智能制造技术分解 AI来袭，制造企业数智化的确定与不确定|智能制造|上海羊羽卓进出口贸易有限公司

AI来袭，制造企业数智化的确定与不确定

“智能制造像光一样，方向是确定的，但是它有多远、我们能走多快是不确定的。”

以大模型、大数据、大算力为特征的当代人工智能技术正在向更为复杂和精准的工业制造领域加速渗透，助力制造企业迈向数字化转型和智能化升级。在生成式AI引发的新一轮技术变革之下，弱人工智能正在向强人工智能的加速转变，与制造业融合的信息技术也从以数字技术、网络技术为主演变为以生成式AI、大模型技术为主。

目前，深化大数据、人工智能等创新应用，开展“AI+”行动，已写入今年的《政府工作报告》，其中“AI+制造业”受到业界重点关注，将会为推动制造业行业数智化注入新动能。

在华为企业业务最新推出的《智无不言-华为行业军团访谈录》第一期栏目中，华为制造与大企业军团CEO刘超、江汽集团信息化管理部部长刘峰和中国电子技术标准化研究院物联网研究中心主任郭楠就制造业数字化转型和智能化升级的现存难题展开多维度讨论，助力制造企业在加速数智化的进程中更好地抓住机遇、战胜挑战。

视频加载中...

AI价值显现，智能制造课题再度丰富

在政策引导和市场驱动下，我国制造业数字化水平总体呈现稳步上升的趋势。工信部数据显示，截至2023年12月底，我国已培育421家国家级示范工厂、万余家省级数字化车间和智能工厂。国家两化融合公共服务平台服务工业企业18.3万家，这些企业的数字化研发设计工具普及率达到79.6%，关键工序数控化率达到62.2%。

今年5月，国务院常务会议审议还通过了《制造业数字化转型行动方案》，该方案提出对现阶段制造业数字化转型的三条明确指引：分行业分领域挖掘典型场景、加快核心技术攻关和成果推广应用、加大对中小企业数字化转型的支持。

可以看出，我国制造行业数智化将持续走深向实，将带动更多企业参与其中，数智化将渗透到更多细分场景，应用深度和广度同步扩大。

智能制造是一个不断演进的系统工程，作为制造业和信息技术深度融合的产物，它的诞生和演变与信息化发展相伴而生。

郭楠表示，数字化、网络化、智能化制造都属于智能制造的范畴。智能制造体现在设计、生产、物流和销售等端到端的环节中。

近几年，以新一代人工智能技术为主要特征的信息化发展迅速。其中，生成式AI的发展、大模型的应用使得人工智能这项技术更加贴合行业场景，并渗透到千行万业有关研发设计、生产制造、销售服务等全流程中，在这种新语境下，“智能制造”内涵再度得到丰富。

华为制造与大企业军团CEO-刘超

“制造企业使用数字化和智能化手段，提升效率和竞争力的整个实践过程，就是智能制造。数字化、智能化技术拓展了制造的新边界。而人工智能这一轮技术浪潮正在以价值驱动制造业全链路数字化转型和智能化升级。”刘超说道。

人工智能融入制造行业这一课题已是大势所趋。今年1月，国务院常务会议指出，要统筹高质量发展和高水平安全，以人工智能和制造业深度融合为主线，以智能制造为主攻方向，以场景应用为牵引，加快重点行业智能升级，高水平赋能工业制造体系，加快形成新质生产力。

从当前的应用案例来看，生成式AI和大模型这一代人工智能技术应用到制造环节当中带来的回报较为直观，包括缩短研发周期、优化产业链流程、降低成本等。例如：

在生物医药行业的药物研发环节，在人工智能技术加持下，新药物发现时间可能从数年缩短至数个月，成本下降70％以上；在制造行业的生产调度环节，华为在AI技术加持下可在1.5个小时内完成未来35天的供应计划分解，这都是人工智能技术对智能制造各个环节的使能。

