人工智能是高端制造业在信息爆炸时代处理复杂性问题、寻求最优解的“必需工具”。它不仅“增效”，而且是解锁新可能性、定义新产品的关键使能技术。近日，工业和信息化部等八部门发布《“人工智能+制造”专项行动实施意见》，推进人工智能技术与制造业深度融合，特别指出需指导企业加强数据工程能力建设，促进数据开发与模型建设深度融合。制造业企业该如何加强数据工程能力建设？如何将“人工智能+制造”落实到制造的核心环节？
变革藏在细节中
在汽车制造车间，一卷卷闪着冷光的钢板，正准备开启一场神奇的变身之旅。冲压、焊装、涂装、总装是它完成华丽蜕变前需闯过的四道关卡。以前，闯关后的检测靠的是老师傅的火眼金睛，但现在情况完全不同了。人工智能已经成为生产线上最敏锐的“眼睛”、最可靠的“双手”和最聪明的“大脑”，把“制造”推向“智造”的新境界。
人工智能与制造业“双向赋能”，既是技术演进的必然，也是产业发展的必需。人工智能作为新一轮科技革命的核心驱动力，已积累了深厚的技术势能，正需要能充分释放其潜力的广阔场景。而制造业以其规模之大、门类之丰、场景之复杂，成为检验人工智能技术的试金石。目前，我国制造业数智化转型扎实推进，累计建成3.5万余家基础级、8200余家先进级、500余家卓越级智能工厂，培育15家领航级智能工厂。其中，人工智能已渗透领航工厂70%以上的业务场景，沉淀了超过6000个垂直领域模型，带动1700多项关键智能制造装备与工业软件规模化应用，形成一批具备感知、决策和执行能力的工业智能体，推动智能制造从“自动化”向“自主化”演进。
从两化融合到智能制造深入实施，再到推进“人工智能+制造”，这场变革其实就藏在制造过程的每一个细节中：在每一次精准落下的焊接火花中，在每一寸光滑均匀的漆面下——它正在悄悄发生，却实实在在地改变着整条生产线的逻辑。
大模型快速渗透研发设计和营销服务环节
人工智能是高端制造业在信息爆炸时代处理复杂性、寻求最优解的“必需工具”。它不仅仅是“增效”，更是解锁新可能性、定义新产品的关键使能技术。
近日，工业和信息化部等八部门发布《“人工智能+制造”专项行动实施意见》（以下简称《专项行动》），推进人工智能技术与制造业深度融合，其中特别指出需指导企业加强数据工程能力建设，促进数据开发与模型建设深度融合。
聚焦关键战略性产业
“应聚焦关键的战略性产业，深入推进人工智能应用，重点发力行业数据集建设和大模型训练。”北京航空航天大学原副校长唐晓青教授在接受《中国信息化周报》记者采访时表示，鉴于我国制造业覆盖面广、体量庞大，建议《专项行动》聚焦高端制造、装备制造等关键领域，将人工智能的创新势能转化为支撑实体经济高质量发展的核心动力，为制造强国建设注入持久动能。“这些产业技术密集、具有高价值，产业链长、有一定的数据基础，同时对安全性和效率要求也高，特别适合AI发挥提质、增效、降本的巨大潜力，能快速形成示范效应，带动整个制造业升级”。
北京航空航天大学原副校长唐晓青
聚焦知识密集型场景
在关键的战略性产业中，人工智能技术正加速向制造业核心环节渗透，大模型作为人工智能的“大脑”，当前，在哪些环节应用更深入？
“在研发设计和营销服务环节，大模型快速渗透”，华为制造与大企业军团副总裁周欣在接受《中国信息化周报》记者采访时总结。
华为制造与大企业军团副总裁周欣
这是由于大模型多为大语言模型、生成类模型，其技术优势主要体现在知识密集型场景，凭借庞大的参数体系和强大的泛化能力，在自然语言理解、问答推理、数据增强、文本/图像/视频/代码生成，个性化推荐等内容创造领域表现优异，这与研发设计环节的创意生成、营销服务环节的内容创作等需求高度吻合。
