【京津冀·智造破局谈】解码AI技术如何重塑制造业新范式？

【京津冀·破局谈】AI驱动 重塑智造新范式

随着数字化转型进程不断深入，制造业已迈入数字化转型升级的深水区，而AI技术的迭代应用，其也成为破解协同、研发、营销、效率等制造业瓶颈的关键引擎，从数据驱动的智能决策到数字虚拟仿真，再到柔性生产的精准适配，AI正在打破传统制造的边界，催生高效柔性、智能、绿色全新范式。

在2025京津冀CIO数智创新大会上，来自不同行业专家、企业CIO，围绕【AI驱动 重塑智造新范式】的主题进行了思想交流，共同探讨企业AI赋能路径、制造行业转型进程以及未来发展趋势。

AI在制造业场景应用实践

牛小虎：目前，AI技术已从实验室走向企业业务场景，逐渐发展成为企业提升竞争力的核心引擎，正全面重塑各个行业生产逻辑。从精准研发到设备故障预测，再到优化营销获客手段，AI在制造业中体现出了应用价值。如何实现从“被动响应”到“主动预判”的转变？

任起龙：以往，汽车行业在AI和IT方面仍存存被动响应、过度依赖人工处理、问题响应效率低下，以及诸多安全隐患等问题制约了行业发展。2022 年后，AI 技术的发展为行业带来转机，推动应用从被动响应向主动预判转变，虽尚未达到理想状态，但已有显著提升：一是数据洞察能力增强，具备了一定的预测能力；二是实现了初步的智能决策；三是能够形成 PDC 闭环解决问题。未来，汽车行业 AI 应用的核心方向是实现数据驱动的精准预测，进一步完善智能决策体系，并通过持续的闭环优化提升问题解决能力。

廖少华：汽车行业在无 AI 加持时，就已在推进管理从预防性向预测性升级，AI 进一步加速了这一进程。实际应用中，AI效果十分显著。AI 在汽车装备领域应用最广泛的是辅助研发，这与研发的知识密集型属性高度契合，可提前预测产品设计缺陷，不过，尽管大模型较以往有大幅进步，但工业场景中无法直接应用，当前核心依赖要求精准的工业小模型；且现有模型仍需约五年时间升级，预计5-10年可能出现新的AI革命，届时技术生成结果将更精准。

高铁心：从中医药制造行业视角看，AI 技术在生产质量管控中的应用主要分为中药提取和注射剂生产两大阶段，关键应用集中在工艺参数监测与质量预判。其中，在中药提取环节，神威药业采用近红外技术实时采集关键工艺参数，通过小模型建模，实时判断批次药品是否存在质量问题、与质量标准的偏差，实现生产过程中的质量动态管控；在制剂环节，根据检验结果建立并测试模型，后续生产中可通过关键工艺参数预判产品合格性，同时筛选出对质量保障最优最稳的“黄金批次”，再通过精准控制关键工艺参数，确保最终产品质量稳定均一。

牛小虎：AI 大模型的应用离不开标准数据的产生与客观判定，但不可否认的是AI应用过程中，面临着数据孤岛、数据治理以及价值释放等多方面痛点。

任起龙：企业数据治理的核心痛点包括三方面：一是数据孤岛突出，业务系统口径不一致，跨部门跨系统数据难以互通；二是数据标准缺失；三是由于数据质量堪忧导致 AI 模型因“数据营养不良”失效，造成AI 应用缺乏可量化、可重复、可预测的科学性。对应的解决路径为四方面：通过顶层设计统一治理框架，打通技术壁垒、畅通数据流转，培育数据文化并建立赋能机制，借助体系化治理释放数据价值，推动 AI 落地创造价值。

廖少华：汽车行业在数据治理中并不缺乏数据，数据采集、分类工作及工厂网络基础设施已较为完善，企业每日采集数据达 TB 级，但核心问题在于数据使用不足。这一问题源于历史系统分类过细、IoT 数据各自为政，导致数据孤岛突出，尤其存在于主机厂与零部件供应商之间；同时企业多侧重存储投入，却缺乏足够 AI 算力支持。当前 AI 应用多局限于单点场景，难以规模化落地。湖仓一体化是解决数据孤岛的关键路径，需通过统一数据标准实现数据入湖入仓，解决数据质量与一致性问题，并且要针对性处理历史数据，挖掘高价值数据，补充 AI 算力投入，结合成熟算法进行调优，最终释放数据价值，推动 AI 规模化应用。

