編業(yè)競(jìng)爭(zhēng)力的核心力量，制造業(yè)作為實(shí)體經(jīng)濟(jì)的根基，與人工智能的深度融使命。在上海市經(jīng)濟(jì)和信息化委員會(huì)指導(dǎo)下，由上海市工業(yè)互聯(lián)工業(yè)數(shù)字化研究院牽頭，聯(lián)合龍頭企業(yè)、服務(wù)商、科研機(jī)構(gòu)等多方力量，代化產(chǎn)業(yè)體系建設(shè)，聚焦政策部署、技術(shù)突破、場(chǎng)景應(yīng)用與生態(tài)培育，系 （三）階段三：AI賦能全業(yè)務(wù)鏈 模擴(kuò)展－能力涌現(xiàn)－應(yīng)用引爆”路徑演進(jìn)的清晰軌跡。從這一演進(jìn)脈絡(luò)來看，大模型能力已不再處于單純依賴參數(shù)規(guī)模擴(kuò)張實(shí)現(xiàn)性能躍升的早期階段，而是進(jìn)入以能力結(jié)構(gòu)優(yōu)化、工程效率提升和應(yīng)用可控性增強(qiáng)為特征的在這一階段，通用大模型的語言理解與生成能力言、多任務(wù)和復(fù)雜語義場(chǎng)景中表現(xiàn)出較高的穩(wěn)定性，單純依靠擴(kuò)大模型規(guī)模以獲取顯著能力增量的邊際效應(yīng)正在減弱。與此同時(shí)，多模態(tài)理解、復(fù)雜推理、工具調(diào)用和任務(wù)規(guī)劃等能力加速發(fā)展，使大模型從“能對(duì)話、能生成”逐步邁向“可協(xié)作、可執(zhí)行”的新形態(tài)。雖然在真實(shí)世界理解、物理約束建模和長(zhǎng)期一致性方面仍存在明顯提升空間，但總體而言，當(dāng)前大模型整體已處于通用認(rèn)知能力基本成型，正向行動(dòng)與決策能力演進(jìn)的關(guān)鍵過渡階段，技術(shù)重心正從關(guān)注“模型本體能做什么”，轉(zhuǎn)向強(qiáng)調(diào)“模型如展路徑逐步分化，形成了差異化的競(jìng)爭(zhēng)格局。其中，中美兩國(guó)在技術(shù)路線和產(chǎn)業(yè)側(cè)重點(diǎn)上呈現(xiàn)出各具特征的發(fā)展模式。美國(guó)陣營(yíng)在通用模型的基礎(chǔ)能力與原始創(chuàng)新上保持領(lǐng)先，例如，OpenAI的GPT-4系列在復(fù)雜推理上持續(xù)設(shè)置標(biāo)桿，其多模態(tài)模型GPT-4.0實(shí)現(xiàn)了跨模態(tài)的自然交互；而Meta公司通過開源Llama系列，構(gòu)建了強(qiáng)大的全球開發(fā)者生態(tài)。中國(guó)陣營(yíng)則展現(xiàn)出驚人的工程迭代速度與產(chǎn)業(yè)融合深度，例如，DeepSeek模型憑借混合專家系統(tǒng)架構(gòu)在性能與成本效率上取得顯著突破，成為開源社區(qū)垂直行業(yè)應(yīng)用的重要基座；與此同時(shí)，以階躍星辰為代表的創(chuàng)業(yè)公司在多模態(tài)生成領(lǐng)域密集發(fā)布新品，顯示出強(qiáng)大的創(chuàng)新活力。展望短中期趨勢(shì)，技術(shù)先驅(qū)們正從模型本體、訓(xùn)練語料、應(yīng)用場(chǎng)景三個(gè)維度探索AI的未來那么大模型的終點(diǎn)已經(jīng)到了嗎？斯坦福大學(xué)李飛飛教授提出“空間智能”理念，認(rèn)為具備物理規(guī)則的“世界模型”將是下一代“大模型”。這一前其二，高保真生成（High-FidelityGeneration）能否填補(bǔ)訓(xùn)練語料的供給缺口？大模型的高保真生成能力正加速演進(jìn)，從圖文生成延伸至長(zhǎng)時(shí)序視頻、符合物理規(guī)律的交互式3D內(nèi)容，技術(shù)迭代周期持續(xù)縮短。當(dāng)前，現(xiàn)實(shí)世界的通用數(shù)據(jù)語料已逼近供給天花板，但基于特定場(chǎng)景的高保真生成技術(shù)，或?qū)?shí)現(xiàn)語料的自主生成與迭代，達(dá)成“左腳踩右腳”式科研、法律等“文科”垂直領(lǐng)域的“通專分離”道路也正初顯成效。企業(yè)應(yīng)用對(duì)“幻覺”零容忍，少見投入大算力大模型的垂類模型訓(xùn)練，更多選擇智能體與工作流深度結(jié)合的“靠譜”工程化路徑去解決需要高度確定性夠理解并模擬真實(shí)物理世界的“行動(dòng)智能”進(jìn)行范式遷移；模型生成的語早期的概念驗(yàn)證與試點(diǎn)示范，不少龍頭企業(yè)已進(jìn)入了以重構(gòu)工具鏈、打造新基礎(chǔ)設(shè)施為特征的規(guī)模化落地階段。當(dāng)前的發(fā)展由工業(yè)軟件巨頭與跨界科技巨頭兩大陣營(yíng)引領(lǐng)，出發(fā)點(diǎn)各不相同但殊途同歸，核心命題是解決制造場(chǎng)景中的“效率極致化”與“AI物理邏輯適配”兩大挑戰(zhàn)，整體呈現(xiàn)入式升級(jí)”戰(zhàn)略，將AI深度植入現(xiàn)有工業(yè)知識(shí)體系與工具鏈。其核心路造執(zhí)行系統(tǒng)）等核心軟件中。這一做法極大地降低了使用門檻，工程師通過自然語言交互即可調(diào)用生成式設(shè)計(jì)、拓?fù)鋬?yōu)化、智能仿真等高級(jí)功能，無需掌握專業(yè)的數(shù)據(jù)科學(xué)技能。例如，在高端裝備與航空航天領(lǐng)域，生成式設(shè)計(jì)功能已開始批量應(yīng)用，實(shí)現(xiàn)輕量化與性能的自動(dòng)平衡；在決定技術(shù)最前沿的半導(dǎo)體行業(yè)，新思科技（Synopsys）的DSO.ai和楷登電子更先進(jìn)工藝芯片設(shè)計(jì)中不可或缺的環(huán)節(jié)，被臺(tái)積電、三星、英偉達(dá)等頂級(jí)芯片制造商廣泛采用，大幅縮短設(shè)計(jì)周期并優(yōu)化芯片性能。此外，通過構(gòu)數(shù)據(jù)之間的壁壘，為從設(shè)計(jì)到生產(chǎn)、服務(wù)的全價(jià)值鏈協(xié)同提供統(tǒng)一、可理解的數(shù)據(jù)基礎(chǔ)。寶馬、空客、特斯拉等領(lǐng)先制造企業(yè)正通過攜手科技伙伴探索大模型的深度應(yīng)用。這些企業(yè)深度整合前沿AI能力與工業(yè)場(chǎng)景需求，將數(shù)字實(shí)體工廠動(dòng)工前兩年便完成完整數(shù)字工廠構(gòu)建，通過虛擬調(diào)試與機(jī)器人訓(xùn)全球數(shù)百家航空公司運(yùn)營(yíng)數(shù)據(jù)，借助AI精準(zhǔn)預(yù)測(cè)飛機(jī)零部件故障與供應(yīng)鏈風(fēng)險(xiǎn)，顯著降低航班延誤率；特斯拉則將全自動(dòng)駕駛（FSD）技術(shù)背后的端到端神經(jīng)網(wǎng)絡(luò)與實(shí)時(shí)視覺感知能力，復(fù)用于超級(jí)工廠的物流機(jī)器人與Optimus人形機(jī)器人，使其在復(fù)雜動(dòng)態(tài)環(huán)境中實(shí)現(xiàn)自主導(dǎo)航作業(yè)，進(jìn)一步提升產(chǎn)線極致柔性。這些實(shí)踐標(biāo)志著制造業(yè)正在從傳統(tǒng)的“經(jīng)驗(yàn)驅(qū)動(dòng)”和局部的“數(shù)據(jù)驅(qū)動(dòng)”，邁向系統(tǒng)性、可預(yù)測(cè)的“物理智能驅(qū)動(dòng)”新階段，成”，利用高保真仿真生成大量涵蓋極端工況、罕見故障的合成數(shù)據(jù)，以高效訓(xùn)練可靠模型；人機(jī)交互界面正從復(fù)雜的圖形用戶界面（GUI）向直觀的自然語言交互（NLI）全面演進(jìn)，讓專家知識(shí)而非軟件操作技能成為核心；在決策層面，AI的應(yīng)用正從單點(diǎn)優(yōu)化升級(jí)為全域覆蓋，依托于對(duì)本行業(yè)務(wù)邏輯深度理解的本體模型，為應(yīng)對(duì)供應(yīng)鏈中斷、進(jìn)行全廠級(jí)能效優(yōu)化等復(fù)雜系統(tǒng)性問題，提供動(dòng)態(tài)、協(xié)同的系統(tǒng)級(jí)解決方案。這一發(fā)展脈絡(luò)清晰地表明，人工智能不再僅僅是制造業(yè)的輔助工具，而是正在成為驅(qū)習(xí)近平總書記多次對(duì)人工智能和制造業(yè)融合發(fā)展作出重要論述，強(qiáng)調(diào)“要及時(shí)將科技創(chuàng)新成果應(yīng)用到具體產(chǎn)業(yè)和產(chǎn)業(yè)鏈上，改造提升傳統(tǒng)產(chǎn)工智能科技創(chuàng)新與產(chǎn)業(yè)創(chuàng)新深度融合”。黨的二十屆四中全會(huì)指出，全面實(shí)施“人工智能+”行動(dòng)，搶占人工智能產(chǎn)業(yè)應(yīng)用制高點(diǎn)，全方位賦能千將數(shù)字技術(shù)與制造優(yōu)勢(shì)、市場(chǎng)優(yōu)勢(shì)更好結(jié)合起來。