當前，以 ChatGPT、文心一言為代表的 AI 大模型技術席卷全球，千行百業正在經歷從 " 大練模型 " 到 " 煉大模型 " 的生長周期，并迎來如工業變革一樣的發展機遇。在這場智能化深入變革中，攻關大模型、探索大模型落地場景，成為千行百業緊抓變革機遇、謀求智能化發展的必然選擇，為企業管理者和政策制定者所重點關注。

事實上，大模型的發展蘊含著一場人工智能落地模式的變革。尤其是在制造業場景中，通用 AI 解決方案能夠打破技能和知識壁壘，通過人機共創的新模式，為行業企業帶來更多創新性發展。工信部調查數據顯示，當前我國人工智能核心產業規模超過 5000 億元，企業數量接近 4000 家，加之智能終端、智能芯片等創新成果不斷涌現，成為推動智能制造深入發展的驅動力量。

數智化風口下，智能制造持續發展

【資料圖】

制造業是立國之本，強國之基。中國是世界上最大的制造業大國，將人工智能與制造業相融合，是中國實現由 " 制造大國 " 向 " 制造強國 " 轉變的重要一步。今年《政府工作報告》指出，要 " 加快傳統產業和中小企業數字化轉型，著力提升高端化、智能化、綠色化水平 "。截至目前，已有多地明確要進一步推動制造業數字化、智能化升級轉型。

如今，在相關政策的加持下，我國智能制造取得了長足進步，深度學習算法的出現賦予人工智能更加 " 智能 " 的學習能力，并融入制造業行業應用場景。諸如，智能型制造推動高端制造業的無人化管理，全流程更加安全、可控 ; 推動制造業生產流程更加智能，實現降本增效 ; 實現機器人巡檢提供更穩定可靠的服務，優化人力資源 ; 強化巡檢密度和安全系數，智能制造全流程化在品質保有的基礎上獲得更低廉的價格。

在人工智能充分融入家電、汽車、工程機械等制造業細分場景的同時，我國智能制造還取得巨大發展。工信部調查數據顯示，我國智能制造業接近 3 萬億元，建成近 2000 家引領行業發展的高水平數字化車間和智能工廠，110 家工廠達到國際智能制造先進水平。制造業機器人密度增長約 13 倍，達到每萬名工人 322 臺。

與此同時，工信部還指出，通過智能化改造，智能制造示范工廠的生產效率平均提升 32%，資源綜合利用率平均提升 22%，產品研發周期平均縮短 28%，運營成本平均下降 19%，產品不良率平均下降 24%。這些智能制造交上來的成績單有力推動了傳統產業在轉型升級中提質增效、煥發生機，也讓實體經濟活力更足，動力更強。

企業數智化遇難題，制造業經歷 " 成長陣痛 "

在智能制造發展取得成績的同時，我們認識到推動智能制造深入變革是順應新一代科技變革和產業變革浪潮的必然要求，也是贏得數字經濟時代大國競爭主動權的迫切需要，更是推動我國經濟高質量發展的關鍵力量。同時，我們還注意到，當前我國制造業數智化發展面臨的環境更加復雜化，不確定、不穩定的因素正在增加，這也使得一些傳統的、有一定歷史的企業，在數智化轉型過程中仍面臨很多難題。

中國電子技術標準化研究院發布的《中小企業數字化轉型分析報告 ( 2021 ) 》顯示，2021 年約 79% 的中小企業處于數字化轉型初步探索階段，約 12% 的中小企業處于數字化轉型應用踐行階段。從具體行業來看，計算機、通信、汽車、家居等行業處于深度應用的企業占比較高，而紡織、化纖、木材加工、金屬冶煉等行業數字化轉型進程比較緩慢。智能化與數字化相伴而生，《報告》也道出了當前絕大多數企業尚處于數智化初步探索階段的現狀。

產生這一現狀的原因有哪些？在天極網看來，身處數智化風口浪尖的部分企業并沒有充分意識到數智化轉型的必要性和重要性，推進數智化戰略步履維艱 ; 在疫情過后，越來越多的制造企業更加關注生存，對數字化轉型的需求并不強烈 ; 中小企業推進數字化轉型缺乏足夠資金 ; 制造業普遍缺乏數字人才 ; 企業建立諸多信息系統，彼此不融合形成信息孤島 ; 企業缺乏數智化轉型成功經驗，企業 " 不會轉 "。

整體來看，中小企業數字化基礎和轉型條件比較薄弱，尤其是數字化裝備應用比例、生產過程信息系統覆蓋率和設備聯網率都較低，轉型資金也相對匱乏，致使中小企業數字化轉型進程緩慢。

