工业富联受邀出席2026夏季达沃斯，探讨AI驱动学习型工厂发展路径

近日，工业富联首席数据官、科技服务事业群总经理刘宗长先生应邀出席世界经济论坛第十七届新领军者年会（2026夏季达沃斯论坛），围绕“Factories that Learn”主题，与业内先进一同分享人工智能驱动制造业实现自主学习、决策、执行的实践路径，共同探讨如何让前沿技术真正落地于实体产业，转化为可衡量的商业价值与社会价值。

当下，AI已成为全球经济增长的强力引擎，制造业正经历一轮快速变革——从传统自动化工厂走向“会学习的工厂”。然而，技术要真正服务于实体经济，就必须跨越从试点到规模化、从效率优化到系统重构、从工具替代到人机协同的多重门槛。如何让AI在真实的工厂场景中创造可量化的成果，成为全球制造业共同面临的核心命题。

我们不应只将人工智能与现有技术进行比较，更要找到它正确的位置。当我们把AI理解为增强人类生产力的工具，设定正确的预期、持续投入，很快我们就能在效率、灵活性和系统韧性之间取得良好的平衡。

——工业富联首席数据官、科技服务事业群总经理 刘宗长

围绕学习型工厂的核心能力、灯塔工厂实践经验、AI规模化落地以及未来产业机遇等话题，刘宗长先生分享了工业富联的观察与思考：

01

“会学习的工厂”，最重要的能力是什么？

要真正把传统自动化工厂与“会学习的工厂”区分开来，关键在于三大核心属性：

第一，从“固化AI”到“进化AI”。传统自动化工厂基于预先编写的程序，只能重复预定义的任务；而学习型工厂具备感知、认知与自主协同能力，能够快速适应新任务，且其获得新能力的方式不再依赖重新编程，而是通过自然语言来实现。随着数据规模的不断增长，AI将逐步深度融入应用，为工厂运作带来前所未有的灵活性。

第二，从“被动响应”到“主动预见”。 传统工厂是在问题发生后才进行修复，而学习型工厂能够主动预测偏差、提前干预并自我优化，从而实时维持最佳绩效状态。

第三，劳动力转型，从“替代”到“赋能”。 传统工厂会用自动化设备取代人工，但在学习型工厂中，AI作为增强工具能够赋能人类，放大其生产力和判断力。例如，一个操作员可以同时操作多个智能体或人形机器人，从而显著提高产能。

02

灯塔工厂有哪些值得学习的最佳实践？

灯塔工厂不仅是数字化转型的重要成果，更是迈向学习型工厂的关键里程碑。工业富联至今已打造9座内部灯塔工厂、赋能13座产业灯塔工厂，并逐步形成从数据互联、AI赋能到自主运营的能力演进路径。

2019年，工业富联打造首批灯塔工厂，重点解决设备、产线与工厂间的数据互联互通问题，建立数字化运营基础；

2021年，在部署自动化同时，开始大规模导入AI预测性维护与机器视觉检测技术，并在手机机构件制造等关键业务场景实现规模化应用，推动制造体系从自动化迈向智能化；

2024年，在服务器灯塔工厂建设过程中，针对高品种、低产量生产模式带来的物流协同、物料排程与工程设计挑战，进一步运用AI提升运营效率与准时交付能力；

2025年以来，随着全球化布局持续深化，聚焦供应链韧性、跨区域协同及人才能力建设等课题，在越南等海外灯塔工厂导入供应链控制塔、主动调度体系以及大语言模型应用，推动全球制造体系向自主运营迈进。

每一座灯塔工厂都是工业富联转型升级的重要里程碑，不仅验证了新技术与新模式的商业价值，更形成了可复制、可推广的方法论与能力体系。灯塔工厂不仅是先进制造的标杆，更是驱动企业持续创新、业务增长和迈向学习型工厂的重要引擎。

03

如何打破试点孤岛，实现系统性规模化？

许多企业容易陷入局部试点难以推广的困境。过往的成功实践表明，真正实现全组织规模化的组织通常具备三个方面的关键因素：

首先，坚持业务驱动而非技术驱动。 每座灯塔工厂背后都有一个清晰的“变革故事”，聚焦核心业务挑战和竞争力升级，并设定明确的运营财务KPI与数字化解决方案挂钩，从而实现更好的财务成果和实用创新。

其次，重视系统化框架与底层平台建设。 在数据治理和IT架构上持续投入，虽然短期可能看不到直接收益，但为后续大规模推广奠定了坚实基础。

最后，强化组织能力建设。 再强大的AI工具最终仍需人来发现创新机会。因此必须提升员工技能，营造敏捷、鼓励学习的工作氛围，让人才与技术共同进化。

04

如何善用AI，抓住实体经济中的巨大机遇？

面对AI，首先需要建立正确的预期。当前，人们习惯将人形机器人或智能体AI与现有的自动化系统进行比较——与自动化机器相比，它效率不够高；与人类工人相比，它灵活性又不够。如果局限于这种比较，就可能错失未来机遇。

事实上，AI并不是自动化机器或人类的替代品，而是增强生产力的工具。未来，一名员工可以同时管理多个智能体或人形机器人，生产效率将大幅提升。同时，AI也能将人的知识和经验数字化，形成可积累的数字资产，甚至催生全新的商业模式。

因此，行业应重点关注大型语言模型及VLA模型的发展，只要保持正确预期、持续投入，并找到AI最适合的应用场景，就能在效率、灵活性与系统韧性之间达成理想平衡。

“会学习的工厂”并非遥不可及的乌托邦，而是我们应对高波动、高复杂性挑战的必然选择。未来的工厂，将不仅仅是一个物理空间的生产单元，而是一个拥有“工厂大脑”的数字生命体。它能够利用数字孪生在虚拟世界中预演未来，通过AI Agent在物理世界中自主执行，并在人机协同的闭环中不断进化。从设备互联到AI赋能，再到的自主决策执行，工业富联正携手全球灯塔网络，将这一蓝图转化为可复制、可落地的产业实践。