今天小編分享的科學經驗:中國制造的AI穿鑿,一場直抵地心的技術遠征,歡迎閱讀。
制造業領導委員會在 Manufacturing in 2030 Project 中提出,一場争奪 AI 主導地位的全球競争正在進行中,制造業是這場競争的關鍵參與者。制造業在國内外的競争力,将越來越多地由 AI 專業知識、應用和經驗來定義。
(華為中國政企業務副總裁 郭振興)
AI 和大模型在制造業中的重要性,怎麼估計都不為過。但工業制造,也被認為是 "AI 能改變的最後一個行業 ",業内人士普遍認為,工業 AI 是最難做的一個領網域,對制造企業提出了與傳統工業時代完全不同的能力要求。
啃硬骨頭,下硬功夫,中國制造業必須有所作為。
一來,我國已經是世界第一大體量的制造大國,許多企業已經成為龍頭企業,原來 " 跟随 " 的對手已經消失,智能化失去模仿标杆,必須自己去書寫 AI+ 制造的答案。
二來,中國制造企業與智能技術并不陌生,機器學習時代就有大量工廠落地 AI 質檢,引入智能巡檢與無人駕駛。進入大模型時代,制造企業擁抱 AI 新技術的意願也格外高漲。所以,中國制造業已經具備了引領智能化的能力。
接下來,便是面對工業場景,完成 AI 穿鑿。4 月 28 日,以 " 加速行業智能化 " 為主題的 " 華為 AI+ 制造行業峰會 2025" 在廣州舉行,來自汽車、機械電子、醫藥、重工業、輕工業等制造行業的意見領袖、企業代表、產業夥伴、學者專家 900 餘人現場參會,共同探讨制造業數轉智改的新模式、新路徑。
會後在媒體溝通會上,華為中國政企業務副總裁郭振興分享了華為在踐行制造業務數智化轉型及幫助客戶企業開展數智化轉型中的收獲和體驗。
從中,我們去看看 AI+ 制造的行業共識、獨特思考,以及真實行動與實踐。
業内普遍認為,制造業是 AI 最後的明珠。因為制造業對生產穩定可靠的苛刻要求,AI 想要走向工業制造場景,挑戰最大,因此也被認為是最後一個完成智能化更新的行業。
但是,AI 融入工業制造,也是一座極具潛力的智能化富礦,對制造企業及社會國家都價值巨大。
從報償比來看,一家制造企業就可以因 AI 而提升瑕疵檢出率,節省千萬成本,投入回報比極高。而且,25 年初,DeepSeek 憑借普惠、優質、開源而出圈,也讓更多的企業可以低成本使用大模型,進一步提升了 AI+ 制造的價值。比如廣汽集團,依托 DeepSeek 強大的輔助代碼能力,整體代碼輸出效率提升 30%;廣藥集團,基于 DeepSeek 構建醫藥知識庫,智能檢索市場、行業、競品等工作效率提升 20%。
AI 在制造領網域展現出真實的提質降本增效,成為必須深入挖掘的技術礦藏。
目前,國家已經從政策層面,為制造業數智化提供全方位的支持,引導廣大制造企業加速實現數字化轉型和智能化更新。2024 年以來,工信部密集出台多項政策,支持制造業數字化轉型、AI 賦能新型工業化。
然而具體到實踐中,制造業 +AI 确實還有不少挑戰有待解決。特别是 2025 年 Deepseek 帶來的 AI 創新應用爆發,促使制造業加快鏟除幾大 AI 障礙:
一是數據短板。很多中小制造企業的數據禀賦還比較薄弱,存在數據孤島,整合困難,當前有 73% 企業的數據利用率低于 40%。而數據不充沛、不互通,會直接影響到 AI 模型的訓練與落地效果。
二是落地場景。制造業的特點是碎片化,工況復雜,長尾場景多,這就導致 AI 落地難,需要定制。華為發現,60% 的企業在 AI 項目中,技術與實際場景需求脫節。僅有 25% 的 AI 試點項目能規模化推廣。
三是成本高昂。引入 AI 需要對傳統信息化、數字化系統進行改造更新,80% 的企業都存在老舊系統的歷史包袱,而導致改造成本增加。比如 AI 專用算力不足,或雲服務成本過高,都無法支撐 AI 模型訓練。
不鏟除上述障礙,AI 就無法穿過萬千工業場景,鑿進制造業深處。幫助制造業打破障礙,華為帶來了體系化助攻。
工業工程的開端,是推倒岩層、打穿山體,需要盾構機一樣的重器,數智化也不例外,需要構建聯接、感知、決策等數智化技術為一體的新型基礎設施,承載制造業數智化的所有新型生產要素,作為 AI 重器。
華為中國政企業務副總裁郭振興提到,2025 年,科技發展也給制造業轉型更新帶來了時代機遇。比如聯接層面,2025 年,是全要素可靠聯接之年,5G、Wi-Fi 7、星閃、IP+ 光聯接技術與行業鴻蒙物聯深度融合,實現企業辦公、管理與生產萬億級聯接;數據層面,2025 年,是數據要素基礎設施規模建設之年;計算層面,企業上萬個關鍵生產應用上雲,50 萬 + 規上企業逐步實現 " 研產供銷服管 " 全業務上雲,通過雲接入 AI,将推理決策融入業務,成為制造企業的首選。
那麼,制造企業從哪裡能得到上述技術能力,來搭建自己的新型基礎設施呢?華為帶來了 " 智能聯接、智能存儲、智能算力、智能平台 " 端到端的全棧解決方案。
