加速柔性化改造 AI赋能制造业效应凸显

人工智能（AI）技术发展日新月异，其在电子、原材料、消费品等行业加快普及，在研发设计、中试验证、生产制造、运营管理等环节得到广泛应用，赋能效应日益凸显。
 

“制造业是人工智能技术产品应用落地的重要领域。”工业和信息化部总工程师谢少锋介绍，近年来，人工智能与制造业融合发展加速，国产厂商研发的AI手机、AI电脑、AI眼镜等智能产品已超百款，人工智能领域的国家级专精特新“小巨人”企业已经超过400家，产业生态持续优化。

夯实技术根基

人工智能发展，关键在于夯实技术根基。“目前，我国已经形成覆盖基础层、框架层、模型层、应用层的完整产业体系，建成钢铁、煤炭等高质量行业数据集，培育出一批国产开源大模型，向全球展示了中国人工智能发展的速度和实力。”赛迪研究院电子信息研究所副研究员于萍说。

近年来，工信部加快人工智能芯片、算法框架、大模型等攻关力度，支持创建具身智能、人形机器人、智能语音等国家制造业创新中心，加快前沿技术和关键共性技术突破。

走进上海智元新创技术有限公司，工程师正在“教”一台人形机器人如何把外卖交到顾客手中。指节弯曲抓住手提袋，抬起胳膊并伸直，找到顾客所在位置张开手掌，这套看似非常容易完成的动作，在机器人身上要反复训练、调试多次。而工程师想要让机器人变得更聪明，得益于智元推出的一站式开发平台——Genie Studio，其具备数据采集、模型训练、仿真评测、模型推理等功能，可以解决开发者普遍面临的数据难获取、模型难训练、开发成本高等行业困境，让“训练机器人大脑”变得简单高效。此外，智元还在今年3月发布了智元启元大模型，具有人类视频学习、小样本快速泛化、一脑多形、持续进化等优势，有效提升机器人交互、作业智能化水平。

大模型的训练、运行需要算力作支撑。目前，我国在用算力中心机架总规模超过900万标准机架，算力总规模达到280EFLOPS。但部署在不同芯片上的算力难以被协同使用，算力资源也呈现分散化、地域分布不均衡的特点，跨系统调度与利用效率不高，高性价比、高附加值算力仍存在供给缺口。

为此，上海无问芯穹智能科技有限公司构建了一朵“异构云”，实现了多种大模型算法在多种芯片上协同部署运行，降低行业对单一芯片的依赖，增强产业链供应链韧性和竞争力。公司研发的跨机房训练技术，能够提升零散算力资源可用性，实现高价值数据资源本地处理，让算力与数据流通更高效，实现跨域算力资源共享和配置优化，助力算力资源与下游产业协同发展。

“下一步，我们将组织人工智能赋能新型工业化‘揭榜挂帅’行动，加强通用大模型和行业大模型的研发布局，加快建设工业领域高质量数据集，夯实技术基础底座。”谢少锋说。

加速柔性化改造

大规模流水线生产模式已经无法适应复杂多变的市场需求，定制化柔性生产是制造业向高附加值攀升的发展方向之一，这其中数字技术将发挥更为关键的作用。

在上海汽轮机厂叶片加工车间，AGV小车将零部件运送到一台台机床旁，在MES系统操作下，产线自动上料、切换道具、加工成型，不同型号的汽轮机叶片就这样被生产出来。

汽轮机大多是定制化产品，有的型号甚至只会生产一台，对工厂的柔性化生产能力提出较高要求。“针对多品种小批量的生产特点，我们在2022年开始建设数字化车间。”上海汽轮机厂副总经理韩雷告诉记者，全新的智能制造体系融合物联网、人工智能等信息技术，全面提升叶片加工过程中的质量管控、成本管控、交付管控能力。数字化系统高效匹配叶片原材料、设计、工艺、数控程序、仓储等信息，精准到每一片叶片、每一道工序、每一项质检数据，实现叶片生产全生命周期的可管控、可追溯。智能排产系统采用先进算法，根据生产实际情况快速调度，实现多目标排产优化。“此前需要上百位计划专员根据订单安排生产，采购、结算、发货等都靠人工完成，有了这套系统，生产效率提升1倍以上。”

“人工智能技术能够系统性提升产线应对定制化需求的能力，通过实时数据分析、生产设备自适应控制等方式，推动产线柔性化改造。”于萍认为，在生产规划环节，基于实时生产数据和市场需求信息，人工智能凭借数据处理能力动态调整工艺流程及生产计划，实现多品种、小批量生产的快速切换，提高资源利用率，显著压缩换线时间与库存成本。在供应链协同方面，人工智能促进企业间信息实时共享，保障定制化生产所需物料按时交付，增强供应链对柔性生产的支撑能力。

提升生产效率

提效率、降成本是企业在激烈市场竞争中赢得先机的有效手段，人工智能技术在这一过程中作用十分明显。

一方面，人工智能、大模型技术通过数据驱动智能决策、流程自动化与系统性优化，提升企业生产效率、削减经营成本；另一方面，通过知识图谱技术整合多源信息，构建企业知识网络，加速产品迭代与服务升级。

“随着新一代信息技术快速发展，我们将5G、AI、数字孪生等技术与制造业深度融合，推动工厂加快向数字化、网络化、智能化发展。”江苏亨通光纤科技有限公司总经理刘振华介绍，有一次，公司接到一笔紧急订单，客户要求在短时间内生产交付两种具备不同功能的特种光纤，且对质量要求很高。过去，研发人员要设计多套方案并在工厂逐一试验，直到指标达到要求为止，至少需要半年时间。现在，研发人员以智能集控系统积累的数据为基础，运用数字仿真技术模拟制造流程，再由AI分析测算生产结果，最终仅用半个月就确定了合适的工艺参数，大大提升研发效率。

在柳钢集团冷轧厂的生产车间，生产技术室电气主任工程师朱旋向记者展示了基于DeepSeek开发的数智钢卷智能助理APP，“我们以高质量工业数据训练大模型，它能够对比不同机组生产效率，提供优化排产建议。例如，在生产冷轧低碳钢板时，一退火机组的冷却效率在3个机组中最快，加热罩升温速度更是比其他区域快20分钟。有了它的精准调控，生产成本降低了，设备运行更稳定了”。

此外，员工们使用手机上钉钉AI助手，实时查看生产进度、成本、设备状态等。在酸轧生产线上，一块4毫米厚的原料带钢要变成1.5毫米薄钢板，需要经过10多道工序，涉及100多个参数，过去很难判断具体生产成本。现在，所有数据在手机上一目了然：0.8毫米厚度的钢板在二酸轧产线生产成本比其他规格低13元，1.2毫米以下的带钢排产选二酸轧产线更划算。这种透明化管理，不仅让员工们对生产线了如指掌，也促进了部门之间的沟通协作，有效推动精益管理深入实施。

也要看到，大模型在制造业的应用仍处于早期阶段，适配工业复杂场景的模型有待被进一步开发，链接供需双方的中间服务环节较为薄弱。为此，于萍建议，持续推动模型适配和算力优化、培育壮大优质人工智能服务商队伍。此外，突出应用导向，加快推进解决行业普遍问题的大模型及公共服务平台建设，降低人工智能应用门槛和成本，以需求驱动创新、以场景反哺技术，推动制造业全流程智能升级。