2025年8月，國(guó)務(wù)院印發(fā)的《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見》，提出“推動(dòng)工業(yè)全要素智能聯(lián)動(dòng)，加快人工智能在設(shè)計(jì)、中試、生產(chǎn)、服務(wù)、運(yùn)營(yíng)全環(huán)節(jié)落2025年，工信部組織組織人工智能賦能新型開展人工智能賦能新型工業(yè)化創(chuàng)新任務(wù)“揭榜掛帥”，并集中攻關(guān)鋼鐵、石化、汽車等重點(diǎn)行業(yè)的大模型技術(shù)等，大力推進(jìn)“人工智能＋制造”融合發(fā)展。2025年9月，國(guó)家工信部指出，正研究出臺(tái)“人工智能＋制造”2025年以來，我國(guó)部分制造業(yè)重點(diǎn)省市結(jié)合當(dāng)?shù)禺a(chǎn)業(yè)現(xiàn)狀，陸續(xù)出臺(tái)了制造業(yè)與人工智能融合發(fā)展相關(guān)規(guī)劃與實(shí)施方案。廣東省發(fā)布了《人鍵供給、促進(jìn)應(yīng)用推廣、構(gòu)建支撐體系、優(yōu)化要素保障等方面提出16條范區(qū)。河南省印發(fā)了《加快人工智能賦能新型工業(yè)化行動(dòng)方案（2025—行動(dòng)細(xì)則，拓展人工智能賦能新型工業(yè)化的應(yīng)用場(chǎng)景，助力制造業(yè)智能化升級(jí)。蘇州市印發(fā)《加快推進(jìn)“AI+制造”創(chuàng)新發(fā)展行動(dòng)方案（2025—了一些成果。如：海爾打造“中央空調(diào)全流程定制化服務(wù)與智慧集成智能能達(dá)到行業(yè)最高水平。再如：中聯(lián)重科打造挖掘機(jī)共享制造智能工廠，AI案已推廣至全球20余個(gè)工廠。云南白藥與華為合作研發(fā)雷公大模型，賦能中醫(yī)藥研發(fā)、輔助決策、知識(shí)科普?qǐng)鼍?，?shí)現(xiàn)大模型在中醫(yī)藥領(lǐng)域的工程化落地，加速新藥品、新療法的研發(fā)進(jìn)程。浪潮云洲依托工業(yè)互聯(lián)網(wǎng)平海公布全國(guó)首部促進(jìn)人工智能產(chǎn)業(yè)發(fā)展的省級(jí)地方性法規(guī)《上海市促進(jìn)人工智能產(chǎn)業(yè)發(fā)展條例》，提出“推動(dòng)人工智能、信息技術(shù)與制造業(yè)深度融上海市政府印發(fā)《關(guān)于人工智能“模塑申城”的實(shí)施方案》，“AI+制造”作為六大重點(diǎn)垂直領(lǐng)域應(yīng)用之一，加快大模型在制造業(yè)探索應(yīng)用。2025支持人工智能技術(shù)與制造業(yè)深度融合，對(duì)標(biāo)桿示范場(chǎng)景建設(shè)項(xiàng)目，給予最高20%、最高1000萬元支持。2025年8月，上海正式發(fā)布《加快推動(dòng)動(dòng)上海人工智能技術(shù)與制造業(yè)深度融合。上海具備完整的產(chǎn)業(yè)鏈條與扎實(shí)的產(chǎn)業(yè)底座。上海正全力打造“2+3+6+6”現(xiàn)代化產(chǎn)業(yè)體系，為“AI+制造”應(yīng)用落地提供了豐富場(chǎng)景與產(chǎn)業(yè)基礎(chǔ)。2025年前三季度，全市規(guī)模以上工業(yè)總產(chǎn)值同比增長(zhǎng)5.7%，三大先導(dǎo)產(chǎn)業(yè)制造業(yè)產(chǎn)值同比增長(zhǎng)8.5%（其中，人工智能制造業(yè)增長(zhǎng)12.8%工業(yè)戰(zhàn)略性新興產(chǎn)業(yè)總產(chǎn)值同比增長(zhǎng)7.3%（其中，新一代信息扎實(shí)基礎(chǔ)。市人工智能產(chǎn)業(yè)規(guī)模爆發(fā)式增長(zhǎng)。2025年前三季度，規(guī)模以上人工智能億元，同比增長(zhǎng)11.4%。整體呈現(xiàn)規(guī)模擴(kuò)張、效益提升的良好局面。截至創(chuàng)新社區(qū)培育“產(chǎn)學(xué)研用”協(xié)同生態(tài)，集聚效應(yīng)日益凸顯，“模速空間”聚焦于模型生態(tài)，“模力社區(qū)”則專注于具身智能和垂類應(yīng)用，分別打造制造業(yè)數(shù)字化水平多年來持續(xù)居全國(guó)第一梯隊(duì)。上海持續(xù)深化網(wǎng)絡(luò)基礎(chǔ)設(shè)施建設(shè)，2024年，5G基站占比和密度均居全國(guó)第一，建成運(yùn)營(yíng)全國(guó)首個(gè)新材料等重點(diǎn)行業(yè)，提升全鏈條全產(chǎn)業(yè)整體數(shù)字化水平?；緦?shí)現(xiàn)了全市在語料、模型、平臺(tái)、場(chǎng)景等領(lǐng)域形成一批創(chuàng)新成果；推動(dòng)3000家制造突破工業(yè)智能前沿技術(shù)；發(fā)展工業(yè)數(shù)據(jù)治理和合成技術(shù)，為“AI+制造”汽車、高端裝備等十大重點(diǎn)行業(yè)，根據(jù)不同行業(yè)的特點(diǎn)和需求，制定差異按比例給予支持，降低企業(yè)智能化改造成本，大力支持有關(guān)企業(yè)在“AI+三、大力支持人工智能賦能制造業(yè)轉(zhuǎn)型升級(jí)人工智能應(yīng)用的若干措施》，支持開展關(guān)鍵技術(shù)創(chuàng)新，按照核定項(xiàng)目總投資給予最高30%、最高5000萬元支持。支持各類創(chuàng)新主項(xiàng)目、戰(zhàn)略平臺(tái)、揭榜掛帥等任務(wù)，申報(bào)市級(jí)配套項(xiàng)目，給予最高5000萬元支持。對(duì)具有戰(zhàn)略性、公益性的關(guān)鍵項(xiàng)目，經(jīng)市政府批準(zhǔn)后可給予最產(chǎn)業(yè)創(chuàng)新融合示范應(yīng)用。對(duì)標(biāo)桿示范場(chǎng)景建設(shè)項(xiàng)目，按照核定總投資給予圍繞關(guān)鍵要素平臺(tái)建設(shè)、打造智能化產(chǎn)品標(biāo)桿、打造智能化應(yīng)用標(biāo)桿、打造工廠智能化改造標(biāo)桿、產(chǎn)業(yè)生態(tài)優(yōu)化五個(gè)支持方向，按照核定總投資的按照《方案》關(guān)于“建立服務(wù)商認(rèn)定標(biāo)準(zhǔn)，重點(diǎn)遴選和培育一批工專業(yè)服務(wù)商?！癆I+制造”專業(yè)服務(wù)商將為上海制造業(yè)智能化的研發(fā)和應(yīng)用提供第三方專業(yè)服務(wù)。其中，語料數(shù)據(jù)服務(wù)商將提升制造業(yè)領(lǐng)域的數(shù)據(jù)資源、模型平臺(tái)服務(wù)商提供行業(yè)模型訓(xùn)練、部署、優(yōu)化、管理等全生命周編制場(chǎng)景建設(shè)指南”等要求，上海市人工智能協(xié)會(huì)、上海市工業(yè)互聯(lián)網(wǎng)協(xié)會(huì)等單位牽頭，以共性技術(shù)、場(chǎng)景應(yīng)用、評(píng)價(jià)改進(jìn)為三大主攻方向，推進(jìn)“AI+制造”標(biāo)準(zhǔn)體系建設(shè)。2025年已累計(jì)形成“AI+制造”相關(guān)團(tuán)體標(biāo)示范場(chǎng)景指南10個(gè)，在編超過20個(gè)。原生產(chǎn)品引領(lǐng)、傳統(tǒng)產(chǎn)品智能升級(jí)”的良好發(fā)展態(tài)勢(shì)，鼓勵(lì)企業(yè)積極擁抱AI技術(shù)，推動(dòng)產(chǎn)品智能化轉(zhuǎn)型。如“AI＋工業(yè)軟件工具”方向，多家傳統(tǒng)工業(yè)軟件企業(yè)加快在自身產(chǎn)品中融入AI能力，實(shí)現(xiàn)效率、精準(zhǔn)度、模擬效果等大幅提升，實(shí)現(xiàn)智能產(chǎn)品的迭代升級(jí)?！斗桨浮分赋?，引導(dǎo)銀行等金融機(jī)構(gòu)面向數(shù)字化、智能化轉(zhuǎn)型企業(yè)開發(fā)專屬金融產(chǎn)品和服務(wù)，對(duì)優(yōu)質(zhì)企業(yè)優(yōu)化貸款手續(xù)、審批環(huán)節(jié)，加大信貸支持力度。2025年，在上海有關(guān)部門協(xié)調(diào)下，中國(guó)工商銀行、中國(guó)農(nóng)業(yè)銀行等八大銀行積極響應(yīng)上海市“AI+制造”系列政策，聯(lián)合發(fā)布了總額高達(dá)4000億元人民幣的專項(xiàng)授信額度及系列金融產(chǎn)品服務(wù)矩陣，助力企序號(hào)12345678國(guó)際高端交流平臺(tái)，舉辦“AI+制造”發(fā)展論壇，發(fā)布工業(yè)智算云、工業(yè)語料公共服務(wù)平臺(tái)。加強(qiáng)部市聯(lián)動(dòng)、市區(qū)協(xié)同，組織開展兩場(chǎng)人工智能賦《方案》指出，“加快培育既熟悉制造機(jī)理又掌握人工智能技能的復(fù)加快“AI+制造”人才培養(yǎng)。開展“AI+制造”周周會(huì)系列培訓(xùn)活動(dòng)，圍繞電子信息、船舶海工、核電等重點(diǎn)行業(yè)，推動(dòng)人工智能技術(shù)在制造業(yè)中工程師專題培訓(xùn)班在上海創(chuàng)智學(xué)院圓滿收官，未來將建立起一支超千人規(guī)在政策積極引導(dǎo)與企業(yè)主動(dòng)探索的雙重作用下，上海市“AI+制造”已初步形成全面啟動(dòng)、多點(diǎn)突破的發(fā)展格局，AI賦能制造成效初顯，但用示范等方面全面布局的展開，AI與制造企業(yè)的融合已開始向縱深延展，企業(yè)應(yīng)用范式和路徑漸趨明朗。