制造企業都在找的AI答案

中國制造2025進入收官之年，從海外到國內一個普遍共識是，目標已經基本達成。

《南華早報》就梳理過資料[1]，過去十年中國社會發生了深刻變化，已實現了新能源汽車、信息技術等10個關鍵領域超86%的目標。

這個結論和國務院公布的十四五時期工業“成績單”互相印證：

十四五時期，制造業增加值超過 40 萬億元人民幣，連續 15 年穩居全球第一。在研發投入與創新上，超過五百家企業進入世界 R&D 投資前2500強，企業發明專利產業化率較“十三五”末提高8.4個百分點......

已經走在世界前面的中國制造企業們并不打算停下來，他們正轟轟烈烈投入一個更加前沿的命題：全鏈智能化。

來源：華為聯合中國信通院、清華大學人工智能研究院和羅蘭貝格咨

從動力電池、機械電子到汽車工業，制造規模和供應鏈協作逐漸推向極致，產業界整齊劃一的意識到，下一輪競爭將由智能化水平定義。

向AI要效益，是“業務增長”考卷的最后一道大題。

每一次技術范式的遷移，都會伴隨組織方式重構，帶來一個看似混沌的未來。在排山倒海的技術聲浪中，一大批制造企業都邁出了走向人工智能時代的第一步，但疑問接踵而至。

當曾經的追趕者變成領跑者，站在前列的中國制造業，身邊已經沒有前人寫好的答案。

如何走向智能化的未來，目標無比清晰，但路徑的共識尚在凝聚。

尋找智能化的共識

與全球最頂尖的制造業企業深入交流后，華為制造與大企業軍團CEO劉超得出了一個判斷：數智化不僅是技術勝利，更是思維方式的革新。

如果說幾年前ChatGPT的橫空出世，帶給產業界的是無以復加的震撼，那么在AI加速落地的當下，產業界對AI的擁抱已經成為共識，共同面對的問題是：具體怎么做、從哪里開始？

華為全連接大會2025

對制造業而言，智能化轉型并不是一個單純的技術問題，同樣是組織變革和公司治理問題。

每一輪技術革命中，新技術總需要匹配新的組織能力。即劉超所說的“思維方式”。

19世紀企業大多是家族資本運營，工業革命讓公司開始跨越國境，為應對新技術需求，托拉斯和卡特爾們建立了現代公司和職業經理人制度，流水線作業又讓生產效率上了一個臺階。

計算機的出現又催生了平臺型組織的雛形。豐田的“準時化生產（JIT）”和“自動化”理念，讓生產線的每個工位都能反饋數據，讓工廠有了一個自學習型系統，為硅谷的扁平化組織打開了思路。

如果AI是一場革命，組織的變革自然難以置身事外。智能化對數據+算力+算法協同一體化要求非常高。

AI不是簡單的軟件升級，因為大模型并不是開箱即用，從設計、生產到營銷每個維度都要調試適配，考驗著上一個時代的組織架構。

大多數制造業企業既沒有頂尖的IT能力，又缺乏對數據有意識的積累和理解，從前一時代繼承下來的流程管線，在智能化這個命題上顯得捉襟見肘。

有企業CIO舉過一個形象的例子：如今長三角工廠一天能做一百萬件衣服，憑極致的成本控制就能領先行業。但未來要領先，需要同樣成本下，一百萬件衣服每一件都不一樣。也就是說，技術、工藝和流程都得變。

