角逐制造业数智化赛道，华为如何以AI新引擎突围

       与此同时，制造企业对于AI的认知也发生了巨大的转变，率先实践的行业先行者与跟随者之间的差距已日益显现。越来越多的制造企业从“试点探索”走向“深度应用”，针对AI的投资开始转化为具体运营指标提升和实际财务价值落地。

       为了帮助制造企业抓住AI新机遇，加速制造行业智能化升级，华为在日前举办的AI+制造行业峰会2025上，展示了如何通过“三层五阶八步”方法论提升制造行业智能化水平，并带来了AI在汽车、机械电子、医药等不同行业的丰富实践。

       华为中国政企业务副总裁郭振兴在会后的媒体采访环节表示，随着AI大模型、生成式AI等技术的突破，以及ICT基础设施的逐渐完善，AI在制造业的应用深度和广度上持续拓展。华为正在积极通过自身实践+ICT技术，与合作伙伴共同促进AI与业务场景的深度融合，使其充分发挥降本、增效、提质的效能。
 
重塑制造业竞争范式AI吹响数智化转型“变奏曲”

       全球“竞争战略之父”迈克尔·波特在其经典理论中指出，企业构建竞争优势的方法之一是成本领先战略，即通过规模化生产、优化流程、控制成本等手段，使自身成本低于行业平均水平，以价格优势占领市场。然而，中国制造业发展至今，单纯依赖传统成本控制的增长模式已遭遇瓶颈。人力成本攀升、原材料价格波动、环保合规压力加剧等，使得企业在传统降本路径上举步维艰。与此同时，消费端对产品个性化、定制化的需求激增，也导致传统规模化生产难以满足市场的快速变化。

       这些不断变化的因素激发了制造企业的创新意识与速度。郭振兴表示AI技术能够为制造企业开辟全新赛道，不仅在生产端带来成本价值革新，释放红利，还能够以数据资产的形式衍生出服务增值空间，激发制造企业更多新的增长范式。

       例如在产品研发阶段，研发工程师可以凭借生成式设计方式，在输入约束条件的情况下，由AI创造出满足功能要求的产品；在工厂规划阶段，生产运营人员可以借助AI对工厂进行仿真设计，完成工艺优化，让生产流程、物流运输更加科学；在产品服务阶段，通过智能语音助手，可以提升客户的交互体验，并基于数据提供主动维护服务，快速响应客户的需求。

       以广汽为例，华为通过整合IPD流程重构、iDME数据治理、大模型与AI技术，助力广汽构建了“流程-数据-智能”三位一体的数字化转型框架，推动广汽从“制造驱动”转向“数据+AI双轮驱动”，实现效率、质量与商业模式的全面突破。

       可以看出，AI与制造业的加速融合，已经逐渐形成一批智能制造典型场景，为制造企业数字化转型、智能化升级提供有益参考。

       从应用广度来看，AI已走向制造业的千行百业，覆盖产品设计、计划排程、生产过程优化、质量检测、园区物流、设备健康管理、营销服务、供应链管理等诸多领域。根据埃森哲发布的《2024中国企业数字化转型指数》显示，越来越多的企业计划借助以人工智能为代表的先进技术重塑各项职能，其中制造（48%）、财务（45%）和供应链（42%）成为三大重点关注领域。

       另一方面，从应用深度来看，AI与制造场景的融合走向深化，包括智能语音交互、图像识别、智能决策、机器学习、大数据计算、数据可视化等多种形式。信通院基于统计的全球典型案例研究表明，小模型为代表的专用智能应用，正从工业视觉识别等外围应用走向数据与机理融合的深度分析；大模型在对话交互、代码生成等方面已有广泛应用。

以用户为核心谱写AI价值落地“方法论”

       纵观AI的开发与应用现状，在热潮的背后，其发展过程中的痛点也不容忽视。在依托AI技术释放价值层面，很多制造企业的实际收益并不理想，有的甚至成效甚微。观其原因，郭振兴总结很大因素在于没有梳理清楚自身业务需求，找准AI切入点，并做深做透。例如互联互通一直被认为是制造企业走向数字化的基础，但实际上企业还存在以下“鸿沟”，使AI项目难以达到预期目标：