寶武、智己、中國(guó)海工、中國(guó)商飛等行業(yè)巨頭正以密集的資本和智力投入，強(qiáng)勢(shì)攻關(guān)工業(yè)垂類模型和“AI物理邏盡可能攤薄企業(yè)應(yīng)用模型能力的技術(shù)和資源成本；多元主體協(xié)同共建智能創(chuàng)新小鎮(zhèn)等為代表的各類AI生態(tài)載體，探索“AI+制造”融合創(chuàng)新和賦能新模式；各重點(diǎn)行業(yè)頭部企業(yè)正和服務(wù)商聯(lián)手，在研發(fā)設(shè)計(jì)、生產(chǎn)制造、供應(yīng)鏈管理、經(jīng)營(yíng)管理與服務(wù)等制造業(yè)各業(yè)務(wù)領(lǐng)域打造深度應(yīng)用場(chǎng)景，為制造企業(yè)智能化轉(zhuǎn)型提供實(shí)操路徑；工業(yè)軟件、智能裝備、智能產(chǎn)品三大領(lǐng)域各自涌現(xiàn)出一批“跨界AI”的先鋒企業(yè)和產(chǎn)品。此外，在行業(yè)專項(xiàng)政策支持與企業(yè)創(chuàng)新實(shí)踐的雙重推動(dòng)下，集成電路、電子信息、汽車等10個(gè)重點(diǎn)行業(yè)已全面開展AI技術(shù)與業(yè)務(wù)全鏈條的融合應(yīng)用，從研發(fā)設(shè)計(jì)、工藝優(yōu)化、智能檢測(cè)，到供應(yīng)鏈管理與營(yíng)銷洞察等關(guān)鍵環(huán)節(jié)，各行業(yè)均已有落地案例。尤其在知識(shí)密集型領(lǐng)域，依托行業(yè)數(shù)據(jù)訓(xùn)練的垂直領(lǐng)域模型與智能體，已能夠有效輔助研發(fā)創(chuàng)新、提升設(shè)計(jì)效率、優(yōu)化關(guān)鍵工藝參數(shù)以及完成復(fù)雜質(zhì)量檢測(cè)任務(wù)等，實(shí)現(xiàn)降本增效等切實(shí)成效。與此同時(shí)，當(dāng)前AI技術(shù)在部分業(yè)務(wù)環(huán)節(jié)應(yīng)用深度不足、各環(huán)節(jié)AI應(yīng)用協(xié)同性偏弱等問題依然存在，需各行業(yè)在未來進(jìn)一步優(yōu)化與提升。深化應(yīng)用中，仍然存在眾多問題和挑戰(zhàn)。眾多行業(yè)巨頭坦言無力獨(dú)自訓(xùn)練垂類模型，具體到每個(gè)企業(yè)的每個(gè)AI場(chǎng)景應(yīng)用都是一次工程化實(shí)踐，預(yù)期中的模型能力泛化未能顯現(xiàn)。缺少成熟方案、訓(xùn)練數(shù)據(jù)不足、數(shù)據(jù)安全顧慮、人員能力欠缺、組織支撐不足，前兩年制造企業(yè)數(shù)字化轉(zhuǎn)型過程中基礎(chǔ)設(shè)施投入和AI入門級(jí)應(yīng)用——知識(shí)庫(kù)“神鬼難測(cè)”的體驗(yàn)更遲滯著總體而言，新技術(shù)的發(fā)展總是機(jī)遇與挑戰(zhàn)并存。上海的“AI+制造”發(fā)展健康，前景可期。本章將詳細(xì)展開介紹各個(gè)領(lǐng)域的具體發(fā)展情況和存工業(yè)模型基礎(chǔ)能力以垂類模型建設(shè)和“AI物理邏輯適配”領(lǐng)域深度應(yīng)用為主要代表。在政策的積極引導(dǎo)下，寶武、智己、中國(guó)海工、中國(guó)商飛等行業(yè)巨頭正以密集的資本和智力投入，努力突破工業(yè)模型基礎(chǔ)能力瓶頸；本市垂類模型建設(shè)與領(lǐng)域深度應(yīng)用已在多個(gè)行業(yè)落地開花，初步驗(yàn)證了工業(yè)級(jí)模型的工程價(jià)值與可復(fù)制性，也為各細(xì)分行業(yè)工業(yè)模型基礎(chǔ)能力鋼鐵行業(yè)作為流程制造業(yè)核心代表，長(zhǎng)期面臨多重發(fā)展瓶頸。生產(chǎn)全流程協(xié)同效率低下，高爐冶煉、鋼板加工等關(guān)鍵工序質(zhì)量管控高度依賴人工經(jīng)驗(yàn)，易出現(xiàn)判斷偏差；跨環(huán)節(jié)數(shù)據(jù)割裂嚴(yán)重，排產(chǎn)調(diào)度、配料優(yōu)化等任務(wù)難以實(shí)現(xiàn)全局最優(yōu)；不同生產(chǎn)基地工藝標(biāo)準(zhǔn)與智能系統(tǒng)不統(tǒng)一，制約智能能力規(guī)?；瘡?fù)用；中小企業(yè)因算力、數(shù)據(jù)、技術(shù)門檻高，智能化轉(zhuǎn)針對(duì)這些行業(yè)共性痛點(diǎn)，寶信軟件依托寶武集團(tuán)全量工業(yè)數(shù)據(jù)與海量應(yīng)用場(chǎng)景優(yōu)勢(shì)，發(fā)布“寶聯(lián)登工業(yè)智算云平臺(tái)”，將自主工業(yè)互聯(lián)網(wǎng)平的異構(gòu)算力架構(gòu)，滿足彈性供給需求；與庫(kù)帕思聯(lián)合構(gòu)建工業(yè)可信數(shù)據(jù)空間，整合2.5TBtokens多模態(tài)數(shù)據(jù)形成高質(zhì)量語料庫(kù)；構(gòu)建“通用大模型；通過集約化管理實(shí)現(xiàn)模型、數(shù)據(jù)、算力協(xié)同，提供低代碼開發(fā)工平臺(tái)落地后成效顯著，推動(dòng)鋼鐵行業(yè)從經(jīng)驗(yàn)驅(qū)動(dòng)向數(shù)據(jù)智能驅(qū)動(dòng)轉(zhuǎn)覆蓋率突破85%，視覺檢測(cè)平均準(zhǔn)確率提升至92.2%；效率層面，高爐爐解質(zhì)量提升10%；生態(tài)層面，兼顧大企業(yè)定制化與中小企業(yè)輕量化需求，降低中小企業(yè)智能化轉(zhuǎn)型門檻，形成可復(fù)制的行業(yè)范式，為流程制造業(yè)智在汽車空氣動(dòng)力學(xué)設(shè)計(jì)過程中，傳統(tǒng)CFD仿真高度依賴人工構(gòu)造幾何與網(wǎng)格、反復(fù)調(diào)參和長(zhǎng)周期求解，單個(gè)造型方案往往需要數(shù)小時(shí)至數(shù)十小時(shí)的計(jì)算時(shí)間，嚴(yán)重制約了幾何迭代與方案探索效率。同時(shí)，汽車外形隨著新能源汽車加速發(fā)展、低風(fēng)阻造型成為剛需，行業(yè)迫切需要一種可自 AI推理—幾何優(yōu)化”的一體化智能仿真模型系統(tǒng)。系統(tǒng)首先利用FFD（Free-FromDefromation）技術(shù)實(shí)現(xiàn)汽車外形的參數(shù)化可控變形，可基于局部控制點(diǎn)和影響區(qū)域自動(dòng)生成多組幾何方案；隨后，自動(dòng)調(diào)用GPU加速的格子玻爾茲曼求解器（TF-Lattice）批量輸出壓力場(chǎng)、速度場(chǎng)等流場(chǎng)結(jié)果，為模型訓(xùn)練提供高精度數(shù)據(jù)。系統(tǒng)可自動(dòng)化訓(xùn)練面向汽車空氣動(dòng)力學(xué)的AI預(yù)測(cè)模型，實(shí)現(xiàn)幾何到流場(chǎng)、幾何到氣動(dòng)阻力的端到端學(xué)習(xí)能力；在推理階段，可對(duì)800萬節(jié)點(diǎn)以上的精細(xì)汽車外形進(jìn)行秒級(jí)預(yù)測(cè)；支持幾何智能優(yōu)化，迭代后輸出滿足氣動(dòng)性能提升要求的優(yōu)化造型。目前，系統(tǒng)已在汽車氣動(dòng)性能快速評(píng)估與優(yōu)化場(chǎng)景完成端到端驗(yàn)證。整體上，該系統(tǒng)顯著提升了空氣動(dòng)力學(xué)設(shè)計(jì)效率，使汽車外形設(shè)計(jì)從“基于少量方案的試驗(yàn)式探索”邁向“基于海量方案的智能優(yōu)化”，驗(yàn)證了工海工裝備關(guān)鍵設(shè)備的功能、性能與可靠性測(cè)試驗(yàn)證，長(zhǎng)期面臨現(xiàn)場(chǎng)波浪補(bǔ)償、超高溫高壓防噴器等設(shè)備的測(cè)試難以通過純物理試驗(yàn)全覆蓋，水下控制系統(tǒng)等核心部件的可用性量化評(píng)估缺乏有效手段，制約國(guó)產(chǎn)海工針對(duì)上述痛點(diǎn)，中國(guó)海工研發(fā)多模態(tài)垂類模型集群，以機(jī)理－數(shù)據(jù)-代理三層耦合的多模態(tài)物理嵌入式網(wǎng)絡(luò)為核心技術(shù)路徑。