可以看出，生成式AI和大模型等技术应用于制造业已有先验成果，技术价值已经凸显，这些技术的加入让智能制造这一工程变得更为庞杂，这也正是制造业所要探索的新课题。

机遇与挑战并存，制造企业迈向数智化存在不确定性

从上述政策文件的指导思想以及技术应用现状不难看出，生成式AI和大模型引领的新技术浪潮正在打开制造业数智化发展的想象力。

但智能制造这一概念提出已近十年，对制造企业而言，数字化转型和智能化升级之路始终存在多重挑战。郭楠就总结了传统制造业寻求数字化转型和智能化升级时会面临的不确定因素，主要包括三方面：

战略层面：企业一定会遇到零号难题——到底该干什么？做到什么程度？从何入手？人才层面：员工中同时懂IT、工艺、制造、装备等各类知识的复合型人才短缺；投资层面：投资回报比难以计算，而智能制造一旦投资就没有回头路。

目前，大模型加速涌现，各行各业都在关注自己所处领域的大模型应用成效如何。对此，郭楠补充道：“制造行业的作业流程具备极强的确定性，生成式AI和大模型渗透到制造业的核心场景中需要解决的问题非常多，比如需要迭代掉生成结果的不确定性，AI在制造业的应用需要更有针对性。”

由此，制造行业数智化趋势已定，尽管困难重重，不迎头赶上就会被淘汰。正如中国工程院院士谭建荣所说，数字化转型不是想不想转的问题，而是迟早都要转、迟转不如早转的问题。

这是因为除上述提到的资金、人才、顶层设计方面的挑战外，新技术的迭代变革会加大制造业企业数智化的梯队差距——本就数字化能力强的企业自然会跑得更快，而数字技术基础薄弱或慢于行业平均水平的企业，转型之路会变得更紧迫。

正因如此，制造业对生成式AI和大模型、数据价值挖掘等的关注度依旧只增不减，相关讨论声量日趋增大。而不同领域的制造业企业面对各项挑战都在进行积极探索和尝试。

江汽集团信息化管理部部长-刘峰

江汽集团作为制造业汽车领域的大型企业，自2020年起至今在数字化转型和智能化升级道路上已探索多年，对制造业走向数智化存在的挑战有切身体会。刘峰将江汽集团在升级转型过程中遇到的挑战归结为三点：

首先，智能制造的投资规模动辄达到几十亿甚至上百亿，这需要企业对数智化转型抱有坚定决心；

其次，企业知道自身规划的转型方向是正确的，也要衡量自身能力是否与之匹配，对自身有清晰认知；

最后，人才储备是决定公司转型能否能走下去的关键，但同时懂IT、应用、场景等的人才是最稀缺的。

上述所提到的三项挑战也是多数制造企业面临的挑战。而打破这种困境，为企业迈向数智化增加不确定性，则需要回到行业中去找答案——追溯制造行业数智化重点布局的典型场景已有的标杆案例，探寻解题之道。

智能制造需要多方协力，江汽集团与华为的破题思路

工信部本月发布的《国家人工智能产业综合标准化体系建设指南（2024版）》中提到：坚持应用牵引——坚持企业主体、市场导向，面向行业应用需求，强化创新成果迭代和应用场景构建，协同推进人工智能与重点行业融合应用。坚持产业协同——加强人工智能全产业链标准化工作协同，加强跨行业、跨领域标准化技术组织的协作，打造大中小企业融通发展的标准化模式。

“应用牵引”和“产业协同”为人工智能融入智能制造提供了指引方向。

在应用层面，江汽集团旗下的瑞风RF8已是广受好评的网红车型，新建的新港智慧工厂也按照《智能制造能力成熟度标准》中L4智能化生产（优先级）的目标建设，这两项成果可视为标杆案例，其中蕴含着解开上述挑战的答案。

瑞风RF8之所以取得商业成功，背后原因在于江汽集团与华为的合作过程中，江汽集团吸纳了华为IPD（集成产品开发）流程，并组建了PDT团队（产品开发团队），改变原有的产品商业逻辑，从技术为先转变为以市场需求为先。

