智能制造下半场

来源：市场资讯

（来源：第一财经资讯）

人工智能正加速跨越数字世界的边界，向物理世界的工业肌理渗透。不过，在第二十六届中国国际工业博览会期间，多位业内专家表示，从“会生成”到“能生产”，智能制造迈向自主化还需迈过诸多现实门槛。

资本下注的物理AI

从英伟达、谷歌到Meta，全球科技巨头正密集押注“物理AI”与世界模型的基础设施。

“全球科技力量对物理AI基础设施与工业场景的布局正在全面提速，市场规模的估算从6万亿美元延伸至英伟达创始人黄仁勋所预期的50万亿美元。”中国科学院院士、宁波东方理工大学校长陈十一在13日举行的2026工博会“长三角工业智能创新发展论坛”上分享道，风投机构正加速涌入这一技术底层，“李飞飞创办的World Labs以82亿美元被AMD收购，杨立昆创办的AMI Labs估值达45亿美元，贝索斯创办的Prometheus估值更达380亿美元。”

在陈十一看来，面对资本的下注，“是否所有路径都走对了，依然值得深入讨论。”他强调，物理AI的真实价值终究必须在实体工业的闭环中兑现，涵盖从设计规划、智能制造、分析验证到工业具身的全流程。

然而，当AI算法遭遇精密工业，严苛的工程挑战随之显现。“在工程领域，AI生成软件面临着正确性、数字稳定性与可复现性的多重风险。”陈十一说，AI虽能极大加速代码开发，但提示词差异、上下文依赖、底层模型各异以及采样的随机性，导致生成结果天然带有不稳定性。在最热门的CAD优化与工业设计领域，如何在给定的物理约束下，依靠AI以最高精度、最快速度完成既节省材料又确保结构功能的工程设计，是目前全球工业界的核心攻坚点，“真实AI与工业软件的结合，一旦应用在物理世界上，将面临最高的风险。”

面对如今的物理AI热，身处制造一线的工业企业有自己的看法。

对于智能制造接下来的演进趋势，ABB机器人全球总裁马思康表示：“工业自动化的下一个时代，将由机器人的学习速度、而非机器人的编程水平来定义。”通过工业级软件、AI视觉等全栈工具链，工业机器人正在由被动接受指令的预编程序设备，演变为通过观察任务过程自主习得技能的柔性单元。

ABB机器人中国区总裁韩晨在2026工博会期间告诉第一财经，当前行业内部确实存在部分概念泡沫，而工业级应用的核心底线在于“安全、可靠与高性能”。

“工业级AI具有极高的硬性准入门槛，这道门槛足以筛除大量不成熟的技术泡沫。”谈及具身智能等物理AI在工业场景的落地，韩晨对记者表示，“如果应用具身智能之后，作业速度不及人工，那么它就不具备现实的生产价值，充其量只能作为数据采集与科研实验手段，绝不能用于正式生产。”在他看来，面向实体生产的物理AI，必须回归工业自动化的本质逻辑——优先替代高危、恶劣环境以及重复枯燥的工序，以高性能解放人力。

与此同时，投资回报周期与AI模型的极速演进之间正形成结构性矛盾。韩晨说，如果制造业务完全绑定某一个单一版本的模型，极可能面临“前期投入尚未收回、底层模型便已迭代淘汰”的断代风险。为此，行业正倾向于将物理AI能力嵌入成熟的离线仿真编程平台生态中，构建具有全生命周期兼容性的可迭代架构，在仓储物流、产线自动锁螺丝等可验证场景中梯次推进。

如何应对

面对现实挑战，智能制造下半场如何破局？

国家智能制造专家委员会主任苏波在2026工博会“上海市新一代智能制造发展论坛”上表示：“新一代智能制造的‘新’，关键在于‘自主化’。”苏波说，这一轮变革绝非人工智能技术与传统制造业的简单拼接或物理叠加，而是推动制造系统整体演变为具备“自感知、自决策、自执行、自适应、自学习以及自我优化”能力的内生闭环。

面对企业间数字化鸿沟客观存在的现状，苏波建议，智能制造的规模化应用必须坚持“全国一盘棋”的战略统筹与“分级分类推进”，龙头企业要挑大梁，中小企业求实效。要支持领军企业建设“卓越级”与“领航级”智能工厂，率先跑通高难度场景，形成可复制、可推广的标准化范式；支持中小制造企业从数字化、网络化的基础环节做起，推广“小快精准”的解决方案，切实压低转型门槛和成本。

全国政协常委、国家智能制造专家委员会副主任钱锋院士，在深入调研了装备制造企业与新型研发机构后，发现工业智能创新发展正面临诸多深层次挑战。

钱锋在上述长三角工业智能创新发展论坛上分享，当前产业链、创新链、人才链与资金链的融合发展仍存堵点，部分科研成果的工程化转化和产业化应用仍有待加快。“破解这些深层次问题，仅依靠单一地区、单一主体难以完成，亟需发挥长三角区域协同优势，打破行政区划和行业领域的壁垒。”

就在13日当天，“长三角产业创新协同促进中心（筹）”“长三角工业软件创新联合体”等平台载体在工博会现场揭牌、成立。

钱锋建议，需用好实体平台载体、聚焦核心短板攻关、健全常态化制度设计。深化沪苏浙皖“产学研用”协同，促进创新要素跨区域高效流动，推动产业需求、科研力量与应用场景有效对接；推动AI前沿技术与专业工业机理模型、自主工业软件深度结合，紧扣自主工业软件、智能工厂工业操作系统、工业智能体等重点方向攻坚，并贯通从基础研究到产业应用的全链条，为新型工业化注入持久动能。