AI“狂飙时代”，上线不是终点，要守好数据、安全与治理三道关

让 AI Agent 成为业务助手，而非业务决策者;

数字化转型最大的阻碍不在技术，而在跨部门协同;

AI应用的终点不是上线，而是有人管;

没有可靠的数据存储安全，一切AI应用都是空中楼阁;

企业既要拥抱AI提效，又要守住知识产权安全底线;

企业IT建设，切忌唯性能论，业务连续性才是生产型企业的生命线。

......

2026年9月12日，在成都南苑小树林，由ENI经济和信息化网与数叶有攻联合主办的“如何推动人工智能与制造业的‘双向赋能’”CIO智行社活动现场，两辆机车格外引人注目，这既使得大家对活动中的赛车计划充满期待，又映射了近年来“大模型能力快速突破、应用爆发”的AI 狂飙时代。与会的各位CIO以及解决方案顾问聚焦智能工厂规划、AI 智能体治理、工业数据存储底座、AI 安全治理等热点议题，在分享和讨论中金句频出，在“巴适得很”的氛围中，为30多位制造业CIO及数智化负责人接下来的AI落地规划及应用提供了参考。

黄小军 重庆张雪机车信息系统建设负责人

作为摩托车领域创新制造企业，张雪机车将打造摩托车行业首家世界经济论坛灯塔工厂作为中长期战略目标，并对标国家智能工厂梯度培育体系、CMMM 智能制造能力成熟度、WEF 灯塔工厂五大评估维度对企业数字化建设进行了自查诊断以及战略规划。

黄小军介绍道，在系统架构设计上，张雪机车没有沿用传统五层架构，而是在传统五层架构的基础上创新性的增加了L2 AI智能应用层。整套架构自下而上分为六层：OT设备层、数据采集与边缘层、核心业务系统层、数据中台层、AI智能应用层、管理驾驶舱层。并打通了从生产设备、边缘采集、业务系统、数据治理、AI赋能再到高管决策看板的完整链路。

AI Agent 场景落地方面，区别于通用大模型聊天对话，张雪机车将智能体深度嵌入业务断点，落地九大工业真实业务场景：接单评审交期答复、工单齐套欠料催交、工单超期巡检责任人回执、设计变更旧版料拦截、来料判退供应商整改验证、在制异常停线复验放行、点检漏检生成维修工单、委外发出加工费对账、出货批次追溯档案。并严格遵循 “AI做信息处理，人做最终审批决策”的原则。智能体自动读取ERP、MES、WMS业务数据，自动生成单据、清单、风险提示，但是停线、改交期、物料冻结、处置判定等高风险动作，全部设置人工审批闸门，必须由PMC、质量、工艺、设备负责人确认后方可生效，避免AI直接干预生产业务，兼顾提效与业务风险管控。

老叶 数叶有专攻

在“270个AI员工通威怎么管?”的演讲中，数叶有专攻老叶以一则真实生产事故作为切入，在第三方平台的角度对通威太阳能的白皮书的解读，回答了一个关键问题：当企业拥有数百个 “AI 员工”，我们该拿什么尺子去衡量、约束与管理它们。

老叶介绍道，基于事故复盘的经验，通威沉淀出一套三角评估体系。整套体系形成三层串联判定链路：六维成熟度评分保障评估一致性，类型化权重实现评估公平，L0?L5 自主等级映射做到结果可处置，红线机制拥有一票否决权，优先级高于所有分数。体系先按 “任务谁发起、决策谁拍板”，把 AI 划分为助手、顾问、执行、探索四类。从业务价值、功能完成度、智能化、输出质量、治理安全、运营复用六个维度开展评估，只采用 0/1/3/5 四档打分，所有评分必须凭客观证据，杜绝主观判断。

同时设置 L0?L5 自主权限阶梯，“技术能力不等于治理授权”，AI 即便能自动执行，也要按治理水平授予权限，冲击 L4 高自主等级必须过安全红线关卡。评估并非一次性工作，按 AI 等级执行季度、半年、年度周期性复评，形成采集?打分?复核?分级?处置?复评的闭环流程。

张灿 戴尔渠道解决方案顾问

当前行业已经从模型驱动时代迈入“数据驱动时代”，机器人、生物医药、先进制造等行业愈发印证，数据才是人工智能真正的核心根基。张灿介绍道，制造业企业的数据构成呈现明显的金字塔分布：非结构化数据占比约 60%，单条产线单日即可产生 TB 级数据，年增长率超过 40%，是感知智能的核心数据源;半结构化数据占比约 25%，承载着企业数十年沉淀的工艺诀窍，是检索增强生成、智能体 AI 重要的上下文素材;以ERP、MES、PLM、WMS、BOM清单为代表的结构化数据占比仅15%，数据格式高度规范，但分散在8-15个独立业务系统当中，虽然体量占比最小，却承担最高的业务决策权重。而想要落地 RAG、本体、AI 智能体，企业必须搭建AI就绪的智能化数据底座。

