借助大模型讓汽車產品設計代碼化繁為簡

，開啟“造車”新模式；依托“AI質檢員”，實現邊生產邊質檢
，瑕疵識別準確率遠高於人工檢測水平；越來越多的人形機器人開始在工廠“上崗”，承擔物料搬運、零件組裝等多種工作……

隨著以大模型、機器人為代表的新一代人工智能（AI）技術迅猛發展，我國製造業正從基礎級智能化向著更高階的智能化邁進。依托工廠數字化、自動化轉型基礎，一批由AI技術驅動的AI超級工廠正在全國各地加速落地，推動製造業全麵邁向更高效、更智能、更綠色的“智造時代”。

廣汽埃安智能生態工廠

AI賦能智能工廠再升級

走進位於廣州市番禺區的廣汽埃安智能生態工廠總裝車間，AI元素“無處不在”。600餘台機器人不停揮舞手臂，精準地定位
、抓取並拚裝各個模塊，僅用數秒就能完成玻璃
、座椅、輪胎等零部件安裝；隨處可見的無人化智能移動機器人往來穿梭，實現10公斤以上零部件100%全自動搭載

；3D視覺跟蹤技術代替人工肉眼，實現納米級精準控製。

“過去，一條總裝線隻能生產一個批次、一種型號、單一顏色的汽車，如今在AI技術的賦能下
，我們已實現不同型號
、不同配置、不同顏色新能源汽車的柔性化‘混線生產’。”廣汽埃安第一智造中心總裝車間工程師張自初介紹道。

具體而言，消費者可根據個人偏好，在線定製車身顏色

、內飾風格、座椅材質等。隨後

，依托大數據雲平台、數字化生產指示的智能製造執行係統支持

，這些“定製化”的購車信息會被迅速分解為2000多(duo)個(ge)零(ling)部(bu)件(jian)信(xin)息(xi)
，在(zai)指(zhi)定(ding)的(de)時(shi)間(jian)按(an)秩(zhi)序(xu)進(jin)入(ru)總(zong)裝(zhuang)環(huan)節(jie)。通(tong)過(guo)模(mo)塊(kuai)化(hua)設(she)計(ji)和(he)智(zhi)能(neng)調(tiao)度(du)係(xi)統(tong)，生(sheng)產(chan)線(xian)可(ke)以(yi)在(zai)短(duan)時(shi)間(jian)內(nei)完(wan)成(cheng)從(cong)一(yi)種(zhong)車(che)型(xing)到(dao)另(ling)一(yi)種(zhong)車(che)型(xing)的(de)切(qie)換(huan)，切(qie)換(huan)過(guo)程(cheng)零(ling)損(sun)耗(hao)。據(ju)介(jie)紹(shao)，通(tong)過(guo)持(chi)續(xu)的(de)工(gong)藝(yi)優(you)化(hua)和(he)技(ji)術(shu)創(chuang)新(xin)
，該(gai)工(gong)廠(chang)單(dan)車(che)下(xia)線(xian)周(zhou)期(qi)由(you)過(guo)去(qu)的(de)60秒縮短至現在的53秒。

在寶武鋼鐵集團熱軋生產線，一塊鋼坯製成鋼板需要經過20道工序、涉及300多個參數。過去
，工程師調整生產鋼板的種類和尺寸需要耗費5天時間
，如今，大模型能對最優參數進行預測，顯著降低調整時間，提高預測精度和鋼板成材率。

在福建東龍針紡有限公司紡織車間，“AI質檢員”已逐漸代替人工質檢。5G+經編花邊瑕疵AI視覺識別檢測係統應用以來，織機麵料實現了在線100%全檢，平均檢出率達95%以上

，遠高於人工檢測水平，整體效率提升2～3倍，企業人工成本每年節約200多萬元。

施耐德電氣無錫工廠

在施耐德電氣無錫工廠

，基於AI技術的熱處理數字仿真係統，能夠通過算法優化
，使單台設備能耗降低25%，氮氣消耗減少36%；同時
，利用暖通空調的AI動態調控係統結合數字孿生技術，實現單位產品組用水量下降56%。

如今，像這樣的AI超級工廠已在全國各地“遍地開花”。可以看到
，“AI+製造”正在重塑製造業的生產模式，其影響不僅體現在生產效率的提升
，更推動著製造業加速向智能化

、柔性化和綠色化方向轉型。

工業和信息化部發布的數據顯示，當前我國智能工廠梯度培育提質增效，全國已建成3萬餘家基礎級智能工廠、1200餘家先進級智能工廠、230餘家卓越級智能工廠。這些類型的智能工廠覆蓋超過80%的製造業行業大類，工廠產品研發周期平均縮短28.4%，生產效率平均提升22.3%。

三大核心技術驅動數智躍遷

從“標準化生產”到“個性化定製”
，從“勞動密集”到“算法密集”
，AI超級工廠的背後是製造業底層邏輯的變革。相較於一般的自動化產線，在這裏，工業機械臂進化為更靈活
、更智慧的具身智能，傳統語言模型升級為可自主分析
、輔助決策的大模型，仿真技術融合物聯網、大數據和5G-A等技術，形成實時交互的數字孿生係統……這些技術的協同創新
，持續推動製造業向更高階的智能化躍遷。

“智能工廠需要洞察一些複雜和高階的關聯
，其核心在於智能機器人、數字孿生、AI大模型等關鍵技術在工業場景中的深層次滲透與應用。”中國工程院院士李培根指出
，智能機器人可全麵感知周圍環境，並擁有智能決策的能力