通過融合流體動(dòng)力學(xué)、多體動(dòng)力學(xué)、有限元分析等工業(yè)機(jī)理與多源數(shù)據(jù)，構(gòu)建適配不同測(cè)試場(chǎng)景的專用模型，涵蓋物理約束與數(shù)據(jù)驅(qū)動(dòng)協(xié)同學(xué)習(xí)、多物理場(chǎng)耦合網(wǎng)絡(luò)、異構(gòu)多模態(tài)融合網(wǎng)絡(luò)等多種架構(gòu)，實(shí)現(xiàn)對(duì)復(fù)雜海洋環(huán)境與設(shè)備運(yùn)行系列模型已在多個(gè)關(guān)鍵場(chǎng)景落地驗(yàn)證，主動(dòng)波浪補(bǔ)償棧橋測(cè)試模型完成823項(xiàng)虛實(shí)融合測(cè)試，現(xiàn)場(chǎng)調(diào)試成本降低22%，一次性通過率提升32%；超高溫高壓防噴器測(cè)試模型助力我國(guó)首臺(tái)套相關(guān)產(chǎn)品順利下線；水下控制系統(tǒng)測(cè)試模型實(shí)現(xiàn)核心部件可用性量化評(píng)估，將應(yīng)用于LH27-1工程示范項(xiàng)目；安裝海試多模態(tài)垂類模型可快速評(píng)估實(shí)海條件下可安裝性，在大飛機(jī)制造這一復(fù)雜體系中，工藝裝配、適航檢查等核心場(chǎng)景智一是知識(shí)傳承低效，工藝與適航核心經(jīng)驗(yàn)依賴專家個(gè)人，文檔分散、隱性知識(shí)難復(fù)用，協(xié)同效率低、合規(guī)風(fēng)險(xiǎn)高；二是數(shù)據(jù)價(jià)值未釋放，各環(huán)節(jié)數(shù)據(jù)分散異構(gòu)、標(biāo)準(zhǔn)不一，非結(jié)構(gòu)化信息難挖掘，數(shù)據(jù)驅(qū)動(dòng)決策能力弱；三一致性差，跨部門協(xié)同響應(yīng)遲緩；四是技術(shù)自主與集成不足，依賴國(guó)外閉針對(duì)這些行業(yè)共性痛點(diǎn)，中國(guó)商飛聯(lián)合科技伙伴，構(gòu)建分層解耦、自主可控、數(shù)據(jù)驅(qū)動(dòng)的一體化數(shù)智底座。底座遵循“國(guó)芯國(guó)算、國(guó)數(shù)國(guó)?！焙诵脑瓌t，搭建智能體應(yīng)用孵化完整技術(shù)棧。數(shù)據(jù)層面，整合商飛數(shù)據(jù)湖標(biāo)準(zhǔn)法規(guī)等通識(shí)數(shù)據(jù)，形成超10Btokens優(yōu)質(zhì)航空語料庫(kù)。模型層面，智能體層面，構(gòu)建工藝裝配、適航檢查等通識(shí)智能體，為行業(yè)智能化升級(jí)該數(shù)智底座已顯現(xiàn)顯著綜合效益：經(jīng)濟(jì)效益方面，工藝裝配、合規(guī)審查環(huán)節(jié)效率提升約70%，翻模設(shè)計(jì)等試點(diǎn)場(chǎng)景設(shè)計(jì)效率提升50%，有效釋放高端人力；通過減少專家現(xiàn)場(chǎng)往返與重復(fù)咨詢，相關(guān)人工成本可降低20%—30%；通過模型輔助精準(zhǔn)檢測(cè)，可減少人為疏漏導(dǎo)致的返工與材料浪二、關(guān)鍵要素平臺(tái)的支撐能力穩(wěn)步提升在主管部門的統(tǒng)籌協(xié)調(diào)下，以庫(kù)帕思、聯(lián)通、寶信等為代表的平臺(tái)本市數(shù)據(jù)語料治理與智算云公共服務(wù)能力正逐步提升：庫(kù)帕思工業(yè)語料平并已發(fā)布高端裝備語料建設(shè)導(dǎo)則等標(biāo)準(zhǔn)規(guī)范。工業(yè)智算云平臺(tái)正打造智算當(dāng)前工業(yè)大模型應(yīng)用普遍面臨高質(zhì)量語料匱乏、多模態(tài)數(shù)據(jù)分散、同時(shí)，語料處理全流程缺乏統(tǒng)一規(guī)范，企業(yè)自建高質(zhì)量數(shù)據(jù)集成本高、周針對(duì)這些問題，上海依托庫(kù)帕思語料科技公司為載共服務(wù)平臺(tái)，形成“數(shù)據(jù)資源－工具能力－標(biāo)準(zhǔn)體系－生態(tài)網(wǎng)絡(luò)”四位一鏈，提供多模態(tài)數(shù)據(jù)解析、工藝推理等功能，形成標(biāo)準(zhǔn)化語料加工規(guī)程；設(shè)門檻與周期，推動(dòng)工業(yè)數(shù)據(jù)生態(tài)規(guī)范化。目前已形成63個(gè)總量達(dá)能體場(chǎng)景落地，盤活大量沉睡工業(yè)數(shù)據(jù)資源，為上海制造業(yè)智能化轉(zhuǎn)型提的三重瓶頸。中小企業(yè)難以承擔(dān)自建AI基礎(chǔ)設(shè)施的高額投入，缺乏專業(yè)數(shù)據(jù)治理與模型開發(fā)能力，工業(yè)數(shù)據(jù)多源異構(gòu)且治理難度大，同時(shí)面臨模型適配業(yè)務(wù)場(chǎng)景的技術(shù)門檻，導(dǎo)致轉(zhuǎn)型“想轉(zhuǎn)不敢轉(zhuǎn)、想轉(zhuǎn)不會(huì)轉(zhuǎn)”，與針對(duì)這一痛點(diǎn)，聯(lián)通、寶信軟件等企業(yè)正在打造普的全棧式、全鏈條公共服務(wù)體系。算力層面，平臺(tái)整合萬卡級(jí)國(guó)產(chǎn)異構(gòu)算力集群，通過自研調(diào)度系統(tǒng)實(shí)現(xiàn)低延遲分布式推理，提供“按次計(jì)費(fèi)、彈性伸縮”的云服務(wù)模式，滿足在線質(zhì)檢、預(yù)測(cè)性維護(hù)等場(chǎng)景的毫秒級(jí)響應(yīng)需求；語料層面，運(yùn)用OCR、NLP技術(shù)對(duì)圖紙、工藝參數(shù)等非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行自動(dòng)化處理，依托數(shù)據(jù)沙箱與隱私計(jì)算技術(shù)，在保障數(shù)據(jù)安全的前提下構(gòu)建跨企業(yè)可信協(xié)作空間；模型層面，集成通用基座模型與80余個(gè)工業(yè)垂類預(yù)訓(xùn)練模型，配套可視化微調(diào)工具與行業(yè)模板，支持“拖拉拽”式應(yīng)用開發(fā)，同時(shí)提供公有云、私有云、混合云多種部署模式，適配不同企業(yè)需求。該平臺(tái)將高端AI能力轉(zhuǎn)化為普惠服務(wù)，中小企業(yè)無需高額初始該平臺(tái)目前已與西門子、新迪數(shù)字等生態(tài)服務(wù)伙伴對(duì)接，上架超20款核心智能體產(chǎn)品。已為航空航天、海工船舶等上海重點(diǎn)產(chǎn)業(yè)提供全鏈條有效推動(dòng)人工智能技術(shù)與實(shí)體經(jīng)濟(jì)在更廣范圍、更深層次的融合，助力制在主管部門的大力支持下，多元主體正協(xié)同共建合創(chuàng)新基地等載體形式，探索多元協(xié)同創(chuàng)新生態(tài)構(gòu)建路徑。以上海電氣為例，其依托剛剛獲批的國(guó)家人工智能應(yīng)用中試基地（制造領(lǐng)域擬搭建開放賦能平臺(tái)化運(yùn)營(yíng)體系，聯(lián)動(dòng)高校、科研院所、行業(yè)協(xié)會(huì)等多方力量，這一機(jī)制既可讓中小企業(yè)低成本獲取經(jīng)工業(yè)驗(yàn)證的AI解決方案、降低創(chuàng)新風(fēng)險(xiǎn)，也可為科技公司提供真實(shí)場(chǎng)景打磨機(jī)會(huì)，加速技術(shù)落地，形成可加大探索力度，力爭(zhēng)在人工智能發(fā)展和治理各方面走在前列，產(chǎn)生示范效進(jìn)創(chuàng)新資源集聚、加速產(chǎn)業(yè)鏈協(xié)同的生態(tài)載體。上海率先開展人工智能生1、模速空間模速空間是上海市和徐匯區(qū)聯(lián)手推出的全國(guó)首個(gè)大模型創(chuàng)新生態(tài)社模速空間為企業(yè)提供“拎包入駐”一站式服務(wù)，推出算力調(diào)度語料、金融服務(wù)、人才服務(wù)、場(chǎng)景對(duì)接等功能平臺(tái)。目前，模速空間已推類應(yīng)用的閉環(huán)式產(chǎn)業(yè)生態(tài)。園區(qū)內(nèi)如達(dá)卯智能、羚一人工智能等新興科技在辦公租金、人才公寓、AI公共要素、場(chǎng)景培育、創(chuàng)投基金等方面，浦創(chuàng)新創(chuàng)業(yè)集聚區(qū)。北楊人工智能創(chuàng)新小鎮(zhèn)為入駐的優(yōu)秀企業(yè)提供辦公租金減免和人才公寓等。小鎮(zhèn)的“創(chuàng)業(yè)者社區(qū)建設(shè)計(jì)劃”大力支持初創(chuàng)企業(yè)，上海創(chuàng)智學(xué)院作為小鎮(zhèn)核心，以培養(yǎng)最頂尖人工智能人才為初心使命和目標(biāo)定位，積極探索新型人才培養(yǎng)模式。在推進(jìn)上?！癆I+制造”人四、重點(diǎn)行業(yè)示范場(chǎng)景引領(lǐng)作用不斷彰顯高價(jià)值業(yè)務(wù)場(chǎng)景的先行先試，驗(yàn)證AI技術(shù)方案的可行性與可靠性，以實(shí)電子信息、汽車、高端裝備、船舶海工、航空航天、先進(jìn)材料、鋼鐵、時(shí)生產(chǎn)制造、供應(yīng)鏈管理、經(jīng)營(yíng)管理與運(yùn)營(yíng)服務(wù)等重點(diǎn)領(lǐng)域，分層推進(jìn)典型本節(jié)后續(xù)將按研發(fā)設(shè)計(jì)、生產(chǎn)制造、供應(yīng)鏈管理、經(jīng)營(yíng)管理與服務(wù)四類業(yè)電子信息、先進(jìn)材料等領(lǐng)域初步形成可復(fù)制的智能化范式，如上汽乘用車科技分別利用AI構(gòu)建虛實(shí)融合訓(xùn)練測(cè)試驗(yàn)證場(chǎng)景，外高橋造船基于大模式研發(fā)場(chǎng)景，青翼工業(yè)軟件聯(lián)合新材料企業(yè)建設(shè)智能實(shí)驗(yàn)設(shè)計(jì)場(chǎng)景等。