发送一段文字，千问就能理解其意图进行任务推理，并自动翻译成机器可以理解的代码，指挥机器执行任务，有效提升生产效率。

深入钢铁行业数字化实践的讯飞声学成像仪，在服务河北省迁安市的首钢迁安钢铁有限责任公司中，对烧结厂 12 路封箱支管真空进行了可视化的泄漏速扫，将过去需要 10 小时以上的巡视时间直接缩短为 90 分钟，并在厂内检测到 22 个气体泄漏点。

专注于制造场景打造的联想乐眼工业质检解决方案，通过自研小样本学习、屏幕检测、精细分割等创新技术，将制造工厂质检环节升级为 AI 智能检验单元。这样不仅降低人力成本，还有效提高质检智能水平和生产效率，更在保障 " 良品率 " 的同时提升整体产能。

而在出库量拣装环节，联想打造了基于强化学习的智能拣货码排方案决策智能，可用于工厂、仓库的包装箱，海运装集装箱等场景，以提供城市内卡车运输路径优化，库房机器人路径规划等设计。

AI 技术的应用远不止这些场景。随着越来越多的 AI 解决方案落地，人工智能正在打开更加广阔的应用空间，智能制造也在多领域多场景落地开花。

比如，在智能工厂建设阶段，通过虚拟现实的数字化孪生和制造系统的大数据，模拟智能化工厂从建设到使用的全过程。又比如，在原料处理阶段，通过机器学习以智能视觉和智能监测系统进行原料的最优组织管理，如切割和分类。再比如，在执行生产阶段，通过 AIot 的传感器网络，可以实时监察和控制制造设备并获取生产参数 ......

同时，机器学习、大模型等 AI 技术积极拥抱制造行业的背后离不开强大的算力支撑，这也是各大解决方案提供商重视并积极布局的重点所在，并展现着各自的实力，比如，联想服务器已在 IDC 报告中连续三个季度蝉联全球第三 ; 在高性能计算领域，联想连续 11 次蝉联全球算力 500 强榜单榜首 ; 未来三年还将追加投资 10 亿美元，以加速全球企业的 AI 部署。仅从联想便可以感受算力对于智能制造的重要性，其他诸如阿里、华为、新华三、科大讯飞也有诸多 AI 解决方案和强悍的算力作为支撑。

这些优质的解决方案，也给予制造企业更多的选择。

写在最后：智能制造未来可期

科技发展浪潮不断奔涌向前。在这场浪潮中，紧抓产业变革的先机，加快推进我国制造业数智化转型，不仅有利于抢占未来发展制高点，也有利于推动经济发展的效率变革、质量变革，为高质量发展注入新动能。

同样，深入这场浪潮中，制造企业需要持之以恒地投入技术才能使行业持续优化。如今，云技术、机器学习、多模态预训练大模型、生成式 AI 等创新技术的爆火，也正在为制造业数智化提供更多的技术解决方案，并持续落地。未来，智能制造的场景将越来越清晰和可期。

标签：