“AI+制造”如何释放乘数效应？华工智慧获《科技日报》报道

国家对AI场景开放与要素保障力度空前，这有助于打破场景壁垒，让更多AI创新技术有机会在真实工业环境中验证优化。

今日

《科技日报》聚焦制造业转型

报道了“AI+制造”过程中的“华工智慧”

介绍了华工人以硬核科创

为产业智能化转型注入的源源动能

以下为报道全文

《科技日报》报道“华工智慧”

铣削加工技术是制造业中一项至关重要且应用广泛的金属切削加工方法。以往，传统铣削加工轨迹在复杂加工区域中容易产生切削力突变，导致加工效率下降，加工精度损失，刀具寿命降低。

琶洲实验室研究员、华南理工大学机械与汽车工程学院教授王清辉认为，现代高效粗加工技术的研究核心，已从追求极限工艺参数的“硬碰硬”模式，转向追求加工过程中物理状态平稳化的智能化模式，其终极目标是在高材料去除率下，实现恒力切削，“恒力切削意味着加工过程处于一个动力学平稳、负载可控的理想状态，它允许数控系统以更平稳、更接近理论极限的速度运行，同时大幅降低振动风险，从而在提升效率、保障质量和延长刀具寿命之间取得最优平衡。”

王清辉把人工智能（AI）应用到复杂型腔模具及复杂自由曲面的粗、精加工中，通过智能化配置高速旋风铣与传统加工轨迹，可有效稳定加工过程的刀具负载，将加工效率提升30%以上。

这是“AI+制造”的鲜活应用场景
随着AI加速渗透

经济社会发展“毛细血管”

“AI+制造”正释放出更强动能

近段时间以来，《关于加快场景培育和开放推动新场景大规模应用的实施意见》《“人工智能+制造”专项行动实施意见》相继出台，加速推动“AI+制造”应用场景落地。

AI落地制造业场景

还面临着哪些挑战？

如何打通“AI+制造”堵点
充分发挥其乘数效应？

迈向规模化落地

在深圳嘉立创科技集团股份有限公司（以下简称“嘉立创”）位于广东韶关的数字化生产基地里，该公司利用自研的智能制造系统，能在一块不到1平方米的PCB（印制电路板）上，完成超200个PCB打样订单。

“依托高性能的分布式集群架构，我们可瞬间剖析订单交期、板材尺寸、工艺要求等海量数据，进行最优化拼板设计。公司日均完成超过4万份不同尺寸、要求各异的PCB订单的拼板组合，板材利用率达到行业领先水平。”嘉立创相关负责人介绍。

不仅如此，在AI助力下，该系统能以秒级速度输出报价与3D验证模型，几乎所有订单均可由客户自助完成。这种快速的对接和生产方式，能为机器人等企业的研发赢得宝贵窗口期。

随着AI加速与制造业深度融合，制造业的生产模式正被深刻改变，AI应用场景也越来越多。“制造业AI场景创新已从单点试点迈向规模化落地，尤其在流程工业领域呈现出全栈产品体系支撑垂直场景产业化落地、核心技术架构实现自主可控突破等特点。”广州博依特智能信息科技有限公司（以下简称“博依特”）董事长、华南理工大学轻工科学与工程学院研究员、博士生导师李继庚说。

博依特制浆造纸自动驾驶系统

作为深耕流程工业生产工艺的AI创新公司，博依特构建了“AIoT基座+工艺MOM+工业智能体+行业大模型”全栈体系，推出全球首个制浆造纸工艺大模型及博依特制浆造纸自动驾驶系统。目前，博依特工艺AI已在造纸、食品、建材、化工等多个行业落地，服务超700家企业。“我们通过‘龙头带动+产业集群’模式，带动江门造纸集群50余家企业协同优化，实现集群年产量提升5%、能源消耗下降36%，创造直接经济效益60亿元。”李继庚说。

这背后，是制造业数智化转型扎实推进的宏大图景。工业和信息化部数据显示，截至目前，我国已累计建成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。

面临“水土不服”难题

王清辉教授

“实际上，相比民生领域

AI在制造业领域的应用

更加复杂，挑战也更大。”

