瑞松科技：給機器人裝上“中國大腦”

在廣汽埃安長沙工廠的焊裝車間，由瑞松科技打造的智能柔性產線正以48秒/臺的節拍高速運轉，這條年產能達24萬輛的生產線，正刷新著新能源汽車制造的效率紀錄。

在廣州某新能源汽車工廠內，瑞松科技的AI視覺系統正展現出“微米級精度、毫秒級響應”的功力：深度檢測精度≤0.01mm、缺陷檢出精度≤0.02mm，通過雙傳感器視野互補與圖像拼接技術，實現檢測無死角，設備缺陷檢出率達99.9%，誤檢率控制在0.1%以下。

“以上種種技術性的突破，精準解決了長期以來諸如人工檢測效率低、誤檢率高、產線切換時間長、生產數據追溯效率低等行業痛點。”全國政協委員、廣州瑞松智能科技股份有限公司董事長孫志強告訴記者。

從工業機器人在生產線上的精準舞動，到高端精密裝備打破國外壟斷，再到數字化車間、智能工廠的逐步建成，瑞松科技的這些點滴進步無不印證著國家宏觀戰略與微觀經營主體同頻共振的強大力量。

如今，中國制造正在經歷從“世界工廠”到“智造高地”的重要轉型，在這場深刻變革中，瑞松科技交出了一份以“機器人﹢AI智能制造”為核心的答卷。

讓中國制造擁有“會思考”的大腦

“早期，人工智能在制造業中大多扮演著單一環節的‘輔助工具’，比如視覺檢測或焊接專家庫。”孫志強在回顧公司技術發展歷程時坦言。

但是痛點也隨之而來：傳統自動化產線只能被動執行命令，一旦出現細微偏差，可能導致整線停產。同時，面對生產問題，傳統的控制系統無法回答“為什么”，工程師需要像“偵探”一樣，花費大量時間排查海量數據，效率極低。

“在實踐中，我們觀察到，當機器人技術、IoT（物聯網）技術與AI深度耦合時，產生了‘1﹢1﹢1>3’的質變效應。”孫志強生動地解釋道，機器人通過AI視覺和力控，具備了“手眼協調”的靈巧作業能力，能應對復雜、多變的任務。而IoT﹢AI則能從生產線海量數據中提煉出規律和識別變化，使得預測性維護、能效優化、工藝參數自動調優成為可能。

面對生產實踐的迫切需求與技術融合的歷史機遇，瑞松科技做出了戰略抉擇。“我們堅信，人工智能不再是錦上添花的工具，而是重新定義硬件價值、重塑生產流程的‘靈魂’。”孫志強表示。

自此，以AI算法和數據驅動為核心，成為瑞松科技戰略轉型的關鍵方向。

在這一戰略指引下，瑞松科技自主研發的數字化平臺RIDP應運而生。該平臺集成了產線監測管理、設備運維管理、生產過程管理、設備征兆管理及環境能源管理五大功能體系，通過對設備的實時監測、健康診斷和趨勢化管理，確保了產品質量的穩定性與一致性，使生產過程更加高效精確。

“目前，這套數字化管理平臺已在多家企業的智能工廠成功落地，并開始從汽車工業向一般工業領域拓展，在客戶產線中得到廣泛應用。”孫志強介紹。

“新質生產力的核心驅動力源自科技創新，科技創新則是促進產業轉型升級的關鍵所在。”孫志強說。

以此為核心，瑞松科技大力推進數字化轉型，以制造業高端化、智能化、綠色化發展為主攻方向和著力點，重點突破工業機器人在不同制造場景中示范應用、智能制造新興場景應用技術、基于AI的工業機器視覺技術、高端精密裝備、工業軟件國產化替代、高質輕量化材料連接技術等，先后榮獲國家級專精特新“小巨人”企業、制造業單項冠軍示范企業、廣東省人工智能培育企業等重量級資質。

從單一技術應用到底層邏輯重構，從輔助工具到核心驅動，瑞松科技用實踐證明了人工智能與制造業深度融合的巨大潛力。正如孫志強所言：“我們正在做的，不只是提升生產效率，更是為中國制造注入會思考的‘大腦’。”