，實現生產環境中靈活
、自主的避讓，適用於更多複雜、動態的生產場景；數字孿生集成了物聯網、大數據
、AI等技術，不僅能實現全產業鏈信息貫通，還能基於所采集的實時數據反向優化車間運營和供應鏈競爭
，確保工廠運行在最佳狀態；而AI大模型對世界高階相關性的認識已經遠遠超越人類
，可以幫助智能工廠洞察更複雜的高階關聯。

記者觀察到，在汽車製造、電子製造等行業，工業機器人增加了感知
、理解任務等功能
，正從傳統的自動化機械裝置向具身智能加速進階


，特別是越來越多的人形機器人開始走進工廠承擔物料搬運
、零件組裝等多種工作。

優必選工業人形機器人Walker S1在總裝車間執行儀表線物料檢測任務

“製造業將成為人形機器人最早一批大規模應用的領域。”芯華創新中心首席技術官董馳宇表示
，傳統的工業機器人像一個專才，如焊接機器人、裝配機器人、搬運機器人，它們都是為特定任務設計的，擅長執行重複性
、單一任務和流程化的操作；而人形機器人更像是一個通才，具有更靈活的運動能力和適應性，感知能力也較強，更適合一些高協作、多複雜任務的場景。

“大模型出現後
，讓人形機器人增長了智慧
，擁有類人的3個層次，即肢體運動能力、多模態感知能力和決策控製能力


，可以開展多場景、多任務的協同實訓
，能更好地解決工業需求。”董馳宇說道。

而數字孿生不僅僅是是產品、設備的數字孿生，還包括車間
、工廠
，以及供應鏈的數字孿生。以華中數控為例
，該公司將數字孿生、大數據
、融合建模等技術用在數控機床上，不僅實現裝備實時控製，還賦予機床自我感知、自主學習和深度交互能力。

“自主學習是數控機床智能化的靈魂。”華中數控相關負責人介紹道
，機床數字主線記錄機床全生命周期的數據
，提供數據和知識支撐。係統憑借自我分析
、自主學習能力，圍繞工藝優化
、精度提升、健康保障三大子係統，形成人機交互


、工藝參數優化、故障診斷等應用場景。通過深度學習虛擬仿真加工形成的指令域數據，可實時比對實測數據
，使加工效率提高20%。

落地工程仍存在“一頭熱一頭冷”現象

盡管“AI超級工廠”的建設如火如荼，但其在落地工程中
，仍麵臨諸多挑戰。比如，以大模型為代表的生成式AI技術在工業場景中的應用停留在表麵。權威市場機構調研顯示
，行業大模型應用場景呈現“微笑曲線”特征。在產業鏈高附加價值的兩端（研發

、設計和營銷、服務），大模型應用落地較快，而在生產製造端，大模型應用較慢。

TCL實業副總裁、格創東智CEO何軍分析指出，AI技術在工業領域的應用與6～8年前工業互聯網平台在製造業中的推廣和應用情況類似，還存在“一頭熱一頭冷”等情況
，供給側比較熱
，需求側沒有完全應用起來。同時應用也存在深淺不一的問題
，在先進製造業落地場景多、應用豐富，而在一般製造業推進比較難
，頭部企業從AI頂層架構規劃到實際場景落地推進較好，而很多中小製造企業受製於資金、技術能力應用比較難。

數shu據ju處chu理li能neng力li不bu足zu也ye是shi製zhi約yue工gong廠chang智zhi能neng化hua轉zhuan型xing的de一yi大da瓶ping頸jing。一yi方fang麵mian
，多duo數shu企qi業ye對dui數shu據ju的de利li用yong剛gang剛gang起qi步bu，數shu據ju資zi源yuan散san落luo在zai各ge業ye務wu係xi統tong中zhong，互hu聯lian互hu通tong難nan度du大da
，形xing成cheng“數據孤島”
，很難彙聚形成高質量的數據集。另一方麵
，工業數據和模型的安全性也急需解決。

江西蘇強格無人智慧倉儲產線

“有場景但是沒數據。”比亞迪集團副總裁
、弗迪科技董事長羅忠良坦言
，工業場景的數據難以直接用於AI，必須按照實際需求重新采集。而要獲取高質量數據，企業首先須完成信息化和數字化轉型。

zhongguolianhewangluotongxinyouxiangongsifoshanshifengongsifuzongjinglidenganminxiangjizhebiaoshi，gongyechangjingzhongdedamoxingyingyongduijingquexinghewendingxingdexuqiujiaogao
，zaishujudehuoqushiyetongchangxuyaogengzhuanyedeshebeiherenyuan。muqiandamoxingdeyingyonghaichuyufazhanjieduan

，quefatongyidexingyebiaozhunheguifan，gongyeshengchanchangjingfuzaduobian
，yedaozhidamoxingdeyingyongcunzaifengxianhebuquedingxing。

“正確定位AI是關鍵。”何軍強調。他指出
，工業AI不是簡單的技術疊加，而是工業知識與AI技術的深度融合，須由工業領域主導推進。工業AI的落地實施需要企業具備駕馭AIjishudenengli，zhebujinbaokuoyanfanengli，haishejiqiyegegecengmiandenengli，liruyewucengmianheyixiangongchengshidenengli。gongchangyaopeiyangzijideshujukexuejia
，zhexiekexuejianenggoulijieshengchanhezhicheng
，nenggouzhangwoAI技術的基礎方法論，並將其應用到實際場景中。同時，企業還須要從上到下思考如何利用AI技術改善運營效率和提升工廠智能化水平，而不僅是采取傳統的小步快跑快速迭代方法。