王清辉说

“AI+制造”在场景落地过程中易遇到“数据孤岛”与“垃圾输入”并存的问题。以电子及机械行业为例，该行业产业链上下游极其分散，订单高度离散，有时会涉及数十万种元器件和非标零部件。这导致AI需要处理海量且非连续的“孤岛式”数据。

此外，客户上传的3D模型格式多样。输入数据量虽然大，但机器难以根据其几何特征识别对应的工艺要求，形成了难以使用的“垃圾数据”。王清辉说，制造业涉及的数据结构与加工工艺极为复杂，尤其在工业软件领域，各类数据模型往往具备特有的属性、结构和工艺知识，缺乏通用的数据特征。

由于通用大模型缺乏工业物理常识和制造背景，直接套用易产生“幻觉”或严重错误，技术落地时往往“水土不服”。“这里有一个标准与定制的矛盾：制造业追求标准化的规模效应以降低成本，而AI赋能的产业互联网追求‘千人千面’的定制。”嘉立创相关负责人说。

在李继庚看来，流程工业数据存在多源异构、利用率低、质量参差等问题。工业时序数据利用率不足10%，设备振动、温度等动态数据未被有效挖掘，难以支撑AI模型高质量训练。

行业经验与知识沉淀不足、人才结构断层，也在一定程度上影响着AI在制造业场景中的拓展。“制造业的生产关键环节高度依赖老师傅经验，工艺知识‘黑箱化’严重，难以转化为可规模化复制的算法模型，导致技术推广时面临知识断层难题。”李继庚说。

此外，多位受访专家分析，制造业AI创新投入大、周期长，导致一些中小企业对转型成本和回报周期存有顾虑，对AI创新场景的落地推广意愿不强。

推动技术与应用双向赋能

Q

如何推动AI与制造更好“双向奔赴”？

《“人工智能+制造”专项行动实施意见》提出，一端抓技术供给，推动“智能产业化”，一端抓赋能应用，加快“产业智能化”，整体壮大产业生态，促进人工智能科技创新与产业创新深度融合、人工智能技术与制造业应用“双向赋能”，加快制造业智能化、绿色化、融合化发展。

“要建设和开放更多的‘AI+制造’应用场景，首先应从政策层面入手，建立工业数据‘普通话’标准。”嘉立创相关负责人建议，以官方牵头、行业龙头企业联合的方式，分行业制定数据交换标准，打通设计、制造、供应各环节的数据壁垒，降低AI解析和清洗数据的社会总成本。

夯实人工智能赋能底座，也是破解制造业AI场景创新难题的关键因素。受访专家普遍认为，我国可通过布局工业垂直模型的AI研究，解决通用大模型不匹配制造企业实际生产、“一本正经胡说八道”的问题。

博依特在这方面已有所探索。该公司构建起包含1000余个工艺规则的机理模型库，将老师傅操作经验转化为算法模型，形成可规模化复制的优化决策资产；同时通过工艺大模型实现行业专业知识问答、推理及企业知识培训，加速知识传承与复用。

此外，还应建设人工智能应用对接平台，促进供需精准匹配。“打造‘AI+制造’场景，离不开工业软件企业、制造业企业、高校科研院所三方的深度融合。”王清辉建议，通过建设对接平台，能有效发挥三方各自的优势，凝聚合力，让AI更加精准地应用于制造业不同场景。

“国家对AI场景开放与要素保障力度空前，这有助于打破场景壁垒，让更多AI创新技术有机会在真实工业环境中验证优化。同时，国家对协同推进准入、场景、要素改革，强化数据、人才、资本等要素支撑作出部署，也将有效降低AI场景创新的成本与风险。”李继庚说，政策牵引力有望进一步推动AI在制造业的规模化应用。

党委宣传部（融媒体中心）

信息来源：科技日报

文字：记者 叶青

图片提供：琶洲实验室、博依特智能

微信编辑：黄明华

初审：冀早早

复审：卢庆雷

终审：夏正林

华工原创，版权所有

若需转载，敬请联络

邮箱：hgxcb@scut.edu.cn

“分享”“点赞”“在看”，记得一键三连哦