一线调查 被AI重塑的工厂

广西玉柴机器股份有限公司第五发动机生产车间主任王东波介绍，目前车间的人工操作岗位全部嵌入AI形迹防错系统，通过高精度工业相机，实时捕捉工人的作业动作、工具使用和物料装配顺序，避免零件出现错装、漏装、反装的问题。中青报·中青网记者 谢洋/摄

中青报·中青网记者在广西多家企业调研时发现，技术落地，人的转变才是关键。从“人扛零件”到“机器自跑”，改变的不只是亮度与气味，更是车间的“基因”。

在广西柳州钢铁集团有限公司柳州基地的热轧厂车间里，通红的厚钢板被一次次碾轧、冲洗，逐渐变薄。记者站在数十米外，仍能感到热浪扑面。

操作员李嘉林记得，过去干这活儿，人得爬上10米高的设备，隔着玻璃承受高温的“烤”验。如今，他坐在地面控制室里，只需在关键节点上做监控和确认。

变化的，不只是一个操作台的位置。近日，中青报·中青网记者随“人工智能赋能千行百业一线调研行”主题采访团赴广西多家企业调研发现，一场由人工智能驱动的制造业变革，正把人从高温、高危、高强度的现场，缓缓托向更安全、更从容的位置。

大模型破局热轧产线， 让工人告别高温值守

在柳钢热轧厂，数智化副主任工程师莫琳琳面对的曾是一个典型的“不可能三角”：连续高效生产、全流程高温物料流转、高精度温度控制。这三大难点让热轧产线的智能化改造举步维艰。

“热轧产线对连续高效生产要求极高，全流程高温物料流转和高精度温度控制，曾是智能化改造最难啃的骨头。”莫琳琳回忆，“也正是对极致能效的追求，加上改善职工工作环境的现实愿景，构成我们推进改造最核心的内生动力。”

过去，工人们需要靠肉眼观察钢板的颜色变化来判断温度，靠经验去感知设备的振动频率。这种“人肉传感”模式不仅劳动强度大，而且极易产生疲劳误差。

如今，随着“玄铁”大模型的上线，这种局面被彻底改写。该模型展现出强大的云边端协同能力和推理演算能力，能够实时处理复杂的工况数据。热轧厂轧钢车间轧钢班长杨进对此感受最深：“过去靠跑、靠看、靠经验，现在坐在集控平台前，数据集中监控，智能表检仪能瞬间识别出细微的划痕、氧化铁皮，甚至比人眼更准。”

在50米作业行程中，无人行车单车最快每小时可运输21块板坯，双车协作时这一数字跃升至30块。更重要的是，那些曾经需要忍受高温“烤”验的岗位，如今被转移到了地面控制室。李嘉林们不再需要直面热浪，他们的工作从“操作”变成了“监控”，从“体力输出”变成了“决策辅助”。

“我们打造5G+热轧智能工厂，搭建起覆盖生产管理、质量管理、设备监控、能源监控、安全监控多维一体的分层管控架构。底层设备稳定是基础，全域数据打通是关键，低时延算力与模型是核心，多重保障支撑高速连续生产。”莫琳琳介绍道。

机器人开始“接管”重体力活

在广西玉柴机器股份有限公司，变化从气味和光线开始。第五发动机生产车间党支部书记黄斌记得刚入职时的场景：车间昏暗、气味重，发动机零件全靠人力搬进清洗机，“很沉”。如今再走进同一车间，20℃恒温、地板一尘不染，清洗交给全封闭自动化设备，工人只需在屏幕前设定程序。从“人扛零件”到“机器自跑”，改变的不只是亮度与气味，更是车间的“基因”。

玉柴“AI智能体集群驱动发动机智能制造工厂”已入选2026年广西“人工智能+制造”十大引领应用场景。在制造事业部第五发动机生产车间，从上料到成品入库全部由智能化无人AGV上线，机器人、桁架机械手负责物流，全自动加工中心加工，再自动检测、清洗、入库。关键工序实现自动化拧紧、涂胶、压装，人工岗位全部嵌入AI形迹防错系统，动作可追溯、可校验。加工精度达1微米——约为一根头发丝厚度的十分之一，远超国内平均水平。

