AI来袭，制造企业数智化的确定与不确定

来源 | 36 氪，管理智慧

咨询合作 | 13699120588

以大模型、大数据、大算率为特征的当代人工智能技术正在加速渗透到更复杂、更准确的工业制造领域，帮助制造企业进行数字化转型和智能化升级。在生成模式 AI 在新一轮的技术变革下，弱人工智能正在加速向强人工智能的转变，与制造业相结合的信息技术也从数字技术和网络技术演变为生成。 AI、主要是大型模型技术。

当前，深化大数据、人工智能等创新应用，进行“” AI "行动，已经写入今年的《政府工作报告》，其中" AI 制造业“受到业界关注，将为制造业数量智化注入新的动能。

最新推出的华为企业业务“智无不言” - 在华为工业军团访谈录第一期栏目中，华为制造和大型企业军团 CEO 刘超、江苏汽车集团信息管理部部长刘峰、中国电子技术标准化研究所物联网研究中心主任郭楠多维度讨论了制造业数字化转型和智能化升级的现有问题，帮助制造企业更好地把握机遇，克服加快数字化智能化进程中的挑战。

AI 价值显现，智能制造项目再次丰富

我国制造业数字化水平在政策引导和市场驱动下总体呈稳步上升趋势。根据工信部的数据，截至 2023 年 12 我们国家已经在月底培养了 421 国家示范工厂，一万多个省级数字车间和智能工厂。我国两化融合公共服务平台服务工业企业 18.3 数字R&D设计工具在万家企业中的普及率达到 关键工序数控化率达到79.6% 62.2%。

今年 5 本月，国务院常务会议审议还通过了《制造业数字化转型行动计划》，对现阶段制造业数字化转型提出了三个明确的指导:探索不同行业、不同领域的典型场景，加快核心技术研究和成果推广应用，增加对中小企业数字化转型的支持。

可以看出，中国制造业的数字智能化将继续深入现实，带动更多公司参与，数字智能将渗透到更多细分场景中，应用深度和广度将同步扩大。

作为制造业和信息技术深度融合的产物，智能制造是一项不断演进的系统工程，其诞生与演变与信息化发展相伴而生。郭楠说，数字化、网络化和智能制造属于智能制造范围。智能制造体现在设计、生产、物流和销售的端到端。

近年来，以新一代人工智能技术为主要特征的信息化发展迅速。其中，生成式 AI 随着大模型的发展和应用，人工智能技术更适合行业场景，并渗透到R&D、设计、制造、销售等全过程。在这个新的背景下，“智能制造”的内涵再次丰富。

华为制造和大型企业军团 CEO- 刘超

“制造企业使用数字化和智能化方法来提高效率和竞争力的整个实践过程是智能制造。数字化和智能技术拓展了制造业的新边界。这一轮人工智能技术浪潮正以价值推动制造业整个环节的数字化转型和智能化升级。”刘超说。

人工智能融入制造业这个话题已经成为大势所趋。今年 1 1月，国务院常务会指出，要协调高质量发展和高水平安全，以人工智能和制造业紧密结合为主线，以智能制造为主要方向，以场景应用为牵引，加快重点产业智能升级，高水平赋能产业制造体系，加快新质量生产力形成。

根据目前的应用案例，生成式 AI 大模型这一代人工智能技术在制造过程中的应用带来的好处更为直观，包括缩短R&D周期、改善产业链流程、降低成本等。例如:

在生物医药行业药物研发阶段，在人工智能技术的加持下，新药的发现时间可能会从多年缩短到几个月，降低成本。 70％以上；

华为正处于制造业生产管理阶段。 AI 在技术加持下可以存在 1.5 在一个小时内完成未来 35 天空供应计划分解，这是人工智能技术对智能制造各个环节的使用。

可见，生成式 AI 在制造业中应用大模型等技术已经取得了先验成果，技术价值突出。随着这些技术的加入，智能制造项目变得更加复杂，这是制造业需要探索的新课题。

机遇与挑战并存，制造企业走向数字智化存在不确定性。

从上述政策文件的指导思想和技术应用现状不难看出，生成式 AI 以及大型模型推动的新技术浪潮正在开启制造业数字智化发展的想象。

然而，智能制造的概念已经提出近十年了。对于制造企业来说，数字化转型和智能化升级之路总是存在多重挑战。郭楠总结了传统制造业在寻找数字化转型和智能化升级时会面临的不确定因素，主要包括三个方面:

战略层面：公司肯定会遇到零号难题——到底该怎么办？到什么程度？从哪里开始？

人才：员工同时了解员工 IT、各种知识的复合型人才短缺，如工艺、制造、装备等；

投资方面：投资回报比难以计算，而智能制造一旦投资就没有回头路。

现在，大型模型正在加速涌现，各行各业都在关注自己所在领域的大型模型应用效果如何。对于这一点，郭楠补充道："制造业的工作流程具有很强的确定性，生成式 AI 与大型模型渗透到制造业的核心场景中有很多问题需要解决，例如，生成结果的不确定性需要迭代，AI 更有针对性地应用于制造业。"

因此，制造业的智能化趋势已经确定。虽然举步维艰，但如果不直接追，就会被淘汰。正如中国工程院教授谭建荣所说，数字化转型不是你想不想转的问题，而是你迟早要转的问题。

这是因为除了上面提到的资金、人才和统筹规划的挑战之外，新技术的迭代变革会增加制造企业数字化智能梯队之间的差距——数字化能力强的企业自然会跑得更快，而数字化技术基础薄弱或者比行业平均水平慢的企业，转型之路会变得更加紧迫。