本大型船舶設(shè)計(jì)中，海量異構(gòu)的技術(shù)信息給研發(fā)設(shè)計(jì)帶來巨大挑戰(zhàn)，上海外高橋造船有限公司亦深受其擾：規(guī)范散落、知識(shí)沉淀分散，設(shè)計(jì)標(biāo)單次信息查詢平均超30分鐘，極易因信息遺漏或誤讀而返工；知識(shí)資產(chǎn)為此，外高橋造船聯(lián)合上海外高橋造船海洋工程設(shè)計(jì)有限公司打造平臺(tái)核心能力包括：智能規(guī)范檢索，語義檢索秒級(jí)定位規(guī)范條款；專業(yè)知識(shí)問答，接入歷史案例與專家?guī)鞂?shí)現(xiàn)知識(shí)精準(zhǔn)推送；專業(yè)術(shù)語翻譯，內(nèi)置報(bào)告；會(huì)議紀(jì)要智能索引，結(jié)構(gòu)化會(huì)議內(nèi)容支持關(guān)鍵詞回溯。所有功能無平臺(tái)應(yīng)用在多個(gè)重點(diǎn)船型項(xiàng)目中成效顯著：效率層面，信息檢索時(shí)助力企業(yè)從“經(jīng)驗(yàn)驅(qū)動(dòng)”轉(zhuǎn)向“智能知識(shí)驅(qū)動(dòng)”，為高技術(shù)船舶研發(fā)與交智能移動(dòng)終端ODM行業(yè)競(jìng)爭(zhēng)激烈，華勤技術(shù)目前在研發(fā)環(huán)節(jié)痛點(diǎn)突產(chǎn)品復(fù)雜性提升（如多傳感器集成極易導(dǎo)致設(shè)計(jì)與生產(chǎn)脫節(jié)；企業(yè)知為此，華勤技術(shù)依托行業(yè)經(jīng)驗(yàn)與技術(shù)能力，基于“研發(fā)數(shù)據(jù)管理子系統(tǒng)、高度自動(dòng)化的設(shè)計(jì)和仿真工具、智能決策支持系統(tǒng)等系統(tǒng)部分，打研發(fā)數(shù)據(jù)（4400+項(xiàng)知識(shí)產(chǎn)權(quán)數(shù)據(jù)）、用戶反饋及市場(chǎng)數(shù)據(jù)等多源數(shù)據(jù)，搭建研發(fā)知識(shí)圖譜，并融合AI檢索與生成系統(tǒng)與硬件垂類大模型；引入自動(dòng)化設(shè)計(jì)工具（如參數(shù)化設(shè)計(jì)軟件）、數(shù)字孿生仿真工具，并行生成多方案；搭建智能決策支持系統(tǒng)，基于AI算該模式應(yīng)用成效顯著：研發(fā)周期平均縮短10制化產(chǎn)品同步開；研發(fā)試錯(cuò)成本降低25%，通過該系統(tǒng)優(yōu)化研發(fā)投入回報(bào)率提升15%。助力企業(yè)從“經(jīng)驗(yàn)驅(qū)動(dòng)”轉(zhuǎn)向“數(shù)據(jù)與知識(shí)雙驅(qū)動(dòng)”，為行配、無損智能缺陷檢測(cè)、生產(chǎn)自適應(yīng)調(diào)整等示范場(chǎng)景，以提高制造精度和效率。目前已在汽車、鋼鐵、高端裝備、航空航天等領(lǐng)域初步形成可復(fù)制的智能化范式，如節(jié)卡機(jī)器人基于具身智能構(gòu)建智能高柔性作業(yè)場(chǎng)景，寶武集團(tuán)基于智能體技術(shù)建設(shè)智能質(zhì)量檢測(cè)控制場(chǎng)景，上海電氣風(fēng)電集團(tuán)、產(chǎn)品一致性的核心，但目前行業(yè)普遍面臨突出痛點(diǎn)：多品種、小批量與頻繁換線導(dǎo)致工位任務(wù)與工藝參數(shù)反復(fù)切換，現(xiàn)場(chǎng)穩(wěn)定性波動(dòng)明顯；同時(shí)，視覺光照變化、零件來料差異、裝配公差波動(dòng)與接觸過程力控約束等多因素強(qiáng)耦合，使得插接卡滯、對(duì)位偏差、過壓損傷與誤裝等問題難以及時(shí)預(yù)防與快速定位，傳統(tǒng)依賴工程師示教與“問題發(fā)生后再修正”的模式已難感器等多模態(tài)感知與大模型交互能力，與機(jī)器人本體規(guī)劃和伺服控制深度該實(shí)踐成效顯著：效率方面，可幫助離散制造企業(yè)在裝配生產(chǎn)成本與人力依賴。指標(biāo)方面，語義識(shí)別準(zhǔn)確率≥95%，操作精度±0.1mm，實(shí)時(shí)響應(yīng)≤40ms，為離散制造業(yè)提供從“人工示教+事后調(diào)參”武寶鋼基地在該方面面臨多方面挑戰(zhàn)：小批量、多品種的混線生產(chǎn)模式導(dǎo)致工藝參數(shù)頻繁切換，質(zhì)量波動(dòng)劇烈；“人機(jī)料法環(huán)測(cè)”多維度數(shù)據(jù)耦合復(fù)雜，質(zhì)量問題根因追溯耗時(shí)久、準(zhǔn)確率低，傳統(tǒng)依賴專家經(jīng)驗(yàn)與事后補(bǔ)到制造執(zhí)行層數(shù)據(jù)的實(shí)時(shí)采集與融合，保障數(shù)據(jù)毫秒級(jí)同步與高清洗準(zhǔn)確該實(shí)踐成效顯著，寶武寶鋼基地相關(guān)批次不合格率大幅下降65.4%，高端產(chǎn)品合格率提升至99.5%；質(zhì)量根因分析效率提升超90%，工藝調(diào)試治理流程與模塊化智能體架構(gòu)具備強(qiáng)可復(fù)制性，推動(dòng)上游供應(yīng)商質(zhì)量穩(wěn)定數(shù)據(jù)斷鏈及橫向協(xié)同低效等核心瓶頸，具體表現(xiàn)為：工藝知識(shí)沉淀于分散的非結(jié)構(gòu)化文檔（圖紙、規(guī)范、手冊(cè)版本管理混亂，生產(chǎn)制造過程現(xiàn)場(chǎng)作業(yè)依賴人工解讀，易出錯(cuò)；生產(chǎn)質(zhì)量控制（如葉片灌注缺陷）主要依一體化解決方案。該方案依托聯(lián)通元景大模型，注入海量風(fēng)電專業(yè)知識(shí)完成預(yù)訓(xùn)練與指令微調(diào)，打造具備深度行業(yè)理解力的多模態(tài)垂類大模型，并研發(fā)了工藝文件智能體、質(zhì)量檢測(cè)智能體等智能體群，形成“基礎(chǔ)大模型解析技術(shù)標(biāo)準(zhǔn)、圖紙，動(dòng)態(tài)生成與更新可視化作業(yè)指導(dǎo)書，并精準(zhǔn)推送至該實(shí)踐成效顯著：成本端，通過多學(xué)科協(xié)同優(yōu)化與知識(shí)復(fù)用端風(fēng)電機(jī)組設(shè)計(jì)制造成本預(yù)計(jì)降低10%，以上海電氣風(fēng)電年度研發(fā)制造規(guī)設(shè)備后期質(zhì)量損失與返工成本。同時(shí)可推動(dòng)生產(chǎn)制造模式從“經(jīng)驗(yàn)驅(qū)動(dòng)”向“數(shù)據(jù)與知識(shí)雙驅(qū)動(dòng)”轉(zhuǎn)變，加速風(fēng)電裝備大型化、輕量化創(chuàng)新，有力在供應(yīng)鏈管理環(huán)節(jié)，上海市各行業(yè)企業(yè)正利用A目前已在電子信息、高端裝備、新材料、航空航天等領(lǐng)域初步形成可復(fù)制的智能化范式，如英眾科技以AI技術(shù)為核心構(gòu)建自主協(xié)商供應(yīng)鏈交期與價(jià)格場(chǎng)景，振華重工基于AI智能體打造跨國(guó)供應(yīng)鏈物料齊套場(chǎng)景，中國(guó)飛上海飛機(jī)制造公司開發(fā)供應(yīng)商智能管理及詢價(jià)場(chǎng)景，華誼新材料基于AI技術(shù)構(gòu)建大宗原材料供應(yīng)鏈協(xié)同場(chǎng)景等。本節(jié)選取部分典型場(chǎng)景，從面對(duì)全球重型港口裝備制造領(lǐng)域的激烈競(jìng)爭(zhēng)，振華重工目前面臨產(chǎn)邊采購(gòu)、邊生產(chǎn)”等生產(chǎn)模式雖保障了靈活性，但往往會(huì)導(dǎo)致物料齊套管理存在巨大不確定性。數(shù)以千計(jì)的物料、全球分布的供應(yīng)商、多節(jié)點(diǎn)復(fù)雜物流，使得生產(chǎn)計(jì)劃因物料狀態(tài)不透明頻繁調(diào)整，大量人力投入繁瑣的跨為此，振華重工與上海羚數(shù)智能深度合作，構(gòu)建深度融入核心業(yè)務(wù)流程的“物料齊套Multi-Agent”智能體系統(tǒng)。該系統(tǒng)將AI智能體“感知－決策－執(zhí)行”能力嵌入BOM、供應(yīng)商管理及外部貨運(yùn)、海關(guān)等內(nèi)外部系統(tǒng)，融合企業(yè)工藝標(biāo)準(zhǔn)、管理規(guī)范與領(lǐng)域知識(shí)，構(gòu)建“場(chǎng)景感知與知識(shí)邊界約束”機(jī)制。智能體可自動(dòng)追蹤物料從采購(gòu)訂單到入庫(kù)全鏈條實(shí)時(shí)狀該實(shí)踐成效顯著：系統(tǒng)上線穩(wěn)定運(yùn)行后，振華重工在百萬級(jí)物料管釋放專業(yè)人才聚焦高價(jià)值工作。