另一方面，擼起袖子擁抱智能化的制造業還會面臨一個嶄新的問題：不破不立帶來的不確定性。

自駕公司Argo AI一度是硅谷當紅炸子雞，獲得福特等車企投資，后來遇到技術與監管難題解散收場，數十億美元打水漂[3]。沒有哪個公司想重走這種舊路。

Argo AI旗下汽車

一位企業CIO說得非常直白：當制造業企業一算賬，發現要把AI干成，投入不止是幾倍，甚至是幾十倍 。企業能干好AI的，一般都是一把手工程。

當這些投資難以形成一個清晰量化的預期回報，再家大業大的企業，恐怕也會產生心理包袱。

系統性的轉型重擔加上并不明朗的回報，構成了制造業新的共識：面對轉型，與其重復造輪子，不如借力既有的技術與經驗，發揮中國產業鏈優勢合力創新。

各種各樣探尋和摸索的過程中，產業界把華為推上了臺前。

讓變革有路可循

在中國的產業版圖里，華為的定位非常特殊。

雖然華為有很多互聯網產業的“友商”，但華為自身并非“互聯網公司”。華為的業務板塊復雜多元，但其內核依然是一家以信息與數字技術為底色的高科技公司。

也就是說，華為既有高科技的屬性，又有制造業的成色。而在制造業的智能化轉型中，華為又有兩個鮮明的特點：

一方面，華為在人工智能、云計算等前沿領域有著廣泛的布局。通過昇騰系列芯片、MindSpore開源框架、基礎大模型等技術方案，搭建了足夠全面的“智能工具箱”。

另一方面，華為自身的發展就經歷過多次技術趨勢帶來的組織轉型，如今制造業面對的種種問題，華為幾乎都在不同時期挨個見識過。換言之，在“轉型”這個命題上，華為是一本寫滿參考答案的題集。

按照劉超的說法，AI應用場景的選擇正在從IT部門轉向業務部門。隱含的意思是，產業界不再純粹執著于技術的突破，反而更加看重業務價值。

2024年7月，美的全新戰略布局—AIGC戰略，圍繞“智慧家居、智慧企業、智慧工廠”三大業務實現產品服務智能化。截至2025年上半年，美的集團在智能化變革上已實現增效2.8億元，提效490.4萬小時。

美的智能工廠規劃

今年夏天，美的也與華為達成合作，正式部署Atlas 900 A3 SuperPod 超節點，把超大規模AI算力搬進企業。為了用好這臺“企業超級大腦”，華為還安排駐場專家，保障集群訓練和模型開發適配。

美的集團的智能化實踐很好地體現了華為扮演的角色：提供服務和支持，扮演好制造業數智化轉型升級的同行者。

無獨有偶，2023年，華為與江淮尊界超級工廠開合作，共同打造了一座智慧工廠，實現了80%的生產設備可連接，靈活應對數萬種C2M定制化選配，遠超行業平均水平。

汽車工業是機械電子、材料、軟件通信等眾多垂直產業的集大成者，一直是生產制造自動化的忠實擁躉。新能源車普及后，多變的市場需求、快速的技術更替，讓百年歷史的汽車工業又成為了智能化的特區。

作為國內老牌車企，江淮在智能化的命題中，又面臨高端化破局這個“子命題”，自然成了華為服務制造業的樣本案例之一。

尊界S800生產線

依托華為loT、數據治理等解決方案，一個“原子級”質量管理體系在江淮工廠成型，覆蓋來料、制造、成品、交付全流程，檢測點多達26000余處。

具體到尊界S800車型內飾板的生產環節，尊界 S800 車內的 18 塊木紋裝飾板，都來自同一塊原木。

在切割后，木坯分散到全國多家不同的工廠加工。每塊板有唯一ID，實時采集全流程數據，銜接部件的內飾板的紋路完美銜接，在超級工廠完成對接后就像原木從未被切開。同一時間，產線上的工業機器人依靠模型算法，可以檢測出0.2毫米的微小瑕疵。

通過這種高度精密的流程管理，江淮可以讓每輛車的內飾木紋都做到完美匹配，紋路嚴絲合縫。

伴隨一個又一個實踐的落地，產業界逐漸意識到，智能化轉型雖然充滿迷霧，但并非無解。

華為扮演的角色，其實是把自身積累的經驗，轉化為實際的產品和服務，讓企業把原本零散的數字化探索，轉化為體系化的能力。

用劉超的話說：“行業智能化”是全產業鏈協同的系統工程。華為愿做制造企業智能化轉型升級的“黑土地”，通過持續投入AI研發，分享企業AI落地經驗，構建“場景+AI”的解決方案生態。讓智能在制造業生根發芽。

