据广东省科学技术厅消息，随着人工智能技术加速渗透，我国“AI+制造”正从单点试点迈向规模化落地，深刻改变生产模式。国家近期出台《“人工智能+制造”专项行动实施意见》等政策，旨在推动人工智能与制造业“双向赋能”，加速制造业智能化、绿色化、融合化发展。

AI应用场景规模化落地成效显著

在制造业领域，AI应用已取得实质性进展。例如，华南理工大学王清辉教授团队将AI应用于复杂型腔模具加工，通过智能配置加工轨迹，将加工效率提升30%以上。深圳嘉立创公司利用自研的智能制造系统，可实现PCB订单的高效、自动化拼板与快速报价，日均处理超4万份订单。广州博依特公司构建了覆盖“AIoT基座+工艺MOM+工业智能体+行业大模型”的全栈产品体系，其工艺AI服务已覆盖造纸、食品等多个行业，服务超700家企业，并通过产业集群协同优化创造了显著经济效益。制造业数智化转型基础扎实，我国已累计建成大量智能工厂。

AI落地制造业仍面临多重挑战

尽管前景广阔，但AI在制造业场景的落地仍面临显著挑战：

1. 数据难题突出：制造业存在“数据孤岛”与“垃圾输入”并存问题。产业链分散导致数据海量且非连续；3D模型等输入数据格式多样、难以被机器有效识别工艺要求，形成“垃圾数据”。工业时序数据利用率不足10%，大量动态数据未被有效挖掘。

2. 技术适配性不足：通用大模型缺乏工业物理常识和制造背景，直接套用易产生错误或“幻觉”，出现“水土不服”。制造业追求标准化与AI赋能追求的定制化之间存在矛盾。

3. 知识与人才断层：生产工艺高度依赖老师傅经验，工艺知识“黑箱化”严重，难以转化为可规模化复制的算法模型，导致技术推广面临知识断层。同时，兼具AI与制造业知识的复合型人才短缺。

4. 企业投入顾虑：AI创新投入大、周期长，导致部分中小企业对转型成本和回报周期存有顾虑，落地推广意愿不强。

多措并举推动“双向赋能”破局

为打通堵点，充分发挥“AI+制造”的乘数效应，需从多方面协同发力：

1. 政策与标准先行：建议建立工业数据“普通话”标准，分行业制定数据交换标准，打通各环节数据壁垒，降低AI数据解析成本。国家加大AI场景开放与要素保障力度，有助于打破场景壁垒，降低创新成本与风险。

2. 夯实技术赋能底座：需布局工业垂直领域AI模型研究，解决通用模型与制造业实际不匹配的问题。例如，博依特通过构建机理模型库，将老师傅经验转化为可复制的算法模型，并利用工艺大模型加速知识传承。

3. 建设应用对接平台：促进工业软件企业、制造业企业、高校科研院所三方深度融合，通过平台凝聚合力，让AI更精准地应用于不同制造业场景。

4. 强化要素支撑：协同推进准入、场景、要素改革，强化数据、人才、资本等关键要素支撑，为AI在制造业的规模化应用提供持续动力。

原文：“AI+制造”如何释放乘数效应（来源：广东省科学技术厅）