“智”创未来，AI+制造业创新峰会燃动鹏城

       2025年12月19日，由e-works主办的“2025 AI+制造业创新峰会”在深圳成功举办。本次峰会以“AI赋能工业，引航未来制造”为主题，近500名业界专家、知名制造企业代表以及国内外主流AI技术与解决方案供应商齐聚一堂， 深入研讨工业AI技术在制造业的应用前景与挑战，分享前沿技术成果与标杆落地经验，共同探索以人工智能驱动制造业数字化转型与智能制造升级的实施路径，为制造企业的高质量发展提供了新思路、新方案。
专家论道，解析工业AI应用之道

       国家智能制造专家委员会委员、e-works CEO黄培博士发表了主题为“智能制造与AI技术应用”的精彩开场演讲。黄培博士分析了中国制造业面临的产业变革机遇与挑战，解读了智能制造相关概念、数字化转型模式及智能工厂建设的进阶方向，并重点围绕AI在制造业的应用，剖析了工业AI的发展方向、应用场景、现实挑战与实施路径。黄培博士指出，工业AI应用应从业务需求与痛点出发，遵循“明确应用目标-识别关键场景-需求转化与目标具象化-评估可行性-技术选型与供应商选择-模型构建与训练-系统部署与系统集成-持续迭代优化”的八步走路径，同时可引入咨询服务以助力需求梳理、场景分析、合作伙伴与平台选型，实现“授之以渔”，推动工业AI在制造场景的高效落地与价值创造。
       华南理工大学机械与汽车工程学院院长李巍华教授以“面向机器人集群运维的工业大模型”为主题，深入分析了工业机器人智能运维的机遇与挑战，并详细介绍了面向机器人集群运维的工业大模型的构建研究。他指出，工业机器人集群规模庞大、工况复杂，面临海量运维需求，传统人力模式无法实现即时响应和全天候服务，通用大模型无法实现精准运维和专业交互能力。面向机器人集群运维的工业大模型，核心建设内容涵盖高可信工业机器人运维垂域大模型的构建，“诊断-预测-决策-控制”功能集成的智能体设计以及模型的多层级进化学习，能够实现诊断溯源、精度预测、运动控制、集群调控和维护保障等核心功能，提升工业机器人集群精准运维能力。
标杆引领，分享工业AI应用最佳实践

       本次峰会邀请了中集车辆助理总裁舒磊、蒙娜丽莎集团信息总监袁华明、深圳创维-RGB电子有限公司制造中心智能设备部部长助理袁杰、深圳佰维存储科技股份有限公司IT经理于成松、日立电梯（中国）有限公司技术研发总部信息中心主管王伟学等多家智能制造标杆示范企业代表，围绕自身企业特点与实际，分享了工业AI应用与智能制造实践的宝贵经验。 厂商荟萃，展示工业AI领先方案

       本次峰会上，PTC、百度、艺赛旗、豪森智源、研祥智能、佰维存储等多家国内外知名智能制造解决方案供应商代表带来了精彩的演讲，分享了各自独具特色的AI解决方案及在制造业应用的具体案例，并针对制造企业在推进智能制造及工业AI应用实践中面临的问题与挑战提出了解决之道。   圆桌对话，分享AI领域真知灼见

       在圆桌讨论环节，在国家智能制造专家委员会委员、e-works CEO黄培博士的主持下，PTC大中华区CTO施战备、百度AI技术生态华南企业运营负责人郑越、蒙娜丽莎集团信息总监袁华明三位嘉宾，围绕“当前制造企业AI应用存在哪些共性的难点问题？工业AI应用相对于通用的AI有哪些独特之处？不同规模制造企业工业AI落地路径和交付模式有何差异？如何实现授之以渔？”等热点问题，展开了深入探讨和分析，分享了各自的真知灼见。嘉宾们热烈的讨论，为企业推进工业AI应用和智能制造提供了启迪和思考。 方案展示，架起供需双方沟通桥梁

       峰会还设置了厂商展台，为企业和厂商之间架起了沟通交流的桥梁。参会嘉宾通过与厂商的面对面交流，了解工业AI及智能制造领域的前沿技术、产品与解决方案和典型应用实践，为企业今后的数字化转型提供了有力借鉴与参考。 集思广益，揭示工业AI发展热点与趋势

       本次峰会为与会嘉宾集中呈现了当前智能制造与工业AI领域的前沿探索与应用，在为制造企业推动工业AI应用与智能制造提供极大助力的同时，也揭示出了以下热点与趋势：

       1.工业AI与业务场景深度融合，成为制造业转型升级的核心驱动力

       当前，工业AI正深度融入研发设计、生产制造、质量管控、供应链管理、设备运维、能耗管理等核心业务场景，推动制造业从“经验驱动”迈向“数据驱动”，进而实现降本、提质、增效以及智能化、柔性化、绿色化的协同升级，成为制造业转型升级的核心驱动力。

