戴欣：AI模型不是买回来的，是“长”出来的

在AI重塑制造业的浪潮中，技术如何真正落地车间、创造价值，成为业界焦点。

3月11日，在2026金蝶创见者城市峰会·AI+制造论坛上，中山大学软件工程学院产业数字化服务中心主任、广东省制造业数字化转型50人会专家戴欣教授，从宏观经济变迁与产业演进视角，深度剖析了制造业AI化的底层逻辑与实施路径，勾勒出制造业迈向AI转型的未来图景。

困境：传统大规模生产的“库存诅咒”

“为什么生意越来越难做？因为过去屡试不爽的方法，今天可能恰恰是亏损的原因。”戴欣表示。他分析，国际经济形势波诡云谲，企业感知到的是客户难觅、产品积压。其根源在于工业经济时代的核心逻辑——标准化大规模生产，与消费端日益强烈的个性化需求之间的矛盾。

他以纺织服装业为例：“服装龙头企业一天要更新几千个新款，任何一个款式库存失控，都意味着生死考验。”早在2012年，他的团队就提出“零库存”理念，即变“供给推动”为“需求拉动”，从“猜销量做着卖”转向“供款式定了再做”。如今，部分优秀企业已接近这一目标：借助中国强大的供应链体系，配合15-20天的海外预售周期，实现近乎零库存的运转。“这背后，必须有全面的数字化甚至AI联动。”戴欣强调，“未来，不数字化、不与AI融合的工厂，将根本接不到订单。”

使命：数字经济破解“过剩”难题

戴欣认为，数字经济的核心历史使命，正是解决工业经济难以克服的生产过剩与库存积压。工业时代，企业为降低成本而标准化大规模生产，但消费端却追求多样与个性。数字经济通过互联网、移动互联网及AI，实现了与每个个体需求的高效实时连接，极大增强了供求匹配能力。

“零库存的本质是按需生产。”他提醒企业家审视自身：你的企业和供应链，是否已嵌入按需生产、灵活响应的模式？而这一模式的实现，需要从信息化走向数字化——前者围绕“人”传递信息，后者则用物联网、大数据、AI等减少人工干预，让机器自主协作。未来的“黑灯工厂”不是简单的自动化，而是既能减少人工干预、又能灵活响应个性化需求。

落地：场景化AI实战分享

谈及AI在制造业的落地，戴欣指出，当前制造业AI转型已从概念探索阶段全面迈入规模实战的关键时期。他列举了国内外典型案例：西门子工业智能体结合微软大语言模型，实现订单排产、设备调度的自主决策；华为盘古大模型与湘潭钢铁合作，在品质检测、预警优化等方面成效显著。“这些场景有个共同特点：允许一定容错率，AI的高效率就能转化为实实在在的利润。”

戴欣还提到了金蝶的呆滞料智能体，他举例说，很多企业因为没办法做精细化管理，“很多的材料可能就放到仓库里面，已经都不知道了，甚至仓库有，但是不知道，可能还要到外面去买，既耽误了时间，又影响了效率，还浪费了钱。这些只要省下来，就是实实在在的利润。”

针对大模型的“幻觉”问题，戴欣用爱因斯坦与司机的故事巧妙阐释：大语言模型能惟妙惟肖地模仿专业表述，却可能因不理解深层逻辑而“一本正经地胡说八道”。因此，工业AI应用需明确边界：在调度、预警、优化等容忍度高的领域大胆使用，在精准严苛的环节谨慎对待。

路径：四步构建AI驱动的制造模式

制造业如何有效推进AI融合？戴欣给出四条原则性建议：

第一，嵌入按需生产的产业逻辑。审视企业所在的产业链，是否与消费端紧密连接、实时响应。前端必须能敏锐捕捉需求，后端系统则需高效传导数据。

第二，支撑新品快速研发。“不要沉浸于现有产品有多好，新品才能带动新订单、获取高利润。”制造体系需具备支撑前端快速迭代的柔性。

第三，实现“又快又灵活”的交付。从接单到交付，不仅要速度快，更要能响应客户的多样化需求，而非“这个不能干，那个不能干，我只能干一种”。

第四，先数字化积累优质数据。“AI模型不是买回来的，是‘长’出来的。”企业必须先将核心业务系统跑起来，沉淀数据，让AI在不断优化中越用越好。高质量的体系化数据、结构化的业务本体，正是决定企业AI赋能效果的关键要素。他特别强调，在这一过程中，选择深耕制造业的合作伙伴至关重要。“如果你有路径规划方面的困惑，可以找专业机构支持，比如找我，或者找金蝶这样的优质服务商，能帮你少走弯路。”更重要的是，建立“激励相容”的合作模式，让双方在共同成功中获益。

结语：以不变应万变的制造模式

“世界快速变化，需求实时在变。制造业要找到以不变应万变的模式——各个环节不仅极快，更要联动迭代。”戴欣总结，AI融入制造，正是实现这一目标的关键。

【推广】（免责声明：此文为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。文章内容供读者参考，请自行核实相关内容。）