數據方面,華為新一代全閃系列存儲,通過數控分離的創新架構,實現單節點帶寬提升 70%,能夠滿足 AI 大模型訓練推理時超大規模數據的并行吞吐要求。
算力方面,Deepseek 是制造企業最關注的新 AI 技術之一,基于大模型來打造制造業的 AI 大腦,可以提升 AI 在工業場景中的決策分析能力,為產線提質增效。華為打造的 DeepSeek 落地一站式最優解——昇騰,就解了制造業的燃眉之急。昇騰 AI 平台覆蓋了從 DeepSeek 預訓練到推理的全流程解決方案,大幅度降低大模型訓練與推理的門檻。昇騰的澎湃算力與 Deepseek 智能算法完美匹配,性能充分釋放。同時,昇騰一直秉持架構開放兼容業界生态的原則,目前業界主流框架,也在積極擁抱昇騰生态,共同加速大模型創新的落地,降低制造企業的 AI 創新門檻。
智能平台方面,華為基于雲平台的算力并行調度技術、網絡級負載均衡技術和高性能緩存技術等,讓每一張算卡都能物盡其用,綜合降低 AI 訓推成本。
制造行業智能化,涉及從感知到決策的龐雜技術體系,AI 與場景的融合要經歷從淺層到核心的逐步滲透,因此是一個長期作戰的體系化工程。
而在整個產業智能更新的大周期裡,華為都可以提供針對性、業内更優的產品與技術,讓制造企業構築新型基礎設施,以重器,破凍土。
重器具有摧枯拉朽的力量,但到了一些個性化、小微場景,就需要精細化的定制,才能讓數智應用上產線。我們曾采訪過一個 AI 開發者,為一些工廠提供定制化模組,一個組件需要擰幾百個螺絲。如果只有大廠的科學家和博士們來幹這件事,成本是工廠絕對承受不了的。怎麼辦呢?
獨木不成林,制造業的大量碎片化、長尾需求,僅靠華為,是無法全面解決制造企業的所有問題的,服務商和夥伴的參與必不可少,這依賴于一個規範、共赢、互利的夥伴體系。
據郭振興透露,2025 年,華為将在更多行業發展聯盟級夥伴,同時,華為通過開放資源,開放機會,聯合夥伴,深耕行業,通過專人對口、技術支持、優先進地圖、優先進項目等措施,構建與聯盟夥伴全國合作機制,支持夥伴做生意,保障夥伴權益。
聯盟級夥伴基于華為 ICT 產品,可以打造更全面、更高效的解決方案。參考華為打造的數智化标杆,可以復制标杆案例,實現行業解決方案的标準化和模塊化,加速客戶數智化轉型。夥伴自身則結合自身行業經驗,提供定制化方案。
有了夥伴的參與,制造企業的數智化之路可以走得更穩、更快。
那麼,下一個問題就是,夥伴 + 華為,真能啃下 "AI+ 制造 " 這塊行業智能化最硬的骨頭嗎?
制造業的嚴苛性決定了,AI 不能停留在實驗室和發布會的排行榜,必須具備工業級高精度、高魯棒性。因此,一家制造企業的廠長,或許是 AI 最好的裁判;一條生產流水線,是夥伴和華為技術解決方案的磨刀石。
正如郭振興所說,技術不是目的,客戶成功才是。他認為,數智化轉型本質是為戰略服務的,所以企業的戰略才是數智化轉型的根本,而非由技術來驅動,數智化轉型的最終目的是實現企業構建高質量的競争力。
2024 年華為攜手夥伴探索行業場景,打造聯合方案,共同推動央企重工、車輛裝備、半導體電子、新能源、煙酒制藥、輕工業等近 10 個制造細分行業加快數字化轉型與智能化更新。
攜手夥伴進行聯合創新,共同深耕 7 大領網域,20 個價值場景,聯合打造研發工具鏈、智能駕駛開發平台、工程設計仿真、智慧工廠等行業解決方案。
重慶長安智慧工廠、賽力斯智慧園區、廣汽研究院智能化研發平台、徐工集團全光工廠等行業解決方案模範點,後續可以復制到其他同類型企業。
敢啃硬骨頭的夥伴與華為,推動 AI 在工業制造領網域實現從量變到質變的突破,讓技術真正轉化為新質生產力。
放眼全球,鮮有國家或企業能走通制造業 AI 更新之路,而中國制造正開辟新徑。因為有全棧技術(從硬體到應用,從單點技術到整體方案的數智化產業鏈),普惠 AI 理念(DeepSeek 以開源降低模型門檻、華為昇騰生态打消算力焦慮),有龐大的數智化創新生态(從政府、高校、華為等 ICT 廠商、行業巨頭、服務商等各層級的支持)。這一系列前提條件,構成了中國制造企業領航全球工業智能化的利好。
在夥伴 + 華為的努力下,AI+ 制造這顆智能化的明珠,已經開始在產線上、在工廠裡綻放光彩。而 AI+ 制造,正是第四次工業革命的關鍵。
面向更宏觀的未來,郭振興認為,制造行業的智能化将會從企業智能化和產品智能化兩個維度并行展開。其中企業智能化會從 " 制造 " 到 " 智造 " 賦能產業更新與價值鏈重構,而產品智能化将從 " 功能 " 到 " 智能 " 重塑商業版圖和產品形态。
這意味着,制造業确實還有許多場景,有待數智化更新改造,AI 技術與業務的系統性融合仍需時日。
路雖遠行則将至,有華為的硬核基礎設施,有大量服務于行業數智化的夥伴,中國制造必定可以鑿穿地心,摘得明珠。