該項(xiàng)目榮獲2024年世界人工智能大會(huì)華誼新材料在大宗原材料全鏈條管理方面核心痛點(diǎn)突出：MES、ERP系統(tǒng)數(shù)據(jù)與市場(chǎng)行情數(shù)據(jù)分散孤立，信息孤島嚴(yán)重，采購(gòu)人員難以及時(shí)整合數(shù)據(jù)；采購(gòu)與生產(chǎn)、倉(cāng)庫(kù)聯(lián)動(dòng)不足，庫(kù)存信息更新滯后，斷料、脹庫(kù)風(fēng)市場(chǎng)價(jià)格預(yù)判依賴人工經(jīng)驗(yàn)，采購(gòu)與排產(chǎn)方案缺乏精準(zhǔn)數(shù)據(jù)依托，影響企為此，華誼新材料依托行業(yè)經(jīng)驗(yàn)與技術(shù)能力，構(gòu)建大宗原料管理平可自動(dòng)提取多系統(tǒng)及市場(chǎng)數(shù)據(jù)；二是智能模型賦能，嵌入大數(shù)據(jù)分析與機(jī)器學(xué)習(xí)模型，挖掘歷史數(shù)據(jù)篩選關(guān)鍵影響因子，精準(zhǔn)預(yù)測(cè)原料價(jià)格波動(dòng)趨勢(shì)，融合時(shí)效利潤(rùn)與排產(chǎn)模型，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)決策；三是全鏈條協(xié)同，集成多系統(tǒng)核心數(shù)據(jù)，聯(lián)動(dòng)物流平臺(tái)實(shí)現(xiàn)承運(yùn)商管理、訂單處理及?；愤\(yùn)該實(shí)踐成效顯著：效率上，減少采購(gòu)人員信工作，復(fù)盤數(shù)據(jù)即用即看，省去重復(fù)導(dǎo)數(shù)據(jù)的冗雜工作；成本上，模型輔與生產(chǎn)、罐區(qū)數(shù)據(jù)實(shí)時(shí)聯(lián)動(dòng)，通過庫(kù)存動(dòng)態(tài)模擬及時(shí)預(yù)警，斷料、脹庫(kù)風(fēng)決策分析、智能運(yùn)維管理、數(shù)字營(yíng)銷等示范場(chǎng)景，以提升企業(yè)經(jīng)營(yíng)與服務(wù)效率。目前已在時(shí)尚消費(fèi)品、醫(yī)藥制造、集成電路等領(lǐng)域初步形成可復(fù)制的智能化范式，如上海創(chuàng)元基于大模型構(gòu)建智能內(nèi)容法規(guī)審核場(chǎng)景，復(fù)星醫(yī)藥融合大模型及企業(yè)知識(shí)庫(kù)建設(shè)智能輔助經(jīng)營(yíng)決策分析場(chǎng)景，盛美半導(dǎo)特贊、達(dá)朗等分別聯(lián)合制造業(yè)企業(yè)利用AI技術(shù)建設(shè)廠務(wù)智慧運(yùn)維管理場(chǎng)審核效率低下，每單人工審核耗時(shí)達(dá)48小時(shí)，海量?jī)?nèi)容易出現(xiàn)疏漏；跨系統(tǒng)數(shù)據(jù)割裂，法規(guī)條款散落難整合，追溯與比對(duì)難度大；合規(guī)風(fēng)險(xiǎn)高，研配方管理系統(tǒng)與AI視覺檢測(cè)平臺(tái)，打造智能內(nèi)容法規(guī)審核系統(tǒng)，核心能力覆蓋全流程合規(guī)管控：系統(tǒng)深度學(xué)習(xí)內(nèi)外部法規(guī)文檔與專業(yè)知識(shí)庫(kù)，自動(dòng)解析配方表、廣告文案等輸入內(nèi)容；精準(zhǔn)識(shí)別成分、濃度、功效宣稱該實(shí)踐成效顯著：法規(guī)審核效率提升80%，九成重復(fù)性審核自動(dòng)化；審核質(zhì)量顯著優(yōu)化：BLACKLIST成分識(shí)別準(zhǔn)確率達(dá)99.5%；成本與風(fēng)險(xiǎn)雙重降低：年節(jié)省外包審核費(fèi)用80萬元，合規(guī)風(fēng)險(xiǎn)與品牌損失大幅減少，助力企業(yè)快速推進(jìn)新品上市，為行業(yè)合規(guī)審核提供標(biāo)準(zhǔn)化、可復(fù)觀且信息不對(duì)稱，決策偏差頻發(fā)，復(fù)雜因素難全面考量，制約醫(yī)藥產(chǎn)品決策效率與準(zhǔn)確性；醫(yī)藥研發(fā)、生產(chǎn)、銷售業(yè)務(wù)流程繁雜、周期長(zhǎng)，跨部門協(xié)作低效，資源分配難優(yōu)化，推高企業(yè)運(yùn)營(yíng)成本與醫(yī)藥產(chǎn)品迭代周期；個(gè)人健康信息與商業(yè)機(jī)密保護(hù)難，跨機(jī)構(gòu)數(shù)據(jù)共享存法律技術(shù)壁壘，數(shù)據(jù)支撐薄弱；臨床試驗(yàn)投入大、失敗率高，疊加新藥研發(fā)難度升級(jí)、市場(chǎng)競(jìng)爭(zhēng)與個(gè)性化醫(yī)療需求雙重壓力，企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)劇增；法規(guī)動(dòng)態(tài)趨嚴(yán)，醫(yī)藥企依托大模型與企業(yè)知識(shí)庫(kù)，構(gòu)建醫(yī)藥制造業(yè)務(wù)全鏈條服務(wù)體系。核心功能包括：星仔智能問答（覆蓋綜合問答、文檔解析、學(xué)術(shù)問答，支持多端同步部署戰(zhàn)略情報(bào)洞察（支持適應(yīng)癥、靶點(diǎn)等多維度篩選情報(bào)，支持指該實(shí)踐成效顯著：實(shí)現(xiàn)情報(bào)檢索與專利分析效率提升40%，周期縮短30%，先導(dǎo)化合物篩選周期壓縮50%，企業(yè)整體運(yùn)營(yíng)效率預(yù)計(jì)提高20%，年經(jīng)濟(jì)價(jià)值超10億元。該實(shí)踐可推動(dòng)醫(yī)藥企業(yè)的科技創(chuàng)新速度與跨學(xué)科協(xié)作效率，完善醫(yī)藥數(shù)據(jù)生態(tài)，加速新藥開發(fā)、提升藥品質(zhì)量，查，存在明顯局限：診斷方式落后，僅憑感官經(jīng)驗(yàn)和簡(jiǎn)單工具測(cè)量，準(zhǔn)確性難以保障；成本與工時(shí)偏高，設(shè)備頻繁停機(jī)、手動(dòng)維護(hù)推高運(yùn)營(yíng)成本，診斷精度不足易導(dǎo)致維護(hù)過度或不到位；知識(shí)沉淀困難，專家經(jīng)驗(yàn)難數(shù)字化傳承，人員流動(dòng)易造成相關(guān)知識(shí)丟失。這些局限也進(jìn)一步引發(fā)盛美半導(dǎo)工藝參數(shù)自適應(yīng)優(yōu)化等功能，并在預(yù)測(cè)性維護(hù)、智能診斷及自適應(yīng)工藝優(yōu)化等環(huán)節(jié)落地，其通過部件健康度評(píng)分與預(yù)測(cè)壽命實(shí)現(xiàn)按需維修，經(jīng)缺陷該實(shí)踐成效顯著：場(chǎng)景建設(shè)后提升了盛美半導(dǎo)體在相關(guān)生流量關(guān)鍵工藝參數(shù)波動(dòng)范圍壓縮30%以上，直接貢獻(xiàn)芯片良率提升實(shí)現(xiàn)對(duì)化學(xué)品泄漏、部件過熱的早期預(yù)警，變被動(dòng)響應(yīng)為主動(dòng)防護(hù)，減少五、專業(yè)服務(wù)商培育初見成效服務(wù)商是整個(gè)“AI＋制造”生態(tài)的中堅(jiān)環(huán)節(jié)，發(fā)揮著以下三大不可替代的作用：第一，作為技術(shù)落地橋梁，破解兩側(cè)的話語體系“密碼”，建立AI技術(shù)與制造場(chǎng)景的融合路徑；第二，作為價(jià)值變現(xiàn)渠道，幫助制本身正快速成為具有市場(chǎng)競(jìng)爭(zhēng)力的新生力量，為上海AI產(chǎn)業(yè)發(fā)展添磚加經(jīng)系統(tǒng)培育，上?！癆I＋制造”服務(wù)商已形成語料數(shù)據(jù)、智算云、一批標(biāo)桿企業(yè)，核心技術(shù)達(dá)到國(guó)內(nèi)領(lǐng)先、國(guó)際先進(jìn)水平，部分解決方案成兩類服務(wù)商協(xié)同構(gòu)建“數(shù)據(jù)－算力”雙支撐體系，為AI＋制造提供基礎(chǔ)保障。具體語料與智算云服務(wù)商信息可參考本白皮書第三章第二節(jié)，智能體是解決大模型落地應(yīng)用的關(guān)鍵途徑。聚焦制造全流程決策優(yōu)上海品見智能由中科院院士領(lǐng)銜，依托物理機(jī)理預(yù)訓(xùn)練與因果推理等龍頭企業(yè)達(dá)成深度合作，攻克大規(guī)模多工序協(xié)同決策難題，賦能設(shè)備管理、倉(cāng)儲(chǔ)物流等核心環(huán)節(jié)效率提升。為某企業(yè)研發(fā)的工業(yè)智能決策平臺(tái)排程智能體，計(jì)劃編排能力提升計(jì)劃中的規(guī)格波動(dòng)次數(shù)、不合規(guī)次數(shù)、反跳發(fā)生次數(shù)均顯著降低，用料更加規(guī)范，提高生產(chǎn)質(zhì)量的穩(wěn)定性，生產(chǎn)效率低65%以上。實(shí)現(xiàn)經(jīng)濟(jì)效益2000余萬元。