戴尔新一代智能数据平台 DADP 便是面向这一需求打造，底层兼容各类异构数据源，中间整合查询引擎、分布式存储、向量数据库、本体库，实现数据联邦、数据处理与安全防护;向上支撑元数据管理、RAG 知识库、模型微调训练、自然语言转 SQL、多模式智能体等企业级 AI 能力，适配 MCP 企业智能体框架。同时戴尔输出汽车、新能源、生物制药、智能制造多套行业参考架构蓝图，完整覆盖底层基础设施、存储网络、云平台、AI 业务应用以及全链路安全防护。

四川普瑞赛斯作为戴尔在川内唯一一家钛金级合作伙伴，立足成都，专注制造业数字化。公司以“数字化管家”为定位——顶层替企业做规划把关，中间以十余年数据中心基础设施交付能力确保落地，长期以主动赋能创造价值：实施中手把手教会团队使用技能，售后主动预警风险隐患、推送行业前沿方案。普瑞赛斯认为，数字化不是买一套设备，而是让每一分投入持续产生价值。"

代雨琴 群晖西南业务扩展销售总监

数据来源复杂，管理效率低下;高性能与低成本双重压力;AI 时代下的数据安全新威胁是目前制造企业数据管理面临的三大挑战。针对这些挑战，代雨琴介绍道，群晖轻量化、全场景、高安全的数据中枢方案，覆盖边缘数据采集、集中存储、冷热分层、备份灾备、审计归档完整的数据生命周期。依托群晖20多年自我研发的DSM操作系统，以及企业级多场景硬件产品矩阵覆盖入门机架机型、PAS 双活NVMe、FS全闪存储、HD系列高密度大容量存储，可适配不同规模制造企业业务需求。

方案以简化数据采集、全生命周期管理、全方位安全防护为三大核心策略，打通ERP、MES、PLM等制造业业务系统，实现办公终端、产线机床、检测设备的数据统一归集。借助Synology Tiering冷热数据分层技术自动将不常用的冷数据迁移至大容量设备中，将高性能存储留给热数据，以提升业务效率。结合推出的数据重删与压缩技术，在保障业务性能的同时有效控制存储成本。PAS7700双活NVMe全闪存储，可支撑AI仿真、算法训练等高并发业务负载，还可搭建私有AI底座，对接大小模型，挖掘数据业务价值。

而在医药行业，对于生产数据，比如HPLC、EBR的数据可以通过SMB/ISCSi直接自动化存储到PB级存储中;对于一些特殊部门或者实验室，比如AI制药、冷冻电镜解析等高IOPS的数据存储到闪存中，同时设置规则将数据分为冷数据和热数据并做数据分层;而对于需要上传药监局的文件，比如QC检测报告、生产批记录、临床试验数据则通过群晖的不可篡改功能锁定防护，防止恶意删除，全程操作留痕;若有异地GMP厂区、外部CRO协同则可以通过群晖灾备产品实现多副本存储。

安全方面，群晖NAS依托DSM系统实现了精细化权限管控、操作日志全审计，可通过ABB集中备份各终端设备，并设置快照，以及WORM不可变备份技术有效抵御勒索病毒。而为了企业有更专业和高效的备份方案，群晖推出ActiveProtect专用备份一体机，可以但单一平台集中管理企业物理设备、虚拟机、数据库等备份任务，为企业构建“备份?验证?恢复”闭环，多维度抵御勒索病毒，且满足等保2.0、GMP等行业合规规范。

吴忧 亿格云售前解决方案专家

AI不再只服务于办公提效，而是正在接触研发、生产与供应链的核心数据。吴优提到，企业一旦让AI进入生产核心，AI安全就不再是单一应用的安全问题，而是上升为企业基础设施级的安全命题。在AI赋能业务高速创新的同时，影子AI泛滥、数据泄露、插件供应链等一系列安全风险接踵而至，如何兼顾AI创新效率与企业安全底线，已经成为企业必须直面的现实课题。

企业需要一个覆盖这些场景的安全治理平台：首先看清 AI 在哪里、谁在用以及数据如何流动，其次对敏感数据、权限与高风险执行实施控制，最后保留交互和执行记录，支持审计与追溯。吴优介绍道，“发现?收编?治理”的闭环治理主线，可打通从影子AI到可信Agent(Trusted Agent)的完整落地路径。

依托这套治理思路，亿格云AIDR平台构建完整的能力全景，分别针对Shadow AI未授权资产、企业受控可信Agent两大对象提供防护，可适配Windows、macOS终端以及K8s容器多种部署环境。面向影子 AI 治理场景，平台实现资产发现、行为审计、策略管控一体化。能够识别 AI 网站、浏览器扩展、Agent 资产、MCP Server、Skill 等各类 AI 资产;采集 AI 会话内容，审计插件与 Agent 行为，开展应用风险评估;借助网站黑白名单、插件黑白名单、Agent 封禁能力，对违规 AI 进行限制处置。

隆鑫通用动力股份有限公司‌、东方鑫源集团、一汽大众捷达科技30+成都制造企业的IT负责人参与了本次活动，并就AI+制造在企业中的落地进行了深入的交流。