徐晨：“大模型+小模型”，破解AI赋能制造业的四大挑战

为推动培育壮大新兴产业和前瞻布局未来产业，7月11日，广东省召开省加快推进现代化产业体系建设专题会议（人工智能与机器人产业专场），组织有关政府部门、专家学者、各级人大代表和企业代表召开专题调研座谈会。

在交流发言环节，东莞市新一代人工智能产业技术研究院院长徐晨深入剖析了AI赋能制造业的现状与挑战，并提出“大模型+小模型”协同路径、设立工业AI需求诊断技术中心、培养高水平“AI产品经理”等建议，为广东制造业智能化转型提供了新思路。

东莞市新一代人工智能产业技术研究院院长徐晨。

四大挑战，制约AI落地制造业。徐晨指出，尽管AI技术快速发展，但在制造业应用中仍面临四大核心挑战：一是“数据不出厂”，企业因数据安全顾虑难以将核心数据上云，导致云端算力难以直接赋能产线；二是“决策边端化”，工业场景依赖小模型实现高精度实时决策，但现有设备终端缺乏智能计算能力；三是“产品换型快”，工业品类迭代加速，传统小模型难以适应产线柔性化需求；四是“知识传承难”，老师傅的工艺经验难以数据化，制约标准化传承。“这些问题本质上是技术能力与工业需求之间的断层。”徐晨认为。

对此，徐晨建议通过“大模型+小模型”的协同赋能路径，应对上述挑战。徐晨解释称，大模型擅长需求理解和知识泛化，而小模型专注实时决策，二者结合可兼顾数据本地化计算、产品换型柔性化和经验知识传递。他认为，工业大模型的切入口应聚焦“三张图”——机械图、电路图和电气图。“工业图纸是知识与语言的载体，通过AI理解图纸，能显著提升‘产供销研服’全链条效率。”

据了解，自2022年成立以来，东莞市新一代人工智能产业技术研究院团队便深入PCB、光电、模具等10余个行业，驻厂半年以上开展AI需求分析与数据治理，验证了技术方案的可行性。

“‘场景荒’亟待破解。”徐晨认为，当前制造业AI化的另一大瓶颈在于需求模糊。“企业沉淀了大量数据，但如何匹配工艺提升、良率优化等深层需求？多数企业无法精准描述自身AI需求，或提出的需求缺乏行业普适性。”他建议，可以通过政府支持设立“工业AI需求诊断技术中心”，系统性归集和凝练工业场景，为技术落地提供方向指引。

在人才问题方面，徐晨认为，广东制造业亟须既懂AI技术又熟悉工业场景的复合型人才，“高水平‘AI产品经理’是破局关键。他们需横跨人工智能、制造技术、工业软件等多领域，成为连接技术与市场的桥梁。”徐晨也呼吁政府联动高校、企业和科研院所，专项培养此类人才，以支撑产业长期发展。

统筹：李陵玻

执行统筹：陈杰生 邹琳 吴璇

采写：南都记者 朱唯信 张婷 吴璇

摄影：朱唯信

视频：郑鸿杰

设计：严丽萍

出品：南都政务新闻部