如何破解這些難題？其一，人才是一切發展的根本，創新的事業呼喚創新的人才，促進智能制造賦能高質量發展，需要進一步加強人才隊伍建設 ; 其二，促進智能制造賦能高質量發展，要發揮好政府引導、市場主導、社會協同的合力，關鍵要發揮市場主體作用。制造企業要實事求是、因地制宜地制定數智化戰略，根據企業實際需求，通過智能制造先進技術，實現企業數智化升級。

大模型走進制造業，企業數智化持續深化

事實上，制造業是數字化轉型中最為顯著的行業之一，行業共同關注的痛點是質量、成本、供應鏈、信息缺失等問題。在一次次 " 出現問題 "" 解決問題 " 的反復博弈中，制造業正在從機械化階段走進自動化、智能化階段。這一階段最為顯著的特征便是，制造產線和經營單元將實現 AI 輔助人來完成決策，讓生產的效率更高、人的決策更加精準。

尤其是在機器學習、多模態預訓練大模型、生成式 AI 等創新 AI 技術的加持下，服務于智能制造的優質數智化解決方案不斷涌現：

應用于汽車、鋼鐵、水泥、固廢等行業中的阿里云產業智能 OpenTrek，能夠通過封裝的智能控制融合平臺 AICS，采集生產過程的數據、處理與分析建模，產出最優決策輔助產線操作員，最終實現 " 降本、增效、提質、減排 "。

倍受關注的千問大模型，能夠為工業機器人執行任務提供推理決策能力。一線工人只需發送一段文字，千問就能理解其意圖進行任務推理，并自動翻譯成機器可以理解的代碼，指揮機器執行任務，有效提升生產效率。

深入鋼鐵行業數字化實踐的訊飛聲學成像儀，在服務河北省遷安市的首鋼遷安鋼鐵有限責任公司中，對燒結廠 12 路封箱支管真空進行了可視化的泄漏速掃，將過去需要 10 小時以上的巡視時間直接縮短為 90 分鐘，并在廠內檢測到 22 個氣體泄漏點。

專注于制造場景打造的聯想樂眼工業質檢解決方案，通過自研小樣本學習、屏幕檢測、精細分割等創新技術，將制造工廠質檢環節升級為 AI 智能檢驗單元。這樣不僅降低人力成本，還有效提高質檢智能水平和生產效率，更在保障 " 良品率 " 的同時提升整體產能。

而在出庫量揀裝環節，聯想打造了基于強化學習的智能揀貨碼排方案決策智能，可用于工廠、倉庫的包裝箱，海運裝集裝箱等場景，以提供城市內卡車運輸路徑優化，庫房機器人路徑規劃等設計。

AI 技術的應用遠不止這些場景。隨著越來越多的 AI 解決方案落地，人工智能正在打開更加廣闊的應用空間，智能制造也在多領域多場景落地開花。

比如，在智能工廠建設階段，通過虛擬現實的數字化孿生和制造系統的大數據，模擬智能化工廠從建設到使用的全過程。又比如，在原料處理階段，通過機器學習以智能視覺和智能監測系統進行原料的最優組織管理，如切割和分類。再比如，在執行生產階段，通過 AIot 的傳感器網絡，可以實時監察和控制制造設備并獲取生產參數 ......

同時，機器學習、大模型等 AI 技術積極擁抱制造行業的背后離不開強大的算力支撐，這也是各大解決方案提供商重視并積極布局的重點所在，并展現著各自的實力，比如，聯想服務器已在 IDC 報告中連續三個季度蟬聯全球第三 ; 在高性能計算領域，聯想連續 11 次蟬聯全球算力 500 強榜單榜首 ; 未來三年還將追加投資 10 億美元，以加速全球企業的 AI 部署。僅從聯想便可以感受算力對于智能制造的重要性，其他諸如阿里、華為、新華三、科大訊飛也有諸多 AI 解決方案和強悍的算力作為支撐。

這些優質的解決方案，也給予制造企業更多的選擇。

寫在最后：智能制造未來可期

科技發展浪潮不斷奔涌向前。在這場浪潮中，緊抓產業變革的先機，加快推進我國制造業數智化轉型，不僅有利于搶占未來發展制高點，也有利于推動經濟發展的效率變革、質量變革，為高質量發展注入新動能。

同樣，深入這場浪潮中，制造企業需要持之以恒地投入技術才能使行業持續優化。如今，云技術、機器學習、多模態預訓練大模型、生成式 AI 等創新技術的爆火，也正在為制造業數智化提供更多的技術解決方案，并持續落地。未來，智能制造的場景將越來越清晰和可期。