“AI家族”模式讓算法實現“因地制宜”

談及最引以為傲的技術突破，孫志強首先提到了“大模型與小模型相結合的算法方案”。

這項被團隊稱為“面向工業制造的異構模型協同決策框架”的技術，其突破性在于解決了AI在工業領域落地的核心矛盾——通用化能力與個性化需求之間的沖突。

“工業場景極其復雜。”孫志強解釋道，“同一條生產線上的兩臺設備，因其磨損、安裝、負載的細微差異，其‘性格’可能迥然不同。用一套通用模型，無法達到極致精度。”

為了解決這個問題，瑞松科技的研發團隊創造性地提出了“AI家族”的概念。孫志強用生動的比喻描述了這一創新：“通用大模型好比家族的‘族長’，掌握著所有成員的共性智慧和知識底蘊；而每個小模型就像是家族里的‘孩子’，不僅通過遷移學習繼承族長的基因，更在各自崗位上歷練出獨特的‘手藝’。”這個“家族”內部有著精密的協作機制：“族長”負責宏觀指導，“孩子”負責精準執行，通過團隊設計的“家規”不斷交流、共同成長。這種模式讓團隊從技術模塊的簡單拼接，躍升到構建有機進化的“模型生態”，使算法真正實現了“因地制宜”，AI應用的準確性獲得了質的飛躍。

創新之路從無坦途。孫志強坦誠地分享了一個事例——在推進全車間數據采集項目時，團隊面臨著前所未有的挑戰：20條生產線、1000多臺機器、50多個PLC，數據量大、采集頻率高、種類繁多。

“雖然團隊推翻了原有的數據采集模式，搭建了全新的系統，最終實現了大數據、高并發、高頻率的整車間數據采集，但這次經歷卻讓團隊對AI與工業融合的本質有了更深刻的認識。”孫志強說。

“我們意識到，工業智能的起點不是‘我們有什么數據’，而是‘客戶要解決什么問題’。”孫志強感慨道。

基于這些實踐經驗，孫志強對AI與工業深度融合有了更透徹的理解：“新質生產力的‘新’，不僅在于技術的先進性，更在于應用模式的革命性。它要求我們必須從‘技術供給方’轉變為‘價值共創者’。”

構建開放、協同的智能制造創新生態

“當前制約我國制造業普遍形成新質生產力的最大共性因素，并非單一的技術或人才短板，而是一個系統性難題——創新鏈與產業鏈之間存在‘應用鴻溝’。”孫志強表示。

孫志強分析道，“首先是數據因標準不一、權屬不清而難以流通共享，形成‘數據孤島’；其次是既懂工業場景又懂數字技術的‘橋梁型’人才嚴重短缺；再者是科研成果與產業需求脫節，中小企業面臨‘轉型成本高、融資難’等困境。”

“下一步，我們應致力于消弭這樣的鴻溝，構建‘政產學研用金’協同的創新生態。”孫志強說，首要任務是打通數據血脈，核心舉措是構建多層次人才培養與生態體系，關鍵支撐是強化企業創新主體地位。

當前，全球產業格局正在經歷深刻變革，科技革命與產業轉型加速推進。孫志強表示：“我們必須清醒認識到，關鍵核心技術是要不來、買不來、討不來的。這一認知不僅驅動著我們企業的技術攻關方向，更關乎國家制造業的自主可控與安全穩定。”

“推動技術深度融合，打造‘會思考’的生產線；深耕核心領域，攻堅‘卡脖子’難題；構建產業生態，賦能制造業全域升級。”在孫志強的規劃中，瑞松科技既要在自主創新上持續深耕，又要在開放合作中謀求共贏，為中國制造業高質量發展注入新動能，為培育新質生產力提供堅實支撐。

在中國制造業向高端化、智能化邁進的過程中，一個開放、協同的智能制造創新生態，將成為瑞松科技下一個五年的成長新引擎。

記者：周佳佳

編輯：洪琳

審核：周佳佳