该区域包含正文内容,按tab键遍历信息

       上海日前发布《加快推动“AI+制造”发展的实施方案》，提出“三年打造10个行业标杆模型、形成100个标杆智能产品”的目标。此时，一场静默的工业革命已在车间肌理中悄然发生。近日，本报记者深入走访三家上海智造标杆企业，解码AI与制造业融合的核心路径——它们分别代表着工业智能化的三大典型范式：华院计算以钢铁行业大模型突破重工业“三高”壁垒；仙工智能用模块化平台让机器人像“搭乐高”般普惠落地；中国电气装备研究院则以全链条智能体重构电力装备全流程效率。

　　从重工场景的深度适配到中小企业的技术平权，从单点优化到全链革新，这些实践不仅响应着上海“算力-数据-算法”三位一体的生态赋能，更勾勒出AI作为产业催化剂的真实模样：它不仅优化生产效率，更在重塑人才结构、技术标准与全球竞争力，让智能制造从政策蓝图真正走进车间现场。

　　■劳动报记者 陈宁

　　当钢铁“遇见”大模型

　　行业开启工业智能化新范式

　　工业场景的“高准入门槛、高运营成本、高安全风险”，曾是AI技术落地的“拦路虎”。《加快推动“AI+制造”发展的实施方案》发布一周后，记者深入探访华院计算技术（上海）股份有限公司，见证其自主研发的钢铁行业大模型如何将AI技术深度融入工业血脉，在钢铁行业实现从“实验室突破”到“产业化落地”的跨越。

   

　　破解工业“三高”难题

　　华院计算智能制造事业部副总经理杨晶晶在采访中直言，钢铁行业的特殊性让通用AI模型难以适配——既要面对99%以上的检测准确率要求，又要应对工业数据收集成本高、样本量少的现实困境，“传统通用大模型做热轧表面缺陷检测，得要百万张标注图片，可钢铁厂哪有这么多精力和成本去做数据标注？”

　　华院计算的破局之道，在于认知智能引擎平台的技术创新。针对“高准入门槛”，该平台通过“数据+知识”双轮驱动，将专家经验转化为可计算的知识图谱，仅需数千张图片就能训练出准确率超预期的缺陷检测模型，样本量需求仅为通用模型的千分之一，通过模型迭代可以大幅降低中小钢铁企业AI接入成本。

　　在“高运营成本”破解上，模型的精准决策直接转化为企业效益：某钢铁行业巨头，其表面缺陷检测识别准确率从传统的人工70%提升数十个百分点，单条产线年省成本超几百万元；铁前智能配矿环节，通过全链条数据优化矿石配比，预计年降原料成本几个百分点以上。

　　针对“高安全风险”，技术提前埋下防护伏笔。杨晶晶透露，模型目前可以将通过耐高温传感器与边缘计算等算力的结合，深入到一线关键工艺段进行辅助以往人工操作触及不到的地方，“先降风险，再提效率，这才是工业AI的节奏。”

　　AI超级员工“举一反三”

　　从智能配煤到表面缺陷检测，再到计划向有色、矿山、能源领域拓展，华院计算的钢铁行业大模型正以“举一反三”的能力，从单点优化走向多场景覆盖，成为真正的“AI超级员工”。

　　“2019年刚入局时，我们先抓最核心的成本痛点——智能配煤。”杨晶晶回忆，某钢铁企业曾因配煤依赖人工经验，各类煤炭成分波动导致焦炭配比质量无法精准预测，“模型把老师傅的‘手感’转化为算法，结合煤质数据实时调配比，很快稳住质量、降了采购成本。”

　　这次实践让团队看到模型“迁移能力”的潜力。随后切入表面缺陷检测场景，通过多模态融合技术，模型既能解析微小的缺陷图像，又能理解“纹路发暗可能是夹杂缺陷”这类抽象经验，实现“检测+诊断”双功能——在某钢铁巨头热轧产线，毫秒级识别数十种缺陷的同时，还能反向推导成因，为工艺优化提建议。

　　如今，“AI超级员工”的能力还在延伸：团队正将技术复制到有色、矿山、能源等重工业领域，这些行业与钢铁的高准确率、高专家知识需求高度契合。人才结构也随之升级，某钢铁厂质检岗从15人精简至3人，节省人力转向AI运维、工艺优化，“现在钢铁厂常招人工智能专业人才，工业人才结构在重构。”