高铁心：数据治理是企业 AI 推进、经营管理及信息化建设的核心基础，其重要性随数据价值提升愈发凸显，但实施难度极大。核心难点集中在三方面：一是企业内部对数据治理的认知分歧明显，本质上数据治理是“管业务”，是管理层精准决策的重要支撑；二是数据采集面临多重挑战，外部采集涉及合作方开放意愿与成本问题，内部部分领域因技术障碍难以实现实时采集；三是不同业务部门对同一数据的概念定义、标准口径不一致甚至矛盾。但是，系统接口、数据仓库等技术层面的问题会随技术成熟逐步简化，AI 也会提升治理效率，但内部业务数据定义的统一是数据治理需重点突破的核心任务。

“柔性制造”与未来展望

牛小虎：对于制造业部分领域，柔性生产是企业追求的目标，它也是加速企业转型升级的加速器。在服装行业，柔性生产需遵循一定框架，服装企业需适配消费者的个性化诉求。效率最优的模式是将 50% 的空间开放给消费者自主选择，剩余 50% 保留原有固定工艺基础，且个性化选择本身也有明确范围。对于工业制造业企业而言，柔性生产的范围必须有所限制，若柔性度过大，不仅无法提升生产效率与经济效益，反而可能导致亏损。

任起龙：“柔性生产”是制造业未来发展重要方向。

廖少华：柔性生产是必然趋势，因个性化需求日益凸显，已不再是燃油车时代凭借单一车型、颜色就能畅销的场景，柔性生产侧重满足个性化需求、体现情绪价值。

高铁心：对制药行业而言，从产业的角度来看，柔性智造能够提供个性化服务，比如包装盒、包装形式、装量等方面。

牛小虎：随着 AI 技术的持续应用，制造业正迈向智能制造，未来， AI + 互联网将重塑制造业企业的全球竞争力。

高铁心：AI 对全球化企业的核心价值体现在三点：一是助力企业更容易、更快速理解全球各地的人文、社会及政策相关情况；二是大幅降低全球化过程中的语言沟通成本，为跨语言交流提供重要支持；三是提升企业对全球市场的感知能力，依托数据通过 AI 技术快速捕捉当地市场动态。

廖少华：AI + 智能制造赋能下，十年后汽车工业将迎来三大核心变革：一是全面迈入“黑灯工厂”时代，工厂无需人工参与，由机器人自主完成汽车生产，依托先进机器人技术与 AI 系统，实现生产效率大幅提升、错误率显著降低的全自动化制造；二是汽车个性化定制成为主流，模块化生产工艺打破传统限制，车辆模块可按需更换，且将回归汽车初创时期的定制形态，3D 打印、AI 设计工具等技术进一步降低定制成本，满足消费者多样化表达需求；三是自动驾驶持续升级落地，L3 级自动驾驶标准即将落地，高速场景已获法规认可，随着城市复杂场景的完善，L4 级自动驾驶将快速规模化应用，而 L5 级全场景自动驾驶也将逐步临近，彻底重构汽车使用场景与出行体验，让驾驶更安全、更便捷。

任起龙：AI + 智能制造对汽车工业的影响，主要体现三个方面：一是在数据质量得到保障的前提下，将突破效率天花板；二是重构产品与服务的价值逻辑，从传统标准化生产转向场景化共赢模式，让客户深度参与到产品的设计、制造全流程，实现供需精准匹配；三是优化制造分工体系，打破原有链式连接的产业格局，构建各环节均能受益的生态共赢模式，推动产业链整体价值提升。

牛小虎：在当前工业效率已实现提升的基础上，兼顾个性化与标准化的协同推进，将是未来制造业发展的核心方向与关键步骤。AI、大模型等人工智能方向势不可挡，在这一必然趋势下，适应变革、搭建适配的相关体系与内容、依托技术服务自身业务发展，以及助力目标客户群实现价值提升等都是值得大家深入思考的重要课题。