2026年9月23日,由e-works数字化企业网主办的“工业AI应用沙龙”闭门会议圆满结束。本次沙龙由e-works CEO黄培博士主持,特邀荣耀终端股份有限公司供应链首席架构师刘坤、京东方科技集团股份有限公司RD数字化研发部部长吕志超作为核心分享嘉宾,与参会制造企业代表围绕工业AI落地路径、场景价值评估、数据安全合规及行业发展趋势等核心议题展开深度交流与思想碰撞。
厘清工业AI技术脉络,四大形态协同发展
会议伊始,黄培博士围绕工业AI的产业定位与技术发展路径进行分享。他指出,随着制造企业数字化能力的持续提升,企业内部数字化部门正逐步成为工业软件领域的新兴竞争者。针对行业对“工业AI=大模型”的普遍认知误区,黄培博士系统阐释了工业AI的发展路径:工业AI并不局限于大模型技术,而是涵盖分析式AI(判别式AI)、生成式AI、AI智能体(代理式AI)、物理AI四大核心形态,沿着“从分析到创造、再到自主行动”的路径逐步发展。
- 分析式AI(判别式AI):侧重于对数据的分析和理解,基于各类传感器数据和应用系统数据进行建模、分析、诊断与预测,在工业应用广泛,包括质检、设备故障预警、节能降耗、工艺参数优化、生产排产优化。
- 生成式AI:从“理解”走向“创造”,AI能根据学习模式生成全新内容,能够生成文本、图片、视频、声音、代码等,极大地扩展了应用边界。
- AI智能体(代理式AI):具备自主决策能力,能感知环境、交互并调用工具完成复杂任务,朝着智能“代理”方向发展。
- 物理AI:AI与物理世界深度融合,通过机器人等实体形式在物理世界中执行任务,实现从数字到物理的跨越。
黄培博士同时强调,分析式AI与生成式AI各有不可替代的适配场景,二者将在制造业中长期并存、协同发力。
标杆企业实践分享,拆解AI落地方法论
本次沙龙邀请两家制造标杆企业分享一线实践经验,从供应链到研发端全方位展现工业AI的落地价值与实施路径。
荣耀:体系化推进工业AI落地
荣耀终端股份有限公司供应链首席架构师刘坤,系统分享了荣耀智能制造领域的AI建设历程、场景评估体系与典型落地案例。
刘坤将荣耀供应链IT系统的建设分为三个阶段:以财务核算为核心的信息化阶段、以业务过程管控为主的数字化阶段,以及当前传统AI与大模型并行应用的智能化阶段。伴随技术演进,人机交互模式也将发生本质变革:未来员工将通过自然语言与统一AI门户交互,由数字员工完成任务拆解与执行,驱动底层数字化系统运转,从“人操作UI”转化为“人提目标,AI执行”。
针对AI场景选型与落地的行业痛点,刘坤提出了体系化的评估与实施方法论:
1.场景选型原则:综合确定性与容错、数据形态、规则稳定性、成本与频次、可审计五大维度,基于业务特性差异化选择技术路线。例如,要求100%准确率、规则长期稳定的场景,优先采用传统数字化方案;规则迭代频繁、可容忍一定误差的场景,则更适合引入AI能力。
2.场景切入维度:结合“人的能力/经验”与“工作任务复杂度”两个维度,优先布局“双低”(低经验依赖、低任务难度)与“双高”(高经验依赖、高任务难度)场景,规避高风险环节中AI输出无法被人工有效校验的问题。
3.五维评估+七步落地法:从商业价值、ROI、业务成熟度、数据基础、技术可行性五个维度对AI场景进行综合评估,并通过“定场景—业务流程现状分析—业务详细作业分析—TO BE业务流分析—跑起来—跑得稳——跑得久”的七步法,实现AI场景的快速落地与迭代优化。
4.AI领导力:AI是一场变革,在领导力支持下,统筹技术、业务、风控与人才四维协同,推动AI变革由试点走向规模化落地。
此外,刘坤还展示了视觉检测与动作识别、点胶参数自动调整、折叠屏自动选配、设备预测性维护、智能仓储与物流调度、数字员工交接等多个核心落地案例,具象呈现了AI技术对制造效率与质量的提升价值。
京东方:研发数字化与AI赋能
京东方科技集团股份有限公司RD数字化研发部部长吕志超,聚焦半导体显示领域的研发数字化转型,分享了京东方的实践路径与行业思考。
吕志超从研发数字化的组织演进切入,剖析了当前半导体显示器研发面临的三大核心挑战:手动设计仿真、经验试错、数据不连通。他介绍,京东方研发数字化体系经历了从“单点工具”到“一体化平台”的演进过程,核心是构建数字化增长飞轮。
围绕研发核心痛点,京东方结合AI等数字化技术,分阶段搭建能力平台,持续提升研发效率,并沉淀出三点核心实践经验:
1.数字化研发的“解题思路”。数字化的本质是一个投资行为;研发数字化要解决“关系”问题。
2.从需求出发,聚焦场景中人的痛点。根据研发活动流,从场景要素角度重新定义,梳理高价值研发场景地图。
3.构建数字化研发业务增长飞轮。解决一线研发场景下的真问题,为用户提供价值,始终增加势能,推动飞轮转动,形成“问题解决—沉淀数字化工具—工程师体验提升—用户价值提升”的正向循环。
对于AI大模型的能力边界,吕志超将其归纳为科
学能力、创新能力、业务能力、多模态能力、创意能力与基础能力六大维度。他同时提出,工业AI与通用AI将长期并行发展,工业AI的技术落地节奏虽相对平缓,但具备坚实的产业落地基础与长期发展势能。展望未来,吕志超认为工业AI将向端侧轻量化的物理AI方向演进,结合各专业领域的机理模型,构建多维协同的智能体体系;而企业自有数据与知识沉淀,是构建工业AI核心能力的根基。
深度互动直击痛点,共话工业AI未来
在讨论环节,参会嘉宾围绕工业AI落地的共性难题展开了针对性极强的深度交流,核心议题涵盖:企业工业AI应用的自研与合作策略、AI实践的对外输出路径、非互联网环境下的AI落地方式、AI在BOM设计与物料主数据管理中的应用、工艺参数优化的具体案例与仿真软件支撑等。讨论内容紧贴企业实际需求,实操性与启发性兼具,令参会代表收获颇丰。
讨论最后,黄培博士总结表示,AI技术正快速赋能制造企业数字化能力升级,同时也给传统工业软件企业带来了挑战。他呼吁行业共同关注工业AI应用中的数据安全与伦理问题,并表示e-works CIO俱乐部将持续打造此类高端闭门交流平台,汇聚行业智慧,助力制造企业把握工业AI发展机遇,推动AI技术与实体经济深度融合。
近期活动
10月15-16日 西安 基于MBD的设计制造一体化高级研修班
10月16-18日 北京 大数据管理师(高级)认证培训班
10月16日 武汉 2026国际智能制造创新论坛