“AI+制造”如何釋放乘數效應？華工智慧獲《科技日報》報道

國家對AI場景開放與要素保障力度空前，這有助于打破場景壁壘，讓更多AI創(chuàng)新技術有機會在真實工業(yè)環(huán)境中驗證優(yōu)化。

今日

《科技日報》聚焦制造業(yè)轉型

報道了“AI+制造”過程中的“華工智慧”

介紹了華工人以硬核科創(chuàng)

為產業(yè)智能化轉型注入的源源動能

以下為報道全文

《科技日報》報道“華工智慧”

銑削加工技術是制造業(yè)中一項至關重要且應用廣泛的金屬切削加工方法。以往，傳統銑削加工軌跡在復雜加工區(qū)域中容易產生切削力突變，導致加工效率下降，加工精度損失，刀具壽命降低。

琶洲實驗室研究員、華南理工大學機械與汽車工程學院教授王清輝認為，現代高效粗加工技術的研究核心，已從追求極限工藝參數的“硬碰硬”模式，轉向追求加工過程中物理狀態(tài)平穩(wěn)化的智能化模式，其終極目標是在高材料去除率下，實現恒力切削，“恒力切削意味著加工過程處于一個動力學平穩(wěn)、負載可控的理想狀態(tài)，它允許數控系統以更平穩(wěn)、更接近理論極限的速度運行，同時大幅降低振動風險，從而在提升效率、保障質量和延長刀具壽命之間取得最優(yōu)平衡。”

王清輝把人工智能（AI）應用到復雜型腔模具及復雜自由曲面的粗、精加工中，通過智能化配置高速旋風銑與傳統加工軌跡，可有效穩(wěn)定加工過程的刀具負載，將加工效率提升30%以上。

這是“AI+制造”的鮮活應用場景
隨著AI加速滲透

經濟社會發(fā)展“毛細血管”

“AI+制造”正釋放出更強動能

近段時間以來，《關于加快場景培育和開放推動新場景大規(guī)模應用的實施意見》《“人工智能+制造”專項行動實施意見》相繼出臺，加速推動“AI+制造”應用場景落地。

AI落地制造業(yè)場景

還面臨著哪些挑戰(zhàn)？

如何打通“AI+制造”堵點
充分發(fā)揮其乘數效應？

邁向規(guī)模化落地

在深圳嘉立創(chuàng)科技集團股份有限公司（以下簡稱“嘉立創(chuàng)”）位于廣東韶關的數字化生產基地里，該公司利用自研的智能制造系統，能在一塊不到1平方米的PCB（印制電路板）上，完成超200個PCB打樣訂單。

“依托高性能的分布式集群架構，我們可瞬間剖析訂單交期、板材尺寸、工藝要求等海量數據，進行最優(yōu)化拼板設計。公司日均完成超過4萬份不同尺寸、要求各異的PCB訂單的拼板組合，板材利用率達到行業(yè)領先水平。”嘉立創(chuàng)相關負責人介紹。

不僅如此，在AI助力下，該系統能以秒級速度輸出報價與3D驗證模型，幾乎所有訂單均可由客戶自助完成。這種快速的對接和生產方式，能為機器人等企業(yè)的研發(fā)贏得寶貴窗口期。

隨著AI加速與制造業(yè)深度融合，制造業(yè)的生產模式正被深刻改變，AI應用場景也越來越多。“制造業(yè)AI場景創(chuàng)新已從單點試點邁向規(guī)模化落地，尤其在流程工業(yè)領域呈現出全棧產品體系支撐垂直場景產業(yè)化落地、核心技術架構實現自主可控突破等特點。”廣州博依特智能信息科技有限公司（以下簡稱“博依特”）董事長、華南理工大學輕工科學與工程學院研究員、博士生導師李繼庚說。

博依特制漿造紙自動駕駛系統

作為深耕流程工業(yè)生產工藝的AI創(chuàng)新公司，博依特構建了“AIoT基座+工藝MOM+工業(yè)智能體+行業(yè)大模型”全棧體系，推出全球首個制漿造紙工藝大模型及博依特制漿造紙自動駕駛系統。目前，博依特工藝AI已在造紙、食品、建材、化工等多個行業(yè)落地，服務超700家企業(yè)。“我們通過‘龍頭帶動+產業(yè)集群’模式，帶動江門造紙集群50余家企業(yè)協同優(yōu)化，實現集群年產量提升5%、能源消耗下降36%，創(chuàng)造直接經濟效益60億元。”李繼庚說。

這背后，是制造業(yè)數智化轉型扎實推進的宏大圖景。工業(yè)和信息化部數據顯示，截至目前，我國已累計建成3.5萬余家基礎級、8200余家先進級、500余家卓越級智能工廠，培育15家領航級智能工廠。

面臨“水土不服”難題

王清輝教授

“實際上，相比民生領域

AI在制造業(yè)領域的應用

更加復雜，挑戰(zhàn)也更大。”