周欣预计，后续在生产制造环节的智能排产调度、工业视觉智能检测等环节会加快应用，一方面通用模型的泛化性在提升，另一方面生产制造高质量数据的快速积累，也在推动大模型加快渗透。
“高质量数据”是“生命线”
数据集与模型建设的协同推进是突破“人工智能+制造”发展瓶颈的关键。《专项行动》明确提出夯实人工智能赋能底座，开展“数模共振”行动。“夯实人工智能赋能底座，数据是基础中的基础。”唐晓青表示，人工智能落地的根基在于数据要素的积累与活化，没有高质量数据的“血液”滋养，再先进的AI模型也只是“无本之木”。
我国数据集现状
高端制造业数据基础面临两大挑战。其一，数据覆盖面广，企业数据多呈“碎片化”存在，难以支撑大模型训练和全流程优化。其二，数据应用场景割裂，实时应用与历史数据优化尚未形成闭环。“特别是关乎国计民生的关键和战略性产业，我们要对其数据集的现状有清醒的认识。”唐晓青强调。制造业数据工程能力不足，智能升级就像没油的跑车，空有性能却跑不起来。
夯实数据底座、打通数据孤岛、释放数据价值，是当前“AI+制造”深度应用的首要任务。制造业企业是数据沉淀及价值转化的“主战场”。
壹通无人机系统有限公司总经理金舸在接受《中国信息化周报》记者采访时表示，壹通无人机已将智能数据管理技术全面应用到飞机制造过程的各个环节，将飞机构型数据、更改数据、制造一致性数据进行全面采集并通过AI算法进行全生命期智能化数据分析，构建基于AI的全生命周期健康诊断与预测，在深度落地循环迭代的设计理念过程中，提高无人机研制、试验速度和交付、运营质量。“目前，主要面临的挑战是数据量还需要通过批量的生产、交付和运营进一步填充提高”。
壹通无人机系统有限公司总经理金舸
需从三方面形成合力
唐晓青建议，从三方面发力推动高质量数据基础建设：研发并广泛应用感知技术，让设备“开口说话”，让过程“开口说话”；攻坚大型工业软件自主化难题，打造生成数据的“智能工厂”；提升数据工程能力，编织覆盖全流程的“数据神经网络”。三者形成合力，构建起支撑人工智能应用的“黄金数据集”。
第一，大力发展传感器和仪器设备等技术，从而为智能制造和数据驱动决策奠定基础。感知技术能精准捕捉流程和生产细节，精准应对环境变化，安全守护数据资产，便捷融入现有系统，并以低成本适配不同规模企业，从而成为“人工智能+制造”坚实的数据底座。
第二，持续攻克大型工业软件自主化难题。如果说传感器是“感知现实”，那工业软件就是“构造现实数据”。前者是数据的采集端，后者是数据的生产端。数据生成依赖工业软件，尤其是工程设计软件、工程分析软件和流程规划与管控软件。工业软件自主化需紧密结合行业特点，通过持续技术攻关，构建自主可控的数据生成体系。唯有打通数据感知-生成-应用的全链条，才能为“人工智能+制造”筑牢坚实的数据地基，驱动制造业向智能化、自主化方向跨越。
第三，提升制造业企业数据工程能力。以“OT/IT融合”为主线，构建覆盖设备、工艺、质量的统一数据平台；以预测维护、工艺优化等生产场景驱动数据开发，形成可复用的制造特征库，实现模型从训练到在线服务的自动化部署，最终形成“数据驱动工艺优化、工艺反馈反哺数据建设”的闭环。
三类核心数据集驱动制造业升级
高质量数据集是“人工智能+制造”从概念验证走向规模化、可靠应用的“基石”，决定了智能化系统的性能上限与落地价值。《专项行动》指出，要打造100个工业领域高质量数据集，应优先推动建立哪些数据集？
助力降本提质增效的关键数据
周欣表示：“应紧扣降本提质增效的核心目标，优先推动三类数据集建设。”第一，全流程生产数据。覆盖研发、设计、工艺、生产、检测、运维全链条，支撑AI提升质量在线检测效率与全生命周期质量追溯。