       ●数据孤岛与整合困难，73%企业数据利用率小于40%。

       ●80%企业因老旧系统成本增加30%。

       ●60%的企业在AI项目中，技术与实际场景需求脱节。

       ●仅有25%的AI试点项目能规模化推广。

       ●60%的中型企业因GPU算力不足或云服务成本过高，无法支撑AI模型训练。

       在郭振兴看来，如果管理层将AI停留在浅尝辄止的表面应用，则很难为企业带来高价值回报。面对AI浪潮，华为强调基础设施先行，企业首先需要围绕数据的“采、传、存、算、管、用”全链路构建互联互通等技术能力。此外，企业需要明确数据资产价值定义与挖掘路径，将技术能力转化为实际商业价值。这两大体系犹如企业智能化转型的“任督二脉”：技术流解决数据流通与处理能力，价值流激活数据要素的生产资料价值，二者协同才能为AI价值释放奠定好基础。

       其次，数据准备是企业构建优质AI模型的核心。企业需要对“采、传、存、算、管、用”全链路的数据精细化处理，包括对元数据的清洗、结构性和非结构性数据的整理等，并制定数据资产目录、质量评估标准等数据治理方式，才能高效支撑企业挖掘数据价值。

       最后，场景选择和创新是AI价值落地的重要路径。企业需要考虑通过AI实现什么目标，并以此为据找到AI应用的切入点。在找准切入点后，企业需要遵循“小切口、深迭代”策略，聚焦高频、刚需且价值显著的场景作为试点。郭振兴表示在华为内部，强调要将“1厘米的切口做出1公里的深度”，因为这类场景需求明确、应用频次高，易快速释放商业价值，既可以增强团队信心，又能以商业验证吸引持续投入，避免盲目铺开导致的资源分散。

       值得一提的是，郭振兴强调，跨越数字鸿沟的另外一个关键点在于构建行业级确定性架构——唯有基于确定性架构持续迭代演进，才能实现产业智能化的规模性繁荣。例如华为构建的行业智能体架构，涵盖感知、联接、云与计算基础设施、模型及应用各个层面。该架构通过分层解耦设计，可以促使各个行业更好的释放各层技术优势，同时以开源开放的生态体系，联合行业ISV（独立软件开发商）共同迭代场景化应用。通过发挥底层基础设施等能力建设优势，华为与深耕行业场景的合作伙伴形成互补，合力推动人工智能从技术落地到商业变现的价值闭环。

构建联盟生态与合作伙伴共同迈过“深水区”

       2025年初，DeepSeek凭借普惠、优质、开源的特点受到关注，众多制造业企业也乘势制定了大模型部署计划，寻求生产效率突破与核心竞争力提升之法。

       为支持行业模型快速落地，华为与DeepSeek深度融合优化：在技术层面，计算昇腾解决方案完成从预训练到微调、强化学习、推理场景的全流程适配，并借助昇腾架构特性优化模型性能；在生态层面，依托昇腾开源开放的全栈软件站（如CANN、MindSpore等），华为联合100多家制造业伙伴构建了基于昇腾的DeepSeek解决方案。针对不同客户需求，提供了轻量级DCS AI训推一体机、高性能训推集群等方案，并携手ISV、OEM、APM等多方伙伴提供端到端的支持，助力企业高效部署大模型，释放AI价值。

       为了加速AI技术从解决方案驱动转向商业价值驱动，华为携手伙伴深耕行业，共创联合解决方案，推动央企重工、车辆装备、半导体电子、新能源等多行业数智化升级。目前，华为与合作伙伴共同深耕7大场景孵化出20个解决方案，覆盖工程设计仿真、智慧工厂建设多个维度，例如广汽研究院智能化研发平台、赛力斯智慧园区、长安汽车智慧工厂等。华为通过与行业伙伴并肩携手深入场景，可以更好的实现优势互补，共同应对数智化转型“深水区”。

       2025年，华为计划在更多行业拓展联盟级伙伴合作，通过开放资源、市场机会，与伙伴协同深耕行业场景。郭振兴表示通过与联盟级伙伴开展全业务链的合作，华为将与伙伴相互促进，携手同行，共同加速各行业数字化、智能化转型进程。

后记

       技术的成长与突破，从来不是一蹴而就的。但可以预见的是，在国内智能制造和培育新质生产力的要求下，将实时或准实时的动态运行数据记录叠加传统工业模型，制造企业基于AI的模型化、软件化应用将进一步提速。面对AI时代新蓝海，华为正在不断通过自身实践联合智能化技术与ICT能力，携手合作伙伴共同加速打造制造企业数字经济新优势，将AI效率优势和创新优势兼收并蓄，推动实体产业创新突破，加速制造企业转型升级。