信息化不等于智能化，工业决策大脑如何突破制造业AI落地难

AI浪潮下，人工智能如何赋能传统制造业，是一个已被探究多年的议题。实际落地过程中，却往往会出现理念、技术先进，但应用层面水土不服，或成本高昂，或与产业场景匹配度差的局面。

2026年7月27日，“AI赋能纺织产业高质量发展大会暨工业决策大脑产品发布会”在浙江绍兴柯桥举行。与会专家及企业代表分析认为，我国工业门类齐全、制造业主体数量庞大，智能化需求日益增长。但丰富的场景需求并不会自然转化为规模化应用。如何将企业已有的数据、工艺知识和生产经验转化为可执行、可验证的决策能力，推动AI真正融入生产经营流程，已成为工业智能化从单点应用迈向规模化落地的关键。

对此，中科闻歌副总裁、CTO曹家总结：“工厂并不缺设备、系统和数据，真正缺少的是连接‘数据’与‘执行’的决策智能大脑。”

会上，中科闻歌（01956.HK）工业决策大脑同步发布。依托决策AI树，该产品能够提供一套面向AI原生工厂的完整能力体系，让AI理解工厂、参与决策，并把决策转化为系统任务和设备行动。

AI赋能制造业的认知偏差与四重挑战

“人工智能+”理念之前，得益于“互联网+”的深入人心，我国制造业数字化建设之路已有十余年，ERP、MES、PLC等系统得到广泛部署，积累了丰富的数据资源。再加上物联网等技术的日益普及，实时传感、人机互动等场景亦成为制造业产业链中的常态。

不过，信息化并不等于智能化。在不少工厂，数据虽然已经进入系统，设备和系统之间却仍未形成有效协同，数据也难以直接转化为生产决策。

其一，数据冗杂，有效性、匹配度不足。工业企业并不缺少数据，真正缺少的是可被AI直接理解和有效使用的高质量数据。企业数据一般分散在ERP、MES、PLC、设备及Excel等不同系统中，存在标准不一、语义不通、彼此割裂等问题。相同的指标在不同环节可能有不同定义，设备数据、订单数据和工艺数据也难以关联，导致AI看到了数据，却无法准确理解数据背后的业务关系。

其二，工业场景的复杂性对大模型的理解能力提出了更高要求。工业场景中的数据远不止文本和图像，还包括波形、频谱、场数据、设备信号和时序数据等复杂模态；生产过程又受到工艺参数、设备状态、交付周期、成本和质量等多重约束。仅依靠通用大模型，难以理解复杂工艺机理和生产规则，更难以支撑生产排程、质量控制、设备协同等专业决策。

其三，经验类隐性知识难以标准化。很多制造业的产品生产流程，对“老师傅”“手艺人”等少量资深技术人员的经验存在高度依赖，难以形成结构化、可传承、可复制的知识体系。一旦人员发生变化，经验就可能随之流失，企业决策效率和能力提升也因此受到限制。

就以上三点，曹家总结，许多企业的数据仍停留在记录、查询和展示层面，尚未真正转化为分析问题、优化生产和辅助决策的能力。

其四，人工智能管理、伦理问题。

浙江数字化发展与治理研究中心主任刘渊同样分享称，“在前期面向大量企业开展调研的过程中，我们发现，制造业企业在行业属性、发展阶段、数据基础和业务场景等方面存在较大差异。传统制造业与AI原生行业在数据基础、业务流程和应用方式上也存在明显区别。因此，不同行业、不同企业的AI赋能路径不能简单复制”。

其进一步强调，“过去，企业应用ERP等信息系统时，更多是将其作为提高效率的工具。进入人工智能时代，技术将更深地参与生产经营和辅助决策，因此，我们在推动AI赋能千行百业的过程中，还需要统筹考虑安全、伦理、治理和普惠等问题” 。

工业决策大脑如何进入生产流程？

7月27日会议上，针对“AI+传统制造业”面临的痛点，中科闻歌将DOMA（Data—Ontology—Models—Agents，即数据—本体—模型—智能体）技术架构引入工业场景，打造出面向AI原生工厂深入生产与经营核心流程的工业决策系统——工业决策大脑。

中科闻歌“基—枢—核—脑—端”决策AI树示意图

从上图可以看出，该系统并非一个单独的产品或者模型，而是以AI树形式，将不同层级的产品和能力连接起来。依托决策AI树，工业决策大脑提供一套面向AI原生工厂的完整能力体系——让AI理解工厂、参与决策，并把决策转化为系统任务和设备行动。

在这一体系中，海汇提供模型接入、Token供应与治理等基础支撑；DIP连接工业数据、业务对象和生产规则，将其组织为AI能够理解的本体知识；雅意、磐石等模型提供认知与专业推理能力；工业决策大脑承担预测、推演、优化和调度；龙工智能体及智能装备则进一步连接业务系统和生产现场，推动决策进入执行环节。

这套体系不要求企业推倒重建已经投入使用的系统，而是将订单、客户、设备、物料、产品、工艺和质量数据连接起来，让工厂使用统一的业务语言，并在交期、产能、库存、成本、品质和能耗等多重约束下，形成可执行的决策方案。

纺织行业AI实践与制造业布局规划

南都记者注意到，浙江绍兴柯桥有“中国纺织第一镇”，拥有完整的纺织产业链和丰富的制造场景。而纺织行业，本就是典型的传统制造业，存在订单多样、工艺复杂、交付周期紧、生产高度依赖经验等行业特点，能够对中科闻歌工业决策大脑进行持续验证，进而为优化产品能力提供正反馈。

曹家介绍，工业决策大脑已进入纺织企业贸易智能理单、织造智能排产、印染智能配色、印染智能排缸、完工反馈与订单交付的全闭环场景，提升企业的运转效率。

以印染智能排缸为例，以前完成一次排缸通常需要约2小时，订单或设备情况发生变化后，还要重新协调。接入工业决策大脑后，在部分应用场景中，系统可将原本以小时计的排缸方案编制过程压缩至分钟级；还能帮助企业更快应对插单、设备变化等生产现场的不确定性。

“民宇纺织品、绍兴舒美针织和中晖织造这些企业，在部分企业的印染生产中，染缸等待、批次衔接不够紧密等情况会影响设备利用效率。工业决策大脑可综合订单、工艺、设备和交付周期等因素优化排缸方案，减少生产等待和无效能耗。”中科巨细总经理葛金宝进一步介绍。

除纺织行业，曹家还向南都记者表示，中科闻歌还正推动工业决策大脑向电力、煤炭、新能源、钢铁、船舶、航空航天等重点工业领域延伸，相关能力已应用于输配电设备预测性维护、电力科研、能源产业投资、钢铁低碳研发和气动仿真优化等场景。“我们希望通过不同行业场景的持续验证，沉淀可迁移、可复用的工业决策能力，推动AI从单点应用走向跨行业规模化落地”。

采写：南都N视频记者 缪凌云 发自浙江绍兴