正因为如此，制造业才能生成 AI 大模型和数据价值挖掘的关注度仍在增加，讨论的声音也在增加。然而，面对各种挑战，不同领域的加工制造业正在积极探索和尝试。

江汽集团信息化管理部部长 - 刘峰

作为制造汽车领域的大型企业，江汽集团自主创业 2020 自2000年以来，多年来一直在探索数字化转型和智能化升级的道路，我个人感受到了制造业向数字化智能化迈进的挑战。刘峰总结了江汽集团在升级转型中遇到的三个挑战:

第一，智能化制造的总投资往往达到数十亿甚至上百亿，这就要求企业对数智化转型有坚定的决心；

第二，企业知道自己布局的转型方向是正确的，还要衡量个人能力是否与之匹配，对自己有清晰的认识；

最后，人才储备是决定企业转型能否继续下去的关键，但是同时了解 IT、应用程序、场景等人才最为稀缺。

上述三个挑战也是大多数制造企业面临的难题。为了打破这一困境，增加企业数字智能化的不确定性，我们需要回到行业寻找答案——追溯制造业数字智能化重点布局的典型场景现有的标杆案例，探索答案的方法。

智能化制造需要多方合作，江汽集团与华为破题思路

工业和信息化部本月发布的《国家人工智能产业综合标准化体系建设指南(2024) 版本)中提到:坚持应用牵引——坚持企业主体和市场导向，满足行业应用需求，加强创新成果迭代和应用领域建设，共同推进人工智能与重点行业的融合应用。坚持产业协调——加强人工智能产业链标准化工作协调，加强跨行业、跨领域标准化技术组织合作，打造大中小企业融合发展标准化模式。

“应用牵引”和“产业协调”为人工智能融合智能制造提供了指导方向。

就应用而言，江汽集团旗下的瑞风 RF8 已经是网络名人中广受好评的车型，新建的新港智慧工厂也按照《智能制造能力成熟度标准》进行了规定 L4 智能化生产(优先)目标建设，这两个成果可以看作是基准案例，其中包含了解决上述挑战的答案。

瑞风 RF8 在江汽集团与华为合作的过程中，江汽集团吸纳了华为，这也是其商业成功的原因。 IPD(集成产品开发)过程，并建立 PDT 团队(产品开发团队)改变了商品原有的商业逻辑，从技术转变为市场需求第一。

具体合作过程的细节是，华为向江汽集团派出咨询团队，将华为产品的开发流程、制度和方法转化为江汽集团产品的开发流程、制度和方法。这个系统流程会在后续的实践过程中迭代演变，最终固化为江汽集团自身的能力。

江汽集团数字化转型与智能化升级成功案例相结合，有三个关键因素：

做好顶层设计。通过整理顶层设计的逻辑，可以实现后续的循序渐进、循序渐进的管理，防止浪费资金和时间；

好好利用外部大脑。传统制造公司在寻找数字化转型和智能升级时，可以寻找华为等有丰富转型经验的公司合作，改变旧的方式和思路；

控制成本，先试点。优先选择一些典型的场景作为突破的基准试点。试点成功后，复制成功案例，可以减少转型中的不确定性。

物联网研究中心中国电子技术标准化研究中心主任 - 郭楠

郭楠觉得，在这个过程中，最值得借鉴的是“跨境学习”。江汽集团与华为的合作也将经验和工作流程工具化，成为跨项目、跨行业快速复制的行业模式。

这也呼应了“应用牵引”后的第二个指明方向“产业协调”。可见，两者在新技术浪潮下的行业数量智化中是分不开的。在江汽集团的成功经验中，该公司的合作伙伴是华为制造和大型企业军团。

这个组织的特别之处在于，它可以从另一个角度为制造业的数字智能化提供解决问题的思路。华为制造和大型企业军团汇集了涵盖R&D和销售全链条的华为专家，可以快速收集资源，找到价值场景，联合行业合作伙伴为制造企业提供匹配需求的场景解决方案。

如果用三个词来概括它在促进行业智能化方面的作用，华为制造和大型企业军团实际上是华为能力和制造企业之间的“连接器、放大器和催化剂”：

连接器：充分了解制造企业的痛点和需求，将华为的解决方案与制造企业的需求联系起来；

放大器：对客户需求进行分析、分解后，在各相关产品开发过程中接受客户需求；

催化剂：将客户应用领域与华为提供的技术有机结合，产生化学反应，甚至达到聚变、裂变等级。

可以看出，华为充分了解制造企业的数字智能化困境，能够快速找到症结，用优秀的策略为客户解决困难。到目前为止，华为已经和 1000 合作伙伴共同为中国服务，超越中国 8000 家庭制造企业，成为顾客加速走向数智化的重要合作伙伴。

结语

对于智能制造的系统工程，在实际推广过程中要坚持系统思维，这就是江汽集团与华为合作的证明。不仅是人工智能的新技术，过去的大数据、区块链等技术也是如此。在新技术能否推动行业数字化验证阶段，不同领域、不同行业、不同企业的资源和能力不同，思想认知也不同。

因此，根据实际情况，从标杆应用领域切入创新资源，分层次、情景、阶段实施策略，打通产业链上下游，可以促进行业数字智能生态建设，引领企业案例在转型中发挥主导作用，促进技术应用深度和企业数字智能化水平的不断演变。

未来，随着制造业数字智能化的深入实现，制造业将形成更加开放的生态环境。推动制造业数字智能化的旅程没有尽头。相信在明确的智能制造目标下，制造企业及其合作伙伴也可以携手加速奔跑，以星星之火燎原，最终成为燎原之势。

华夏基石 · AI 启航论坛

邀请您参与，扫码即可获得活动详情：

喜欢这篇文章

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com