新华财经上海10月22日电 我国正在全力推动人工智能赋能新型工业化。上海是人工智能与先进制造业的“双高地”，更是两者融合创新的沃土。
今年8月份，《上海市加快推动“AI+制造”发展的实施方案》发布，提出要在未来三年内，实现3000家制造企业智能化应用；打造行业标杆模型10个、标杆智能产品100个；推广示范应用场景100个，建设“AI+制造”示范工厂约10家，培育5家左右综合集成服务商。
上海正在通过“人工智能赋能新型工业化深度行”系列活动，加速AI落地制造行业。前不久，首场区级深度行活动在闵行举办。面向重点制造业承载区，从供需两端发力。通过这场在闵行区举办的“AI+制造”对接会，我们得以看见工业企业向AI转型的真实痛点与诉求。
强意愿、找试点，制造业积极拥抱AI
在供求对接会上，上海电气电站设备有限公司发电机厂（简称“上海发电机厂”)数字技术部负责人廖宇轩给出了企业在生产中的真实需求。以中频焊接智能加料场景为例，目前依赖工人经验判断，存在响应慢、精度低的问题。“我们希望通过AI实现温度与颜色的精准识别、自动触发加料，减少人工干预，在提升焊接质量的同时，将加料精度提升30%。目前这些场景我们都已具备一定的数据或设备基础，为AI的快速落地提供了良好条件。”
廖宇轩介绍，上海发电机厂目前已经在一些低门槛、高价值场景试点应用了人工智能技术，比如安全预警、档案管理、质量检测等；DeepSeek等大模型工具也已经覆盖了日常办公场景，包括会议纪要生成、报表自动化等。“下一步，我们希望选取一个到两个核心业务场景或者流程，比如自动出图、供应链预测等，打造标杆，让AI可以对人工销量进行赋能。”
日化企业上海花王表示，希望用AI将工厂制造、运营过程中的数据有效利用，以实现降本增效。公司相关业务负责人表示，当前企业有海量数据处于“闲置”状态。此外，企业各系统存在限制导致数据没有完全打通。“我们希望能够打通企业内部系统间的数据，通过本地化大模型和AI智能体（ Agent），让核心数据实现效率化使用。”
上海麦杰科技作为一家数字化服务供给商，近来一直活跃在“AI+制造业”的一线，公司董事、副总经理龚味接受记者采访时，给出了自己的观察，“DeepSeek爆火点燃了工业领域对于AI 的关注，此前大模型更多被认为是C端的应用。近一年多来，我接触到的几乎所有工业企业都对AI表现出了非常积极的态度，尝试意愿很高，并且有比较高的期许，希望能够带来工艺优化和生产效率的提升。”
记者了解到，“AI+制造”的价值已经在一些领域被率先证明，这也成为企业积极投身AI浪潮的动力所在。
中国信通院上海工创中心数字工业事业部总工程师何俊在接受记者采访时，列出了一些“AI+制造”的典型应用案例。比如，有钢铁企业通过发展“大模型+小模型”协同模式，在高炉智能诊断、冷轧智慧排程等场景中取得突破，实现高炉压差预测命中率超80%，冷轧合同完成率超 90%。目前还在围绕钢铁制造全流程，布局AI云表检、AI主操、AI营销等高价值场景，计划建设300个以上应用场景。
又比如，英众科技采用多模态AI视觉检测方案，结合光学成像与深度学习算法，实现PCB及元器件等微米级缺陷的实时识别与分类，检测效率提升20倍以上，缺陷检出率超过90%，有效提高了产品质量与生产稳定性。
人才短板与数据治理成为应用落地关键挑战
虽然已经有了一些好的案例示范在先，何俊坦言，超九成制造业企业面对AI技术浪潮，出现了“无处下手”的状态。制造业想要完成与AI 的“双向奔赴”还需迈过几道槛。
第一道关，卡在人才。“制造类行业有自己特殊的运转逻辑，即懂AI技术又懂行业的人才是非常缺乏的。我们经常遇到的情况是，公司领导非常有意愿推进AI应用，但很难在基层业务部门落实。基层没法判断哪些业务可以用AI优化，或者怎么样优化。如果连需求都梳理不清楚，是很难继续往下推进的。”何俊说。
第二道关，卡在数据。工业场景的专业壁垒高，复杂性强，容错率极低。何俊介绍，一方面，工业领域对数据、模型的准确性要求极高。另一方面，工业数据大多为异构数据，种类繁多、格式不一，使得数据治理工作异常复杂。此外，工业数据包含大量“领域知识”（Domain Knowledge），通用语言模型难以直接理解，需要通过领域专家增加上下文数据才能有效解读。
“整体来看，业界尚未形成一套被广泛认可的工业数据治理方法论。”何俊表示，数据问题不解决，直接拿来训练，容易带来的问题就是，“脏数据”进去，“脏答案”出来。
龚味也提到，很多企业虽然看起来有大量数据，但距离能用好用，还有很长一段路要走。在“AI+制造”的工业模型中，数据管理是核心基石，其决定了数据能否从“工业废料”，转化为驱动模型训练优化、生产流程精准调控的关键资产。
第三道关，卡在应用。记者了解到，工业AI应用需要实现存量系统的AI重构，同时实现跨部门、跨系统的流程打通。此外，工业领域的模型与应用缺乏有效的评测手段，而无法评测即无法持续改善模型和应用。
锚定“标杆场景” 加速构建产业生态
面对这些瓶颈，多位受访人士均强调，加快“标杆场景”的打造，对于“AI+制造”应用突破有重要意义。
何俊称，随着AI在制造领域的应用进入到核心业务场景，无论是人才的培养，还是数据与工业流程的梳理，都需要建立起队伍，围绕典型场景开展攻关。“一旦典型场景的落地难点被攻克，就可以很快复制到相似行业与场景中去。”
龚味表示，工业AI应用的效益并非线性增长，而是会随着应用的深入与积累，加速形成正向循环，带来几何级的效益增长。“作为从业者，我们希望通过生态的建设，加快推进更多的应用落地。”
今年8月份，《上海市加快推动“AI+制造”发展的实施方案》的制定与发布，为AI未来规模化应用规划了清晰路径。作为这一政策的延续与深化，10月17日，闵行区“AI+制造”场景需求及服务能力图谱也进行了发布。闵行区是上海的老牌制造工业基地，有着出色的工业数字化基础，打造上海“AI+制造”示范高地，成为闵行区下一步目标。
闵行区经济委员会副主任李伟表示，闵行区前期系统梳理了企业在研发设计、生产制造、质量检测等环节的共性痛点与关键需求，图谱聚焦能源装备、航空航天、工业母机、电子信息、生物医药、时尚消费品等六大重点行业。“该图谱也为后续精准对接企业需求、推动AI技术落地提供了重要依据。”
记者从上海市经信委了解到，目前上海正在加快优质资源的共享共建，一方面，将工业智算云、工业语料公共服务平台、专属金融产品、人才培训项目等已经积累的“AI+制造”资源要素分享给企业。另一方面，加强供需务实匹配，以企业的真实需求为牵引，推动服务商技术、产品和解决方案的精准匹配。上海将积极营造发展生态，推动政策、技术、资本、人才等要素高效流动。