　　工业AI开启全球化布局

　　依托上海“AI+制造”政策红利与生态支撑，华院计算的钢铁行业大模型既在国内形成可复制的落地范式，也逐步开启全球化布局。

　　在国内，上海构建的“技术突破-场景落地-生态协同”闭环提供了关键支撑：2025世界人工智能大会期间成立的宝联登工业平台、工业智算云平台等三大基础设施，已为企业提供超100PFlops算力。

　　目前，华院已入选上海市“AI+制造”高质量专业服务商，其“智能表面缺陷检测”案例更成为全国新型工业化标杆。“上海‘算力-数据-算法’三位一体的赋能，让模型迭代周期从6个月缩至45天，落地效率提升30%。”杨晶晶说。

　　在全球市场，模型已随“一带一路”布局出海：墨西哥某钢铁厂通过其软硬一体的智能质量管控系统，可以有效提高产品良品率，降低碳排放。“出海不是技术搬运，安全是底线。”杨晶晶强调，团队优先与中资海外企业合作，通过算法与硬件深度绑定、国密算法加密，构建工业数据跨境安全防护体系，确保技术可控、数据安全。

　　杨晶晶认为，AI并非工业的“替代者”，而是激活产业基因的“催化剂”。它不仅能优化生产效率，更能推动产业人才结构升级、技术标准迭代。未来，随着有色、矿山、能源、化工等领域的AI超级员工陆续上岗，工业智能化的浪潮将重塑更广阔的产业版图。

　　几分钟破解高压开关设计难题

　　AI正在重构电力装备全产业链

　　“AI+制造”正从制造环节的单点优化，加速向全链条智能化渗透——它通过打破研发、生产、质检、运维等核心环节的信息壁垒，以智能算法重构流程逻辑、提升决策精度，并推动各环节数据互通与效率协同，成为制造业从“局部提效”向“全局智能”升级的核心驱动力。在电气装备领域，中国电气装备集团科学技术研究院有限公司（以下简称研究院）便将这种全链条智能理念转化为实践样本。

   

​

　　AI助手成为研发“超级大脑”

　　研究院的研发团队向记者描述了这样一个应用场景：过去遇到高压开关设计难题，新员工往往需要花费数天查阅标准、手册，或反复请教老专家。而现在，只要向AI助手提问，几分钟内就能获得推理结果和原文索引，像身边多了一位“超级大脑”同事。

　　这背后是研究院开发的“AI+研发设计系统”。据介绍，系统中的智能辅助设计软件集成了输变电装备的国标、行标、企标等海量专业知识，基于行业私有知识增强与大模型工具调用技术，能够实现设计知识智能问答、公式识别、表格理解和逻辑推理。

　　“AI助手对于海量的设计知识融会贯通，并且智能化地响应用户的提问，通过通俗易懂的语言实现智能交互。”研发团队表示，为员工配备助手，可以高效提供推理结果帮助员工理解设计条文，并提供检索原文件索引帮助快速定位推理依据。从全流程的设计上提供了颠覆性的效率提升。

　　除了智能问答，研究院还开发了AI智能审图系统，这一系统从质量管控端发力，可自动完成尺寸链闭环审核、文字字体校验等近十项检测任务，有效保障了设计图纸的准确性和规范性。

　　“人机协作”实现质检理想状态

　　在生产车间，AI也在改变传统的生产质检模式。围绕输变电装备生产制造的质检环节，研究院研发的高精度机器视觉质检设备，已实现每分钟百米的高速检测，可识别最小0.5mm×0.5mm的缺陷，检出率达到95%以上，误检率低于3%。这套系统包括表面质检和焊缝3D质检设备，支持供凹坑、凸起、形变等缺陷的实时检出。

　　质检员的工作内容也因此发生重大转变。研发团队告诉记者：“增加一个机器质检工位环节，不会增加质检员的工作。相反会让员工从重复劳动中解放出来，转为抽查、复查样例，管理、运维质检机器等工作。”他透露，现阶段处于机器投入运行初期，之后会逐渐向机器判断为主、人工抽查为辅助的方式转变。

　　从实验室到产线，AI技术的落地应用也并非一帆风顺。研发团队坦言，在实际推广过程中曾遇到应用前期产线使用频次低、检测速度与产线节拍不匹配等问题。“我们坚持‘从设计初始就深入场景’的理念，经过一期、二期的持续迭代优化，最终打造出既满足技术指标又适应作业环境的产品形态。”