在場景中找答案

產業和科學往往有天然的“時差”。

EUV光刻技術2000年初就在實驗室成功，2018年才正式進入臺積電和三星的7mm產線；復合材料輕量化技術從航空學術界邁進波音空客的飛機，也用了十多年。

學術界追求“最優解”，企業只需“夠用解”，因此，學術創新往往比產業落地快好幾年甚至十幾年。

在人工智能浪潮，這種“時差”體現得更為明顯，模型更新頻率顯然遠超制造業設備更替率，這種差距很難憑企業一己之力彌補。

另一個現實是，技術擁有者與技術承接者之間，也有著天然的代差。

互聯網公司是AI的先行者，也是數字化的原住民。其系統架構、組織形態和業務模型本身由互聯網這個“新事物”孕育。因此，AI對互聯網公司而言是迭代而非轉型。

相反，制造業既缺乏數字化基因，又承載著高度細分復雜的產業鏈，一個個真實具體的場景擺在面前，反而很難跟上AI前沿的節奏。

這種局面下，華為“科技+制造”的雙重屬性，和制造業智能化的訴求互相匹配。

從前沿的學術成果，到產線上的生產方案，華為的龐大業務版圖幾乎都有涉足。各大模型還在刷榜的時候，盤古模型已經在新藥研發、冶煉管理中找到了用武之地。

不久前，華為針對制造與大企業推出六個智能化助手，從研發、生產、供應，到銷售、服務、經營，六種工具根據產學研成果可持續演進，匹配企業的不同需求。

相比軟件公司，制造業的核心訴求是真實場景中的效率提升。華為未必能用標準化的服務解決一切問題，但在一個個真實具體的場景里，華為積累了足夠多的經驗與方案。

對企業來說，這是一份可借鑒、可復制的智能化路線圖。

在華為與中國信通院、清華大學等單位還合作編寫了《工業與AI融合應用指南》，深入分析了7個細分工業行業，診斷各個環節的痛點，提出“三層五步八法”方法論，為工業企業提供了清晰的AI落地路徑。

圖片來源：《工業和AI融合應用指南》

• 第一個層次，企業應該通過明確目標、識別場景和重塑流程，把投入產出作為核心指標，篩選出那些高價值可執行的場景，營造出組織內人人懂AI、人人用AI的氛圍。

• 第二個層次，企業要AI的開發與交付深入，建立可被AI識別復用的數據集，由表及里挖掘工業知識資產，并逐步引進適配的模型。

• 第三個層次，要建立AI應用場景測評與風險治理等級，將大小模型嵌入各個服務接口，并持續校準訓練。

AI 的演進仍在以驚人的速度繼續。根據《指南》統計，2020年GPT-3訓練的參數量是17500億，只用了幾千張V100，到GPT-5，已經是18萬億參數5萬張芯片。

未來十年，當AI的參數量還在以指數級擴張、應用場景還在以難以預測的方式涌現時，真正拉開企業差距的，不是硬件的多寡，而是誰能更快找到屬于自己、能持續迭代的AI之路。

用劉超的話說，不要有“知易行難”的猶豫，不需要“想多做少”的內耗，更不要“怕挑戰、等時機” 而畏縮，而是在實際應用中積累經驗，讓AI真正快速轉化為驅動業務增長的核心動能。

在眾多企業投石問路的時刻，華為或許正是那第一顆石頭。

參考資料：

[1]Exclusive|Made in China 2025: China meets most targets in manufacturing plan, proving US tariffs and sanctions ineffective, SCMP

[2]What venture capitalists learned in China: Green Daily, Bloomberg

[3]Argo.AI Dies While MobilEye Soars On The Same Day, What Does It Mean For The Industry?, Forbes

[4]工業與AI融合應用指南2025，華為&中國信通院等

作者：任彤瑤

編輯：李墨天

責任編輯：任彤瑤

封面圖片來自ShotDeck