第二，机理与AI融合数据，如将工艺参数与设备机理融合，实现设备运行工况的实时感知、工艺参数的自适应优化等。再如设备预测性维护数据集，整合关键工业设备的振动、温度、能耗等数据与故障检测模型融合，实现安全生产风险预警。
第三，产业链协同数据。例如打通电子设计自动化、产品生命周期管理系统的数据孤岛，支持产品开发快速迭代验证；打通供应链上下游数据，通过共享客户需求、零部件库存与物流数据，构建产业链协同数据集，实现缩短交货周期，提升库存周转率。
作为人工智能、航空制造、通信导航等技术的集成载体，中大型无人运输机研发将推动相关领域突破。金舸认为，应优先建立中大型无人运输机适航、运营专用数据集，并协同推进行业通用类数据集的开发。根据民航相关条例要求，飞行器的使用需对实名登记信息、使用行为数据、敏感数据进行存证。其中产生的适航、运营数据是中大型无人运输机走向适航取证、规模化商业运行时的核心数据，此类数据价值极高但难以从公开渠道获取。“行业通用类数据集一般是围绕特定行业共性痛点进行构建，数据标准化程度高、敏感数据少、且数据多源于产业链的各个环节，能够反映整个链条的运行状态与瓶颈。”
提高数据分享积极性
因存在数据权属、安全风险、投入产出比等问题，制造业企业分享高质量数据时存在一定顾虑。金舸表示，可信的第三方平台、清晰的产权与利益分配规则，以及强有力的产业共识和协作是提高企业分享数据积极性的关键。“建立中大型无人运输机适航、运营数据集，相当于为行业提供了一个低成本、高效率、低风险的‘数字试验场’，大大提高企业分享数据的积极性”。
较易入手的五大典型场景
典型应用场景是推动“人工智能+制造”从“盆景”到“森林”的关键一步。
《专项行动》提出，到2027年，推广500个典型应用场景。周欣认为，可以优先推广满足技术已验证、价值可量化、覆盖全行业三个特点的场景。“主要是五大典型场景：质量控制与缺陷智能检测、预测性维护与智能运维、生产排程与工艺参数智能优化、数字孪生与虚拟仿真、供应链智能协同与需求预测可以作为典型应用场景推动”。
在AI辅助民用航空器整机研制体系的构建中，金舸认为，可优先推广利用人工智能技术建设行业大模型、大幅降低航空器研制成本的场景。在此过程中，结构设计制造方向与运营支撑无人机改进改型方向可率先开展探索与实践。“未来，随着设计数据的持续积累，可逐步构建起面向航空设计的行业大模型。这不仅能让AI设计能力快速赋能产业链上的大量企业，还能形成‘产业出题、技术答题’，以产业需求驱动AI技术演进的良性循环，技术进步又为产业创造更大价值，共同推动航空设计进入智能协同的新阶段”。
在国务院新闻办公室近日举行的新闻发布会上，相关负责人表示，下一步，工信部将以落实《专项行动》为抓手，重点推进五方面工作：
一是加快技术创新，突破训练芯片、异构算力等关键核心技术；二是深化融合应用，聚焦软件编程、新材料研发、医药研发、信息通信等领域，体系化推动大小模型与智能体技术突破；三是强化企业培育，激发涌现更多人工智能赋能应用服务商；四是完善生态建设，加快制定行业急需标准，健全人工智能开源机制；五是筑牢安全防线，强化算法安全防护与训练数据保护，提升企业伦理风险防范能力，全面推动人工智能产业高质量发展。
推进“人工智能+制造”，本质是一场关于制造业灵魂的重塑———它将数据转化为洞察，将算法转化为生产力，最终将国家的工业体系升级为具备自感知、自决策、自进化能力的智能生命体。这不仅是技术升级，更是决定未来全球制造业版图的核心战略博弈。
作者：杨光
编辑：高珊珊
监制：刘晶
热门跟贴