东方网记者王加你8月3日报道：“你们的技术能不能降低能耗？能不能提升生产效率？能不能创造实实在在的经济效益？”2026世界人工智能大会期间，上海交通大学教授、人工智能与微结构实验室主任、金珵科技创始人李金金向联合国秘书长古特雷斯介绍工业AI应用时，对方抛出的三个问题，被她概括为“古特雷斯之问”。在她看来，这三问恰恰是中国制造业对人工智能最朴素的期待——技术价值不在演示效果，而在真实产线上可核验的结果。
把时间维度引入工业
工业生产的本质是物质在时间流中的连续转化。与通用问答型AI不同，工业AI必须进入工艺流程，并对生产结果负责。李金金团队深耕底层算法十余年，研发出工业时序控制大模型ManuDrive，首次将时间维度AI算法引入工业自控，搭载127套标准化通用功能模块，实现流程制造、离散制造全行业的自主感知、预判与闭环调控，被业内称为“AI老法师”。
李金金在川宁生物
在新疆川宁生物的发酵车间，这套系统的价值得到了最直接的验证。500立方米发酵罐过去依赖老师傅定时人工调控，产量长期难以突破瓶颈。团队在高温车间里驻扎9个月完成首个全流程部署，AI接管后一个月，发酵产量提升3到5个百分点，生产波动降低50%，新增效益上亿元。如今同类项目的再部署周期已从9个月缩短至数周。
在江苏一家风电零部件企业，过去选刀、排刀全凭老师傅经验，完整流程动辄十几天，一次“撞刀”损失可达上百万元。“AI刀具规划师”上线后，复杂排刀方案十分钟内生成，系统运行至今撞刀事故零发生，刀具耗材成本降低15%。
先学习老师傅，再超越老师傅
“我们的路径，是先学习老师傅，再超越老师傅。”李金金这样概括技术逻辑。团队采用物理驱动与数据驱动融合的路线，把资深工艺专家脑海中的隐性经验梳理、封装进算法体系，再依托产线数据持续迭代，突破人工经验的上限。
支撑这一模式的是一套独特的人才机制：前沿部署工程师（FDE）常驻生产一线，完成经验采集、模型调试与工艺适配；前沿部署研究员（FDR）联动高校实验室，基于一线回传的数据迭代底层模型，形成“一线落地优化、后台算法升级”的双向循环。
目前，ManuDrive已泛化出AI生物发酵工程师、AI工业建筑设计师、AI数控编程师等十大标准化工业智能应用场景，服务数十家上市制造企业。
李金金（右）在工厂
政策东风下，瞄准中小微企业
今年7月，上海市经济和信息化委员会印发《上海市进一步推动“AI+制造”发展的若干措施》，从关键技术攻关、工业数据治理、工业智能体培育、算力与语料补贴到复合型人才培养，为工业AI规模化落地提供了系统支撑，其中前沿部署工程师培训已被明确纳入相关人才计划。
政策方向与李金金的判断不谋而合。她认为，工业AI的首要落点是服务中国广大中小微制造企业——不必从覆盖全厂的大项目做起，而应从一个关键工段、一条产线切入，以小切口完成效果验证，再沉淀为可复制的标准模块。为此，团队推出轻量化部署方案，部分场景传感器投入仅需数百元，并探索“先见效、后分成”的收益共享模式，降低中小企业试水门槛。
“古特雷斯之问”也是中国工业AI走向世界的通行证。李金金表示，中国拥有最丰富的制造场景和生产数据，注定成为工业AI大模型率先实现产业化突破的地方。团队的路径很清晰：先在国内复杂工况中完成验证和标准化沉淀，再以轻量化、模块化的方式输出经现场检验的“技术+工程+服务”能力，让更多发展中国家的制造业用得起、用得上。
“十五五”开局在即，这位从实验室走进车间的女教授目标明确：让工业AI在存量中创造增量，让工厂像生命体一样持续进化，用中国智造的答案，回应“降能耗、提效率、创效益”这一全球制造业的共同命题。
热门跟贴