王清輝說

“AI+制造”在場景落地過程中易遇到“數據孤島”與“垃圾輸入”并存的問題。以電子及機械行業(yè)為例，該行業(yè)產業(yè)鏈上下游極其分散，訂單高度離散，有時會涉及數十萬種元器件和非標零部件。這導致AI需要處理海量且非連續(xù)的“孤島式”數據。

此外，客戶上傳的3D模型格式多樣。輸入數據量雖然大，但機器難以根據其幾何特征識別對應的工藝要求，形成了難以使用的“垃圾數據”。王清輝說，制造業(yè)涉及的數據結構與加工工藝極為復雜，尤其在工業(yè)軟件領域，各類數據模型往往具備特有的屬性、結構和工藝知識，缺乏通用的數據特征。

由于通用大模型缺乏工業(yè)物理常識和制造背景，直接套用易產生“幻覺”或嚴重錯誤，技術落地時往往“水土不服”。“這里有一個標準與定制的矛盾：制造業(yè)追求標準化的規(guī)模效應以降低成本，而AI賦能的產業(yè)互聯網追求‘千人千面’的定制。”嘉立創(chuàng)相關負責人說。

在李繼庚看來，流程工業(yè)數據存在多源異構、利用率低、質量參差等問題。工業(yè)時序數據利用率不足10%，設備振動、溫度等動態(tài)數據未被有效挖掘，難以支撐AI模型高質量訓練。

行業(yè)經驗與知識沉淀不足、人才結構斷層，也在一定程度上影響著AI在制造業(yè)場景中的拓展。“制造業(yè)的生產關鍵環(huán)節(jié)高度依賴老師傅經驗，工藝知識‘黑箱化’嚴重，難以轉化為可規(guī)模化復制的算法模型，導致技術推廣時面臨知識斷層難題。”李繼庚說。

此外，多位受訪專家分析，制造業(yè)AI創(chuàng)新投入大、周期長，導致一些中小企業(yè)對轉型成本和回報周期存有顧慮，對AI創(chuàng)新場景的落地推廣意愿不強。

推動技術與應用雙向賦能

Q

如何推動AI與制造更好“雙向奔赴”？

《“人工智能+制造”專項行動實施意見》提出，一端抓技術供給，推動“智能產業(yè)化”，一端抓賦能應用，加快“產業(yè)智能化”，整體壯大產業(yè)生態(tài)，促進人工智能科技創(chuàng)新與產業(yè)創(chuàng)新深度融合、人工智能技術與制造業(yè)應用“雙向賦能”，加快制造業(yè)智能化、綠色化、融合化發(fā)展。

“要建設和開放更多的‘AI+制造’應用場景，首先應從政策層面入手，建立工業(yè)數據‘普通話’標準。”嘉立創(chuàng)相關負責人建議，以官方牽頭、行業(yè)龍頭企業(yè)聯合的方式，分行業(yè)制定數據交換標準，打通設計、制造、供應各環(huán)節(jié)的數據壁壘，降低AI解析和清洗數據的社會總成本。

夯實人工智能賦能底座，也是破解制造業(yè)AI場景創(chuàng)新難題的關鍵因素。受訪專家普遍認為，我國可通過布局工業(yè)垂直模型的AI研究，解決通用大模型不匹配制造企業(yè)實際生產、“一本正經胡說八道”的問題。

博依特在這方面已有所探索。該公司構建起包含1000余個工藝規(guī)則的機理模型庫，將老師傅操作經驗轉化為算法模型，形成可規(guī)模化復制的優(yōu)化決策資產；同時通過工藝大模型實現行業(yè)專業(yè)知識問答、推理及企業(yè)知識培訓，加速知識傳承與復用。

此外，還應建設人工智能應用對接平臺，促進供需精準匹配。“打造‘AI+制造’場景，離不開工業(yè)軟件企業(yè)、制造業(yè)企業(yè)、高校科研院所三方的深度融合。”王清輝建議，通過建設對接平臺，能有效發(fā)揮三方各自的優(yōu)勢，凝聚合力，讓AI更加精準地應用于制造業(yè)不同場景。

“國家對AI場景開放與要素保障力度空前，這有助于打破場景壁壘，讓更多AI創(chuàng)新技術有機會在真實工業(yè)環(huán)境中驗證優(yōu)化。同時，國家對協同推進準入、場景、要素改革，強化數據、人才、資本等要素支撐作出部署，也將有效降低AI場景創(chuàng)新的成本與風險。”李繼庚說，政策牽引力有望進一步推動AI在制造業(yè)的規(guī)模化應用。

黨委宣傳部（融媒體中心）

信息來源：科技日報

文字：記者 葉青

圖片提供：琶洲實驗室、博依特智能

微信編輯：黃明華

初審：冀早早

復審：盧慶雷

終審：夏正林

華工原創(chuàng)，版權所有

若需轉載，敬請聯絡

郵箱：hgxcb@scut.edu.cn

“分享”“點贊”“在看”，記得一鍵三連哦