　　在上海全面推进城市数字化转型的背景下，中国电气装备的实践提供了可复制的经验路径。研究院方面表示，未来将继续围绕典型场景小步快走，深化人工智能技术在数字化设计、智能运维等场景的落地应用，同时升级智算平台，进一步研究行业大模型及细分场景模型技术，为新型电力系统建设贡献核心科技力量。

　　让工厂像搭乐高一样搞智能

　　揭秘机器人“降门槛”密码

　　在上海仙工智能的展厅里，创始人兼CEO赵越指着一台灵活转身的巡检机器狗向记者介绍，激光雷达“眼睛”扫过展区，可以实时感知周围环境变化。“你看它的四肢、雷达，甚至‘大脑’控制器，客户通过我们星云平台就能自己选，像搭乐高积木一样，不用懂编程，7天就能落地。”

　　这番话，恰好呼应了上海《实施方案》中“让智能化惠及更多制造企业”的核心目标，而仙工智能开放的星云平台，正成为这一目标落地的关键载体。

　　从“数月”到“7天”

　　破解机器人开发痛点

　　“最初创业时，很多工厂想上机器人，但是听到报价几十万，部署周期还要几个月，可能就放弃了。”赵越提起制造业智能化的老问题，语气里带着共鸣。这正是很多企业的困境——机器人开发门槛高，懂技术的不懂场景，懂场景的又不会开发。

　　现在，这个困境被平台彻底打破。赵越介绍，他们的星云平台就像“机器人超市”，里面有1000多种机器人款型、300多个即插即用的配件，工程师不用从头画图编程，在浏览器里选好机器人类型、功能模块，输入参数就能定制。“配件早跟控制器适配好了，像乐高零件一样能直接拼，最后用Roboshop工具测一测，几天就能搞定。”

　　最让赵越印象深刻的是集成商伙伴的设备维护员，没学过编程，却凭着对产线的熟悉，对客户痛点的深刻理解，通过星云开发了机器人。“从想做设备到设备上线，最短只需要7天，按传统模式至少要3个月。”他笑着说，“现在懂场景的人能主导智能化，这才是真的降门槛。”

　　复杂产线里的“协同密码”

　　三端联动提效40%

　　如今典型的“工业迷宫”越来越多——厂区大、流程长，各种机器人需要协作，比如顶升机器人要从原料仓运送货物，智能叉车得接去产线，一步错就会堵整条产线。赵越说：“以前遇到问题，客户、集成商和我们，都得凑到现场，你说你的参数，我说我的调试，像传话筒一样，光沟通就要一周。”

　　但现在，一套Robocare日志可视化工具就解决了问题。他解释，机器出故障时，系统会自动记下班次、点位、原因，还能给解决方案，集成商不用跑现场，在线就能改。

　　赵越说，这套协同模式让项目交付成功率提了至少40%以上，“流程透明化了，三方都放心。”

　　更关键的是M4智能物流管理系统的“总指挥”作用。它跟工厂的MES系统连起来，知道哪个机器人忙、哪个环节缺料，能实时调路径，避免拥堵。“现在80%的人工搬运都替下来了，人力成本降50%，车间大屏上用数字孪生做的虚拟工厂，数据准确率提升至99%，机器人跑在哪、良率多少都能看见，厂长不用到处问情况了。”

　　从“不敢试”到“必须有”

　　临界点就在易得易用

　　“很多中小企不是不想上机器人，是怕投入大、怕周期长、怕不好用，几十万投下去不合适，就成了‘鸡肋’。”赵越理解这些顾虑，他认为，当机器人变得“易得、易用、易改”，就是企业从“值得尝试”到“必须拥有”的临界点。

　　他举了个小家电厂的例子：旺季要加产能，工厂自己用低代码工具调了机器人的分拣速度，不用等工程师上门。“平台上选机器人，成本透明，像买设备一样简单；用起来也灵活，订单变了能自己改。”赵越说，真正的AI+制造，不是只有大企业才能玩，而是让每家工厂都能平等享红利。

　　如今，仙工智能的平台不仅服务国内企业，施耐德、飞利浦的海外工厂也在用，还成了上海“AI+制造”标杆应用。赵越说，他们的“技术+平台”双飞轮会一直转——平台吸引更多开发者，让选择更多；技术跟着场景迭代，让机器人更聪明。

　　他希望，在未来的工厂，当师傅说起机器人，就像聊机床一样自然，那时候，中国制造的智能化才真正在工厂一线扎下根。