排產(chǎn)時(shí)間從原來的手動(dòng)排產(chǎn)上海致景基于新一代信息技術(shù)的對(duì)供應(yīng)鏈上下游數(shù)據(jù)的挖掘利用，上海羚數(shù)智能基于大模型技術(shù)開發(fā)制造協(xié)同服務(wù)方案，成功服務(wù)上海振華重工等企業(yè)實(shí)現(xiàn)產(chǎn)銷研一體化智能協(xié)同，相關(guān)服務(wù)能力榮獲世界人海智智能針對(duì)離散制造場(chǎng)景提供生產(chǎn)調(diào)度優(yōu)化服務(wù)，通過實(shí)時(shí)數(shù)據(jù)感知與動(dòng)態(tài)排產(chǎn)方案優(yōu)化，幫助電子制造企業(yè)減少30％以上生產(chǎn)等待時(shí)智元機(jī)器人聚焦工業(yè)物流柔性化需求，為制造場(chǎng)景提供智能搬運(yùn)解國(guó)家地方共建人形機(jī)器人創(chuàng)新中心（國(guó)地共創(chuàng)）牽頭建設(shè)全國(guó)首個(gè)異構(gòu)人形機(jī)器人訓(xùn)練場(chǎng)，構(gòu)建“數(shù)據(jù)－模型－訓(xùn)練場(chǎng)”閉環(huán)服務(wù)體系，為仙工智能專注移動(dòng)機(jī)器人技術(shù)服務(wù)，為高校與企業(yè)提供混合導(dǎo)航、高精度定位及安全防護(hù)解決方案，賦能多款移動(dòng)作業(yè)機(jī)器人產(chǎn)品孵化，技颯智智能憑借自研技術(shù)為汽車零部件、3C電子等行業(yè)提供毫米級(jí)精華院計(jì)算深耕鋼鐵行業(yè)，依托自主研發(fā)的工業(yè)大腦平臺(tái)（基于自研認(rèn)知智能引擎，接入數(shù)十家主流大模型、70000+中小型模型算法庫(kù)及現(xiàn)場(chǎng)私域模型，支持RAG與微調(diào)，采用四層邏輯架構(gòu)及云原生架構(gòu)將連內(nèi)鋼鐵龍頭企業(yè)，實(shí)現(xiàn)生產(chǎn)全流程智能化管控；其技術(shù)方案還出海服務(wù)墨用的標(biāo)準(zhǔn)化模型服務(wù)與定制化開發(fā)支持，覆蓋研發(fā)設(shè)計(jì)、生產(chǎn)管控等全流六、產(chǎn)品智能化水平快速提升工業(yè)產(chǎn)品是AI技術(shù)的重要載體。通過企業(yè)熟悉的工業(yè)產(chǎn)品推廣AI應(yīng)用是一條相對(duì)成本和使用門檻更低的有效渠道。當(dāng)前，上海已在工業(yè)軟件、智能裝備、智能終端三大產(chǎn)品領(lǐng)域進(jìn)行布局，通過AI技術(shù)與原有產(chǎn)品技術(shù)雙向深度融合，縮短產(chǎn)品研發(fā)周期，提升產(chǎn)品感知、控制、協(xié)作和自主決策能力，幫助更多工業(yè)用戶通過熟悉的使用方式體驗(yàn)到AI的便捷在工業(yè)軟件方面，以上海天鶩科技的蛋白質(zhì)智能設(shè)計(jì)智能體、華院計(jì)算的AI表面缺陷檢測(cè)系統(tǒng)、新迪天工的CAD軟件等為代表，企業(yè)通過雙提升。在智能裝備方面，以上海識(shí)淵科技的3DPCBAAOI質(zhì)檢設(shè)備、上海拓璞數(shù)控的AI-CNC系統(tǒng)、交大智邦的“思源智控”智能體機(jī)床μAI等為代表，企業(yè)通過“AI原生裝備研發(fā)+傳統(tǒng)裝備智能化改造”雙突破國(guó)產(chǎn)高精尖裝備效能瓶頸。在智能終端方面，以XREAL的AI增強(qiáng)現(xiàn)實(shí)（AR）眼鏡、智己的IMAIOS生態(tài)座艙等為代表，企業(yè)通過端側(cè)大模型賦能全場(chǎng)景體驗(yàn)革新與跨端協(xié)同。本節(jié)后續(xù)將按工業(yè)軟件、智能裝備、智能終端三類，分別進(jìn)行介紹。工業(yè)軟件作為制造業(yè)數(shù)字化的核心工具，長(zhǎng)期面臨效率瓶頸與精準(zhǔn)依賴人工經(jīng)驗(yàn)導(dǎo)致研發(fā)周期長(zhǎng)、檢測(cè)誤差大、流程耗時(shí)久，生物制藥領(lǐng)域候選蛋白質(zhì)分子開發(fā)、鋼鐵行業(yè)表面缺陷識(shí)別等核心環(huán)節(jié)尤為突出，難以針對(duì)這些痛點(diǎn)，工業(yè)軟件領(lǐng)域形成“AI原生創(chuàng)新+傳統(tǒng)軟件升級(jí)”雙路徑發(fā)展模式。AI原生企業(yè)憑借技術(shù)先發(fā)優(yōu)勢(shì)，推出聚焦特定場(chǎng)景的傳統(tǒng)工業(yè)軟件企業(yè)則加速AI能力融合，將視覺識(shí)別、智能排產(chǎn)等算法與原有軟件深度綁定，強(qiáng)化軟件本體的精準(zhǔn)性與高效性，形成AI技術(shù)與軟天工CAD軟件將AI技術(shù)深度融入設(shè)計(jì)流程，推動(dòng)設(shè)計(jì)范式從“操作工具”向“對(duì)話智能伙伴”轉(zhuǎn)型，幫助用戶快速上手軟件，減少重復(fù)勞動(dòng)，可使智能裝備領(lǐng)域長(zhǎng)期面臨兩大核心痛點(diǎn)：傳統(tǒng)裝備缺乏優(yōu)化能力，復(fù)雜場(chǎng)景適配性不足；高端檢測(cè)與加工裝備依賴進(jìn)口，國(guó)產(chǎn)裝備在精度、效率上存在差距，難以滿足航空航天、半導(dǎo)體等領(lǐng)域的高精尖合3D立體掃描等技術(shù)，強(qiáng)化精準(zhǔn)識(shí)別能力；傳統(tǒng)裝備升級(jí)領(lǐng)域，通過加裝AI模塊，集成智能工藝規(guī)劃、實(shí)時(shí)參數(shù)優(yōu)化、誤差動(dòng)態(tài)補(bǔ)償?shù)裙δ?，問題。傳統(tǒng)終端產(chǎn)品多依賴手動(dòng)操作，信息獲取效率低；工業(yè)場(chǎng)景中，工作人員在巡檢、遠(yuǎn)程協(xié)作時(shí)，難以實(shí)時(shí)獲取設(shè)備參數(shù)與操作指引，影響工智能終端領(lǐng)域聚焦端側(cè)大模型預(yù)部署與場(chǎng)景化創(chuàng)新，構(gòu)建“AI+終端”手勢(shì)識(shí)別控制等功能，結(jié)合AR技術(shù)實(shí)現(xiàn)虛擬信息與物理場(chǎng)景的疊加；傳統(tǒng)消費(fèi)產(chǎn)品企業(yè)加速AI技術(shù)融合，推動(dòng)產(chǎn)品智能化轉(zhuǎn)型，打通消費(fèi)端與在工業(yè)巡檢、遠(yuǎn)程協(xié)作等場(chǎng)景中，為工作人員實(shí)時(shí)疊加設(shè)備參數(shù)、操作指一個(gè)開放、融合、可進(jìn)化的AI智能基座，深度集成并聯(lián)合訓(xùn)練業(yè)界頂級(jí)七、當(dāng)前制造業(yè)AI應(yīng)用的問題與瓶頸具體的場(chǎng)景問題。調(diào)研顯示，當(dāng)前大部分制造企業(yè)仍然處在淺嘗或觀望的心“用不好”。這兩者的背后既有數(shù)據(jù)、語料、人才等基礎(chǔ)資源不足、模型能力和智能體工作機(jī)理局限性的客觀瓶頸，也有企業(yè)自身在認(rèn)知、組織方面尚未做好準(zhǔn)備的主觀因素。以下主要從企業(yè)的角度描述這些主客觀問喂”。制造企業(yè)固然在長(zhǎng)期經(jīng)營(yíng)過程中積累了大量業(yè)務(wù)數(shù)據(jù)，但這些數(shù)據(jù)更多服務(wù)于過程記錄和結(jié)果統(tǒng)計(jì)，其結(jié)構(gòu)、顆粒度和語義表達(dá)方式往往并非圍繞模型訓(xùn)練、知識(shí)庫(kù)搭建和智能體推理進(jìn)行設(shè)計(jì)，難以直接轉(zhuǎn)化為AI可理解、可利用的有效輸入。這一方面增加了每個(gè)場(chǎng)景應(yīng)用開發(fā)前期數(shù)據(jù)語料治理的工作量和成本，另一方面也導(dǎo)致某些高價(jià)值需求場(chǎng)景因缺定于上下文、工作流和智能體本身的設(shè)計(jì)上。制造業(yè)場(chǎng)景具有高度差異化生產(chǎn)流程、經(jīng)營(yíng)和運(yùn)營(yíng)管理模式等方面差異顯著。這客觀上決定了AI應(yīng)用在上下文構(gòu)建、工作流設(shè)計(jì)和智能體行為邏輯上難以形成“可泛化”的成熟解決方案，幾乎每個(gè)場(chǎng)景都是一次定制化的工程項(xiàng)目；只能在科學(xué)的設(shè)計(jì)下，實(shí)現(xiàn)部分智能體在企業(yè)內(nèi)部類似場(chǎng)景下的有限復(fù)用。對(duì)服務(wù)商來說，每個(gè)項(xiàng)目投入的人力都得單獨(dú)計(jì)算，這樣的成本轉(zhuǎn)嫁到企業(yè)身上，讓無論是行業(yè)整體還是企業(yè)或服務(wù)商，都會(huì)需要四種類型的復(fù)合型人才：一是具備戰(zhàn)略和管理視野的高層管理者，需要理解企業(yè)發(fā)展管理需求二是具備戰(zhàn)術(shù)執(zhí)行和管理能力的中層管理者，需要理解業(yè)務(wù)痛點(diǎn)和AI能求形成系統(tǒng)架構(gòu)，指導(dǎo)技術(shù)團(tuán)隊(duì)搭建智能體解決方案；四是富有經(jīng)驗(yàn)的交付和運(yùn)營(yíng)人員，能夠?qū)嶋H完成具體場(chǎng)景智能體的交付、測(cè)試和運(yùn)維并具備向上成長(zhǎng)的空間。