在智能化浪潮席卷全球的今天，AI（人工智能）技术正越发深刻地渗透并影响着人们的生活，为千行百业注入新动能。当前，AI技术已经成为提升产业核心竞争力的关键引擎之一。如何推动人工智能与制造业深度融合？企业有哪些数字化转型升级的实践？创新路径又在何方？本期民企会客厅与您共同探讨。
场景落地是竞争的关键变量
主持人：如今，AI产业发展态势如何，有哪些新趋势？企业涉足数字化转型升级，并向AI应用领域延伸的原因有哪些？
武文生：人工智能经历了三次浪潮，第三次浪潮表现为从“识别”到“生成”，基本技术一脉相承，但模型规模发生了巨大改变，出现了涌现效应。进入新阶段有三个标志，一是大模型算法，二是超级算力，三是海量数据。如今，人工智能产业规模呈现爆发式增长，成为全球最具潜力市场之一。人工智能应用场景正在快速发展，场景是人工智能赋能千行百业的主要载体，场景落地是竞争的关键变量。未来行业大模型需要大模型技术与行业知识结合，仍具有很大发展空间。我们认为场景是以新技术创造应用为导向，以供需联动为路径，实现产业升级和技术迭代的过程。以无人自动驾驶技术为例，它具有通用性，可以应用于多个行业，例如出租车、无人重卡等领域。
朱智玄：全球市场重构，出海竞争倒逼企业加速数字化。许多纺织企业将工厂搬到东南亚，如越南、孟加拉等地。但当地人员素质和管理跟不上，导致产量不足。客户希望我们的设备能远程控制管理、下达生产指令，降低管理压力。同时，传统模式触及利润红线。显性成本方面，比如机械技术工人成本占单台设备比例从之前约8%上升到12%—18%。隐性成本体现在库存和交付时间上，纺织行业追求快时尚，如今从下单到交付的时间已小于等于45天，甚至不到30天，这要求企业优化管理。技术代差越发明显，智能经编机成为新战场，国外机型集成远程控制可远程调参，实现从“单机”到“系统”升级，而国产设备智能化模块渗透率仅18%，85%的企业靠人工调机。德国企业推进服务增值化，按小时计费、依据数据监控实时收费，服务收入比从15%提升到32%，实现从卖设备到卖数据的转型，这也促使我们的企业转型。此外，工信部十四五规划要求纺织行业数字化工具普及率达到80%；海外合规面临挑战，欧盟2026年起对进口经编机征收碳税，将增加15%—20%出口成本，印度、印尼等国要求设备数据本地化存储，倒逼企业建立区域化数据中心。
章水德：今年，信泰联合晋江市产业数字化服务协作联盟、晋江市智云数字科技有限公司，接入AI工具DeepSeek。我们发现通过DeepSeek可以帮助企业解决几个大问题。首先，能提取看板、系统、报表、周报和会议记录等相应数据，形成决策信息；其次，可以搭建企业二十几年积累的材料数据、产品数据、参数数据等，构建一个完整的知识库。再者，将AI与研发设计相结合。研发需要大量投入，设计师也需要大量数据、灵感和思路。DeepSeek可以帮助输出文案等相关内容，导入设计软件，结合生成更多可量产的设计图稿，这是关键。有些AI设计只是好看，但在工业领域不实用，比如只能生成图，却无法生成衣服或鞋等产品，或者即使能生成，成本也高，难以被企业和市场接受。
从“小切口”入手解决大问题
主持人：在AI场景创新上，企业可以从哪些方面着力？在产业实践中，企业数字化转型经历了哪几个阶段？
武文生：场景创新的主要方式是供需联动，场景创新的核心要义是“创意+小切口+大赛道+简单+爆发”。场景创新不是需求研发，是创意和技术的结合；不是“摊煎饼式创新”，而是从“小切口”入手解决大问题；不是有限市场的活动，而是万亿、千亿级赛道的创新实践；不是复杂的商业逻辑，而是简单、易交易的产品和服务；不是一次性应用示范，而是商业和技术快速爆发式成长。场景创新的关键是释放“场景”机会，人工智能大模型技术的场景创新方向包括大模型在线服务、AI图像生成、AI视频生成、企业知识库、AI智能客服、AI代码自动化、AI专业内容生成等。今天数字人技术已非常成熟，它涵盖了公司类和角色类的智能体。如今直播发展迅速，许多数字人应用尤为广泛，尤其是行业应用类的智能服务，其发展空间巨大，工具类的智能体也非常广阔。
朱智玄：我们的企业从2020年开始数字化转型，历经三个阶段。
第一阶段：建立智慧运维平台，在设备上部署高精度传感器，采集温度、压力、转速、震动等关键数据参数，汇总产量、良品率、次品率等生产数据；借助5G边缘计算技术，将数据实时稳定传输到后台智能分析，构建设备运行全面数据画像，为后续智能分析奠定基础。
第二阶段：工厂建设与场景搭建，通过工序及任务颗粒度管控，搭建生产进度实时看板，实现从工单到工位的透明追溯；推进5S标准化仓库改造，提升拣货效率；依托5G全链接工厂网络，打通设备、产线、车间、工厂四级数据链路；为实现5G工厂，搭建柔性生产制造系统、设备远程运维监控平台、精益化能源管理系统、智慧仓储管理四大创新应用场景。经过数字化改造，从2024年开始，异常反应速度从超10分钟降至2分钟以内，订单准交率提升6%，生产效率提升20%，备料效率提升15%，库存大幅降低。