       例如，蒙娜丽莎集团打造了瓷砖行业属性的研发Agent，实现了找砖提速、降本提效和智能出图。中集车辆集团利用AI技术实现焊接机器人实时运行状态监控与智能管理，有效提升机器人利用率，降低故障率及异常停机时间。深圳创维-RGB电子落地了AI智能动作侦测应用，解决了屏幕保压、玻璃撕膜、涂底涂剂等关键工序的作业效果难监督、难评测、难检出问题，有效防止不良品流出。PTC将AI技术融入需求与系统设计、详细设计、产品配置及变更、服务备件计划以及现场服务整个产品生命周期，并以实际应用案例充分印证了AI在赋能智能产品全生命周期管理的巨大价值。百度的文心大模型和飞桨深度学习平台，在赋能仿真设计、车间作业标准化AI检测、新能源电池错漏混反检测及绘制工业园区能耗地图与能耗趋势图等方面带来显著价值。

       2.工业领域需要可信、可解释的AI，数据治理是关键

       在工业领域，AI的可信性与可解释性不是“加分项”，而是保障生产安全、合规运营与成本可控等的“必选项”。究其原因，工业场景具有低容错率、高关联性、强监管约束等特征，AI的决策失误可能引发设备碰撞、工序中断、产品批量报废，乃至是化工泄漏、能源失控等严重后果。而构建可信、可解释的AI，高质量的数据是基础，数据治理是关键。对企业而言，需全面梳理研、产、供、销、服全链条数据资产，厘清数据来源、流转路径与应用场景；同时建立统一数据标准体系与规范采集流程，从源头解决数据格式不统一、口径不一致问题，打破“信息孤岛”，保障数据的完整性、准确性与时效性，为工业AI筑牢数据根基。

       3.推进工业AI应用应“小步快跑、循序渐进”

       在智能制造转型进程中，工业AI的落地绝非一蹴而就，而是需要以“小步快跑、循序渐进”为核心策略系统性推进。“小步快跑”强调聚焦具体场景、快速试点验证、迭代优化方案。“循序渐进”是在“小步快跑”验证价值的基础上，按照技术成熟度与场景关联性，逐步拓展应用边界。与会专家普遍认为，在工业AI实践中，应以业务场景和投资回报驱动，优先从高频、高价值、低门槛的场景切入，在不断迭代验证优化中，以“小步快跑”的方式逐步滚动扩展至更加复杂的场景，进而实现AI的规模化应用。在此过程中，技术支撑、组织协同与人才保障的同步跟进至关重要。

       黄培博士则建议，在具体AI项目的推进上，制造企业应遵循“明确应用目标-识别关键场景-需求转化与目标具象化-评估可行性-技术选型与供应商选择-模型构建与训练-系统部署与系统集成-持续迭代优化”的八步走路径，确保AI技术深度融入业务流程并转化为实实在在的效益。

       4.大模型与小模型协同部署，发挥分析式与生成式AI各自优势，以平台化破局“AI孤岛”

       推进工业AI落地与规模化应用，应以大模型与小模型协同部署为核心路径，充分发挥分析式AI与生成式AI的各自优势，精准匹配企业的实际业务需求。大模型凭借海量数据的预训练优势，具备强大的跨领域知识迁移能力与复杂语义理解能力，在工业领域可提供宏观层面的分析、预测和决策支持，为整体的工业流程优化等提供方向性指引；小模型则更侧重于特定的工业场景，以其高效、灵活的特点实现精准控制和快速响应，精准适配实时性要求高的细分业务场景。分析式AI擅长从工业生产的结构化数据（如设备运行参数、产品质检数据、能耗数据等）中挖掘规律、预测趋势，为生产决策提供支撑。生成式AI则可处理如工业图纸、设备运维手册、产线操作视频等非结构化数据，并能自动生成定制化设计方案、运维方案、操作指导等，大大提升知识复用和创新能力。与此同时，工业AI的规模化落地，离不开工业AI应用平台作为技术底座。通过构建具备标准化数据治理、全生命周期模型管理、低代码应用开发能力的统一工业AI应用平台，能够打破数据与模型的壁垒，从根源上避免“AI孤岛”现象。

       本次峰会在热烈的气氛中圆满落幕，同步展开的实时直播也吸引了大批线上观众的关注。峰会通过主题演讲、圆桌讨论、厂商展览等多元形式，集中分享了工业AI落地案例与实践经验，深入探讨了制造企业在智能制造转型与工业AI应用过程中的核心挑战与破局路径，为广大制造企业准确理解智能制造内涵、高效运用工业 AI 技术、务实推进转型升级照亮了前行之路。

       e-works作为致力于推进智能制造与两化深度融合的第三方专业服务机构，将通过考察、论坛和实训等多种形式，持续为广大制造企业提供更多与知名企业面对面学习交流的机会。

       近期活动预告：

       2026年1月15-16日，武汉，制造企业主数据管理规划与实施实训班

       2026年1月22-23日，杭州，从工厂仿真到数字孪生工厂建设高级研修班