数字最能说明问题：“十四五”以来，五发车间生产效率提升40%以上；国六发动机加工生产线人员从100多人，缩减到接近“黑灯工厂”模式，只保留少量员工负责维保与监控。上千种物料变成一台重型发动机，最快12小时完成，生产周期较改造前缩短80%。

在车间干了14年的班长陈飞，是这场变革的亲历者。“我刚来时只会操作一台机床，现在要掌握全线设备。”她笑着说，车间变成“黑灯工厂”后，环境好了，干劲儿更足。

今年，车间来了位特殊“同事”——四足智能安全巡检机器人。它搭载多模态传感器与AI决策中枢，融合热成像与噪声探测，能自主规划路径、动态避障，24小时巡逻。劳保穿戴是否规范、消防栓是否被挡、是否漏液断电，六大类隐患它都能识别，异常实时推送。“以前安全员不可能全天盯现场，现在它替我们守夜，半夜产线漏液，它马上报警。”陈飞说，有了“机械狗”站岗，大家干活更安心。

在玉柴现场技术部主任康玉霞看来，智能化落地后，最直观的是现场更自动化、工作方式改变；更深层的，是员工从大量重复操作，转向设备监控、异常处理、质量确认与现场维护，“既降低劳动强度，也减少人员进入高风险区域的频次”。

“智能化不是抽象概念，不是追逐技术噱头，核心就是解决现场效率、质量、安全、柔性的现实问题。”康玉霞表示，针对重型发动机零部件笨重、装配参数严苛、多品种小批量生产等痛点，整套方案都是扎根生产现场定制而来。

技术落地，人的转变才是关键

在位于钦州的中国石油广西石化公司，智能化带来的改变更为深刻。这里正在建设的，是一个国家领航级智能工厂。

规划和科技信息部资深高级主管石明，是这场变革的操盘手之一。“我们不是简单堆砌几套信息化系统，而是对炼化全业务链条做整体数字化重塑。”石明介绍，整个智能工厂分为四大板块：统一汇聚各类数据的数据治理底座、厂区装置数字孪生映射、覆盖多业务域智能化应用，以及网络安全、人才队伍等配套保障体系。

他最直观的感受，是现场摄像头“活”了。过去，它们只是事后回看录像的冰冷眼睛；现在，AI视频识别系统能实时捕捉违章操作、设备泄漏、火情烟雾等风险，一旦异常立刻推送报警。安全管理，从“事后处置”变为“事前预警”。

在更核心的生产环节，全流程智能控制系统接管了工艺微操。过去依靠人工调节的阀门，现在由AI模型持续分析装置运行数据，实现分钟级甚至秒级优化。自动微调的阀位，比人工操作更加平稳。

“一线员工最直观的感受是，很多重复的、靠经验判断的工作，现在有智能系统辅助，工作压力得到了缓解。”石明说。

然而，技术落地的过程并非一帆风顺。石明坦言，炼化工况波动大，AI模型在实验室里表现完美，放到复杂的工业现场就容易“水土不服”。除了模型适配难题，早期不同时期建设的系统数据标准不一、数据质量参差不齐，也是转型路上绕不开的障碍。企业业务、技术部门协同攻坚，从源头梳理，夯实统一的数据底座。为此，他们坚持“业务主导”，让一线工艺专家和操作工深度参与模型的训练和迭代。

企业的智能化转型还引出了一个关键命题：人工智能到底是替代人，还是服务人？

在广西石化的实践中，答案显然是后者。石明特别强调“人的转变”：“系统建好了，员工会不会用，愿不愿意用很关键。我们分层开展实操培训，让技术真正服务于人，而不是成为负担。”

来源：中国青年报客户端