第三阶段：AI大模型应用，此前在5G工厂积累大量数据后，因大模型部署昂贵且不易部署、未开源，想法未能实施。今年1月DeepSeek问世，2月份我们进行本地化部署，依托5G平台大数据，重点从设备运维、仓库管理、出库优化、生产流程、按订单库存规划、员工培训等方面入手。
章水德：目前，AI产业应用仍处于探索阶段。在与信泰合作中，我们将重点放在研发端。只有研发做好，才有订单。我们要解决研发痛点，比如成本过高。客户研发产品时，前期打样和设计依赖设计师水平，时间长、成本高且成功率低。我们通过AI建立工艺知识库、材料库、设备库以及生产数据，并打上标签，与设计软件结合后可自动匹配生成图稿，加快进度。我们目前部署满血版的DeepSeek，还需要训练打造专属模型。目前，工艺库、材料库和设备库有一部分基础数据已形成本地化数据，但从数据到模型再到应用需要时间，还在逐步搭建中，需要先采集数据，再做大量标签。
形成共建、共创、共享协同共生关系
主持人：要如何走好“AI+”产业发展路径？
武文生：泉州有9大千亿制造业产业集群、50条重点县域产业链以及产业创新载体，是“AI+制造场景”的重要承载区。
第一个建议是优化“AI+”顶层设计，围绕县域重点产业链的研发设计、中试验证、生成制造、运维服务、经营管理等环节，推广“AI+”制造应用试点，打造典型场景应用示范标杆案例。第二，完善算力供给体系，支持垂直领域行业大模型创新，部署规模化工业边缘计算网络，推动AI产品创新以及高质量工业数据供给。通过市场化方式布局计算设施，有效控制中小企业AI业务成本，与专业化机构深度合作，避免投资风险，探索激发中小企业应用需求的方式。第三，在生产制造、市场营销和客户服务等方面引入数字员工，提升生产和运营效率等。
朱智玄：目前，DeepSeek系统部署只是第三阶段的开始，是长期过程。未来希望基于设备传感器建立故障预测模型，当设备温度过高或转速不稳时，系统直接提示更换设备，同时配合智慧用电，排查电路不稳定等安全隐患。我们还计划利用AI对机械制图和产品设计进行智能审图，减少对员工经验的依赖，缩短研发周期，以数字推进新型工业化，形成新质生产力。
章水德：企业必须尝试AI应用，否则不只是“慢半步”的问题，可能会远远落后。利用AI工具可以分析全球客户需求和策略、管理客户和订单、快速报价，传统方式很难做到。销售人员与客户沟通时，AI能及时专业解答客户问题，传统销售可能需要询问多个部门，效率低。时间就是金钱，AI能直接体现在效率和效益上。很多中小企业不了解AI概念和使用方法，也不清楚投入、产出效益。建议中小企业与配套服务商合作，共建、共创、共享，形成协同共生关系，企业提供场景、人员和少量资金，服务商应具备专业能力，推动业务和技术深度融合。
本期主持：黄文珍
嘉宾名片：
记者手记
用AI重新定义
“制造”边界
当算法的迭代速度遇上生产线的轰鸣节奏，一场产业革命已悄然开始，人工智能与制造业的深度融合势在必行。这场产业革命既非机器的简单替代，也非数据的粗暴堆砌，而是重构生产要素的底层逻辑，在效率与价值的“平衡木”上寻找新的支点。
这些年，泉州产业数字化转型的热潮如火如荼。随着在数字化转型的道路上渐趋深入，一些企业开始探索、布局人工智能的产业应用。尽管人工智能与制造业创新融合的图景仍处于“摸着石头过河”的阶段，但一些企业已清醒地意识到人工智能技术是传统制造业向新质生产力转变的关键引擎之一。近年来，在生产流程中沉淀下来的数据，正被人工智能技术唤醒，千万个“数据毛孔”带动了新的产业“呼吸”。生产线上每个传感器成为神经末梢，制造业具备感知、思考与进化能力，是产业与人工智能深度融合的目标与方向。
不过，人工智能为制造业赋能是循序渐进的求索过程。记者走访发现，算力成本筑起的高墙将中小企业拦在门外；行业知识与通用模型的割裂催生“智能孤岛”；懂算法的工程师与懂工艺的老师傅仍在各自的语境中未能交集。很显然，人工智能与制造业的融合不仅是技术的嫁接，更是生产关系的重构。痛点即是商机，正如武文生所说，行业大模型的市场潜力依然巨大。在一些企业看来，对于产业而言，寻求生态共生的叙事或许是一条可持续的路径，即龙头企业、行业协会等合力搭建行业大模型，中小微企业提供场景，形成技术普惠共生网络。这种协同创新或许不是选择题，而是制造业在全球化竞争中的生命线。
站在产业转型升级的十字路口，政策与市场的双轮驱动尤为重要。这场发生在车间与服务器之间的对话，将重新定义“制造”的边界——当AI的算力注入制造业的筋骨，一个更敏捷、更韧性、更具创造力的产业图景正在浮现。（文珍）