這些崗位都具有跨行業(yè)學(xué)科和高經(jīng)驗(yàn)屬性的特點(diǎn)，培養(yǎng)難度極高，政府政策的引導(dǎo)、市場(chǎng)需求的倒逼、教育培訓(xùn)的發(fā)力和供需雙我們身處信息開放的社會(huì)中，在鋪天蓋地的宣傳討論聲中，企業(yè)對(duì)AI有或多或少的認(rèn)知，但往往缺少體系化的認(rèn)知和對(duì)自身現(xiàn)狀的梳理分析，大多在AI如何落地企業(yè)方面的認(rèn)知存在一定片面性，主要體現(xiàn)在以下三個(gè)方面：一，企業(yè)對(duì)數(shù)據(jù)安全的擔(dān)憂正隨著AI逐步向核心業(yè)務(wù)環(huán)節(jié)流程優(yōu)化等全方面的提升，未能從組織層面整體規(guī)劃“AI企業(yè)”架構(gòu)和事實(shí)上無論是安全還是幻覺問題都有針對(duì)性的技術(shù)解決方案來應(yīng)對(duì)，兵來將擋，企業(yè)大可不必過度擔(dān)憂。成功案例顯示，企業(yè)一旦從戰(zhàn)略上認(rèn)清AI建設(shè)是一項(xiàng)系統(tǒng)工程，從戰(zhàn)略、組織、資金、技術(shù)、人才、場(chǎng)景多維度統(tǒng)籌規(guī)劃，建立其相關(guān)基礎(chǔ)能力和運(yùn)營(yíng)管理體系，有序投入資源，選40主客觀原因的剖析，本章通過對(duì)企業(yè)成功案例的系統(tǒng)調(diào)研和分析，總結(jié)提煉了制造企業(yè)AI能力晉升的基本范式，幫助企業(yè)主觀上提高站位，更完整和體系化地認(rèn)知AI對(duì)自身的作用。更多客觀環(huán)境和基礎(chǔ)資源性問題則需要更宏觀層面的關(guān)注和資源投入，本章也同步探討并提出現(xiàn)有框架下有利于上海市下階段“AI+制造”發(fā)展的五方面宏觀政策性建議，供政府主一、制造企業(yè)AI能力晉升的基本范式單一場(chǎng)景的能力增強(qiáng)，而是企業(yè)知識(shí)體系的數(shù)字表達(dá)、生產(chǎn)邏輯的智能重構(gòu)以及組織結(jié)構(gòu)的協(xié)同再造，是一項(xiàng)戰(zhàn)略性工作，需要結(jié)合自身情況進(jìn)行不論哪個(gè)企業(yè)推進(jìn)AI應(yīng)用落地，其過程必然都不可避免地經(jīng)歷從初步接觸、能力試水、局部融合直至全面系統(tǒng)化重構(gòu)的各個(gè)階段。以下是基于對(duì)上海企業(yè)的調(diào)研與典型案例梳理，總結(jié)提煉形成的由三個(gè)不同階段所組成在發(fā)展的第一階段，企業(yè)通常處于生產(chǎn)運(yùn)營(yíng)數(shù)據(jù)不斷完善、業(yè)務(wù)人企業(yè)的核心特征是以提升效率為主要目標(biāo)，將AI作為增強(qiáng)型工具嵌入現(xiàn)有業(yè)務(wù)流程，主要應(yīng)用于文檔生成、知識(shí)問答、圖紙解析、代碼輔助、報(bào)告撰寫、日?qǐng)?bào)周報(bào)分析等任務(wù)。這一階段的價(jià)值更多體現(xiàn)為解放生產(chǎn)與管理中的重復(fù)性腦力勞動(dòng)，提升工程師和管理人員的工作效率，同時(shí)為企業(yè)后續(xù)更深層次的AI應(yīng)用積累初始語料與數(shù)據(jù)資產(chǎn)。盡管這一階段的應(yīng)用多集中于單點(diǎn)場(chǎng)景，但能有效幫助企業(yè)培養(yǎng)AI使用習(xí)慣、識(shí)別潛在價(jià)值領(lǐng)域，并逐漸建立對(duì)AI可控性和可靠性的認(rèn)知基礎(chǔ)。更重要的是，這一階段的積累有助于企業(yè)初步構(gòu)建智能體體系，例如提示詞管理、知識(shí)庫(kù)搭礎(chǔ)，企業(yè)會(huì)逐漸進(jìn)入第二階段，即基礎(chǔ)技能和業(yè)務(wù)流程的AI化階段。在這一階段，AI不再僅僅作為“場(chǎng)景助手”存在，而是開始融入業(yè)務(wù)流程的關(guān)鍵環(huán)節(jié)，承擔(dān)具有部分自主性的執(zhí)行任AI在此階段通常依賴智能體體系實(shí)現(xiàn)對(duì)業(yè)務(wù)工具鏈的深度整合，例如在研發(fā)設(shè)計(jì)環(huán)節(jié)自動(dòng)完成建模、參數(shù)試算、方案對(duì)比，在生產(chǎn)管理環(huán)節(jié)自動(dòng)進(jìn)行質(zhì)量預(yù)測(cè)、排產(chǎn)分析、物料核查，在供應(yīng)鏈環(huán)節(jié)完成運(yùn)行數(shù)據(jù)分析、庫(kù)存結(jié)構(gòu)優(yōu)化、供應(yīng)異常識(shí)別等任務(wù)。此時(shí)AI的作用從“輔助人”逐步轉(zhuǎn)向“協(xié)同人”，人機(jī)協(xié)作模式初步顯現(xiàn)。為適配這一變化，企業(yè)必須開提示詞模板管理等核心能力。隨著AI與業(yè)務(wù)流程的深度耦合，企業(yè)的工作方式、流程邊界和崗位分工也開始發(fā)生結(jié)構(gòu)性改變，組織的智能化能力工具調(diào)用、規(guī)劃推理等機(jī)制形成協(xié)作網(wǎng)絡(luò)，構(gòu)建面向企業(yè)全局的智能化體系。在此階段，企業(yè)開始具備構(gòu)建自身領(lǐng)域的垂類大模型、復(fù)雜工況知識(shí)庫(kù)的基礎(chǔ)，使AI能夠在更高維度理解業(yè)務(wù)邏輯、生產(chǎn)機(jī)理和工藝約束，基于片面認(rèn)知的決策延誤和適合資源的及時(shí)匹配。達(dá)成第二階段的最大瓶頸在于應(yīng)用場(chǎng)景的選擇錯(cuò)誤和平臺(tái)建設(shè)過晚，前者容易造成場(chǎng)景建設(shè)失敗從而遲滯后續(xù)發(fā)展，后者容易造成前期資源管理無序、額外增加大量中后42后期治理成本。達(dá)成第三階段的最大瓶頸在于復(fù)合型人才不足，全業(yè)務(wù)鏈多業(yè)務(wù)場(chǎng)景的全面鋪開必然對(duì)AI項(xiàng)目的決策、執(zhí)行、管理、運(yùn)維提出新要求，企業(yè)應(yīng)該在第一、二階段就高度重視人才的積累和培養(yǎng)，尤其是在一線IT運(yùn)維人員和業(yè)務(wù)人員中挖掘培養(yǎng)第四種交付運(yùn)營(yíng)的復(fù)合人才，才要解決數(shù)據(jù)、語料、人才等基礎(chǔ)資源不足、模型能力和智能體工作機(jī)理局限性等客觀瓶頸問題，光靠企業(yè)自身的努力顯然不夠，需要全社會(huì)金融界都應(yīng)各自圍繞自身定位協(xié)同推進(jìn)相關(guān)工作，充分發(fā)揮“集中力量辦大事”的體制機(jī)制優(yōu)勢(shì)，盡力破解需要中長(zhǎng)期投入的結(jié)構(gòu)性體系性問題，為上海市“AI+制造”鋪平道路，為我國(guó)人工智能產(chǎn)業(yè)在更多行業(yè)的應(yīng)用強(qiáng)化戰(zhàn)略引領(lǐng)，將“AI+制造”納入上?！笆逦濉币?guī)劃重點(diǎn)任務(wù)，明確中長(zhǎng)期發(fā)展路徑、重點(diǎn)領(lǐng)域和階段目標(biāo)。由市政府主要領(lǐng)導(dǎo)牽頭，建立專班與跨部門協(xié)調(diào)機(jī)制。聚焦上海重點(diǎn)行業(yè)，以“揭榜掛帥”形式遴選將專項(xiàng)資金和創(chuàng)投、產(chǎn)業(yè)基金等聚焦到相關(guān)企業(yè)和項(xiàng)目上，通過“一張清單統(tǒng)籌、一套流程貫通”的閉環(huán)推進(jìn)體系簡(jiǎn)化操作流程，將建設(shè)成效與資金撥付相關(guān)聯(lián)，確保資金使用合規(guī)有效。手段。堅(jiān)持每年以高標(biāo)準(zhǔn)嚴(yán)要求篩選具有案例基礎(chǔ)、技術(shù)方案成熟、場(chǎng)景成效顯著的典型場(chǎng)景，以標(biāo)準(zhǔn)化的描述要求匯編形成指南，并通過多渠道廣泛發(fā)布。鼓勵(lì)和支持國(guó)資國(guó)企、大型制造業(yè)鏈主基于場(chǎng)景指南開放業(yè)務(wù)企業(yè)AI應(yīng)用場(chǎng)景的落地已被證明需要技術(shù)人員創(chuàng)?？稍谝呀ǔ傻年P(guān)鍵要素平臺(tái)和融合創(chuàng)新基地的基礎(chǔ)上，依托既有的企業(yè)技術(shù)中心、聯(lián)合實(shí)驗(yàn)室、制造業(yè)創(chuàng)新中心等創(chuàng)新機(jī)構(gòu)建設(shè)體系，開展更多元化的聯(lián)合創(chuàng)新基地建設(shè)，探索以AI數(shù)據(jù)語料、智能企業(yè)等不同主體為研究對(duì)象的項(xiàng)目嘗試，形成AI技術(shù)與的上海標(biāo)準(zhǔn)。建立健全上海工業(yè)數(shù)據(jù)分級(jí)分類制度，制定工業(yè)AI應(yīng)用安建立上海“AI+制造”領(lǐng)域人才需求目錄，研究設(shè)計(jì)新職定人才傾斜政策。聚焦上海“AI+制造”核心需要，定向招引國(guó)際國(guó)內(nèi)工開展“AI+制造”專業(yè)技能培訓(xùn)，發(fā)放職業(yè)技能等級(jí)證書。鼓勵(lì)技術(shù)資源44附錄一上海市“工賦鏈主”企業(yè)名單序號(hào)序號(hào)123456789序號(hào)服務(wù)方向12345678946序號(hào)服務(wù)方向序號(hào)服務(wù)方向48附錄三上海市“AI+制造”產(chǎn)業(yè)聯(lián)盟企業(yè)名單序號(hào)序號(hào)123456789序號(hào)12345678950序號(hào)12345