具体合作过程中的细节是，华为向江汽集团派出一支咨询顾问团队，把华为公司产品的开发流程、制度、方法变成江汽集团产品的开发流程、制度、方法。这套制度流程会在后续的实践过程中不断迭代和演变，最终固化为江汽集团自己的能力。

结合江汽集团数字化转型和智能化升级成功经验，其中有三点核心要素：

做好顶层设计。梳理顶层设计的逻辑才能做好后续的逐级、逐层管理，避免资金和时间的浪费；用好外脑。传统制造业企业寻求数字化转型和智能化升级时，可以寻找华为等转型经验丰富的企业合作，改变旧有模式，转换思路；控制成本，试点先行。优先选择一些典型场景作为标杆试点进行突破。试点成功之后再将成功经验向下复制，由此可降低转型中的不确定性。

中国电子技术标准化研究院物联网研究中心主任-郭楠

郭楠认为，该过程中最值得借鉴之处在于“跨界学习”，江汽集团与华为的合作也实现了将经验和工作流程工具化，成为跨项目、跨行业快速复制的行业典范。

这也呼应了“应用牵引”后的第二个指引方向“产业协同”，可以看出，对于新技术浪潮之下的行业数智化而言，二者其实是密不可分的。在江汽集团的成功经验中，该企业的合作伙伴是华为公司制造与大企业军团。

这个组织特别在于，它可以为制造行业数智化提供来自另一个视角的解题思路。华为制造与大企业军团集结了华为内部覆盖研发到销售全链条各环节的专家，能够快速集结资源，找到价值场景，联合行业伙伴为制造企业提供匹配需求的场景化解决方案。

如果用三个词概括其在推动行业数智化中起到的作用，华为制造与大企业军团其实是华为能力与制造企业之间的“连接器、放大器、催化剂”：

连接器：充分理解制造企业的痛点和需求，将华为的解决方案与制造企业的需求相连接；放大器：剖析、分解客户需求后，将客户的需求在各个相关产品的开发过程中进行受理；催化剂：让客户应用场景与华为提供的技术有机结合，产生化学反应，甚至达到聚变级、裂变级。

可以看出，华为充分理解制造企业的数智化困境，并能迅速找到症结，以扎实的策略为客户解决困难。截至目前，华为已经与1000家伙伴一起服务于中国超过8000家制造企业，成为客户身边加速迈向数智化的重要伙伴。

结语

对于智能制造这一系统工程，在实际推进过程中应当坚持系统思维，江汽集团与华为的合作正是这一点的佐证。不仅是人工智能这一轮新技术，过往的大数据、区块链等技术也是如此，在新技术能否推进行业数智化的验证阶段，不同领域、行业、公司所具备的资源和能力存在差异，思想认知也不相同。

因此，结合实际情况，聚集创新资源，分层次、场景、阶段的实施策略，从标杆应用场景切入，打通产业链上下游，才能促进行业数智化生态建设，让改造中领先的企业案例发挥引领作用，使得技术应用深度和企业数智化程度持续演进。

未来，随着制造行业数智化走深向实，制造业将形成更开放的生态环境。推动制造业数智化这一路程没有终点，相信在智能制造的明确目标下，制造企业与其合作伙伴也可以向着光和希望，携手加速奔跑，以星星之火，终成燎原之势。

智能制造能力成熟度模型是什么？

智能制造能力成熟度模型(Capability Maturity Model for Manufacture，简称CMMM)描述了智能制造从初始状态向高级阶段的发展过程，将其分解为若干级别(阶段)，赋予每个级别明确定义，相应标准和实现的必要条件。从最低级到最高级，智能制造能力是逐级提升的，每个级别都在前一个级别的基础上提升完善，同时也构成了向下一个级别提升演进的基础，从而体现了智能制造能力的层层递进和不断发展完善的过程。

该模型由成熟度等级、能力要素和成熟度要求构成。其中，能力要素由能力域构成，能力域又由能力子域构成。能力要素包括人员、技术、资源和制造4大类。人员要素包括了组织战略和人员技能2个能力域，技术要素包括了数据、集成和信息安全3个能力域，资源和制造要素分别包括2个和5个能力域。