華為的AI+制造答卷：打破煙囪，讓工廠化身“數(shù)智生命體”

過去兩年，“AI+行業(yè)”幾乎成了所有科技峰會上的關(guān)鍵詞。

2025年以前，大多數(shù)企業(yè)對AI的態(tài)度還停留在概念驗(yàn)證、單點(diǎn)試水和局部提效，一套智能客服系統(tǒng)已經(jīng)算是階段性成果。

到了2026年，情況正在快速發(fā)生變化，漸漸褪去了初期的狂熱與浮躁，AI開始在多個行業(yè)實(shí)現(xiàn)規(guī)模化落地和價(jià)值可量化。

最直接的代表，就是制造業(yè)。

5月15日的“AI+制造行業(yè)峰會2026”上，華為中國政企業(yè)務(wù)副總裁郭振興在主題演講和媒體采訪中表示：2026年企業(yè)數(shù)智化投資的營收占比，將提升到3%—3.5%；千行百業(yè)在數(shù)智化基礎(chǔ)設(shè)施的投入規(guī)模將超過7000億元；AI行業(yè)解決方案的價(jià)值將從“單點(diǎn)創(chuàng)新”躍升到“系統(tǒng)解決業(yè)務(wù)問題”。

當(dāng)“AI+制造”進(jìn)入到深水區(qū)，越來越多問題浮出了水面：在熱鬧的技術(shù)敘事外，制造業(yè)怎么才能吃到新一輪紅利？

01 Agent覺醒，算力與生態(tài)的“雙向奔赴”

如果說2025年是大模型“狂飆”的一年，2026年無疑是Agent集中爆發(fā)的元年。

以O(shè)penClaw為代表的開源項(xiàng)目火爆全球，掀起了一場持續(xù)四個多月的“養(yǎng)蝦熱”，真正把AI從“動嘴”推向了“動手”：不再只是停留在對話框里的“外腦”，開始進(jìn)入到真實(shí)世界里的復(fù)雜業(yè)務(wù)流程。

這種進(jìn)化，對制造業(yè)尤為關(guān)鍵。

因?yàn)橹圃鞓I(yè)從來不是靠“靈感輸出”解決問題的行業(yè)，面對的是訂單、排產(chǎn)、設(shè)備、工藝、質(zhì)檢、供應(yīng)鏈、庫存、交付等流程，每一個環(huán)節(jié)都高度耦合，任何一個變量，都可能牽動整條生產(chǎn)鏈的效率與成本。

過去，企業(yè)想讓AI接入ERP、MES、PLM、OA、供應(yīng)鏈等系統(tǒng)，往往需要大量定制開發(fā)，成本高、周期長、系統(tǒng)割裂嚴(yán)重。有了Agent的能力，可以通過MCP、Skills等標(biāo)準(zhǔn)化協(xié)議，低門檻接入企業(yè)現(xiàn)有的系統(tǒng)和工具，實(shí)現(xiàn)自主讀取數(shù)據(jù)、分析問題、調(diào)用能力并執(zhí)行操作。

不夸張的說，Agent打開了“AI+制造”的新階段，同時也對底層的基礎(chǔ)設(shè)施帶來了前所未有的壓力。

比如Token消耗的指數(shù)級爆發(fā)。

Agent不是一次問答，而是連續(xù)任務(wù)，需要讀取文檔、調(diào)用工具、分析數(shù)據(jù)、生成計(jì)劃、執(zhí)行動作、校驗(yàn)結(jié)果，背后是海量長上下文推理和多輪交互，對算力中心的并發(fā)處理和長序列推理能力提出了極高要求。

再比如傳統(tǒng)集群范式的失效。

過去企業(yè)做IT建設(shè)，習(xí)慣于性能不夠就堆硬件。到了大模型和Agent時代，單純堆服務(wù)器的做法不再奏效，長序列推理、MoE模型通信、KV Cache、并發(fā)調(diào)度、推理時延等挑戰(zhàn)，正在無限放大傳統(tǒng)集群的瓶頸。

樂觀的是，算力與生態(tài)正在“雙向奔赴”。

以DeepSeek V4為例，昇騰超節(jié)點(diǎn)天然親和MoE架構(gòu)，不僅做到了Day0適配，還在算子層面進(jìn)行了深度適配。其中DeepSeek V4 的AutoFuse算子可在昇騰上實(shí)現(xiàn)加速，KV Cache可壓縮至2%-10%，長序列TTFT降低40%。

由于“AI+行業(yè)”不是一家模型廠商、一家硬件廠商、一家軟件公司能獨(dú)立完成的，華為在計(jì)算生態(tài)上采取了開源開放的策略，目前已有800多家ISV伙伴基于昇騰開發(fā)行業(yè)應(yīng)用，初步形成了行業(yè)標(biāo)桿案例可快速復(fù)制的生態(tài)。

也就是說，制造業(yè)作為最適合Agent落地的場景之一，無須擔(dān)心AI基礎(chǔ)設(shè)施“跟不上”，無需為Token焦慮，需要思考的是怎么把模型能力轉(zhuǎn)化為可執(zhí)行的業(yè)務(wù)動作、怎么把分散系統(tǒng)串聯(lián)成連續(xù)流程、怎么讓智能化轉(zhuǎn)型從“點(diǎn)狀創(chuàng)新”走向“全鏈路重構(gòu)”……

02 消除“煙囪”，讓工廠化身“數(shù)智生命體”

畢竟AI+制造的“質(zhì)變”，前提是讓AI能力落到一條條產(chǎn)線、一座座工廠里。

制造業(yè)數(shù)智化過程中最大的癥結(jié)，在于多系統(tǒng)并立的煙囪式架構(gòu)：ERP管資源、MES管生產(chǎn)、PLM管研發(fā)、WMS管倉儲、SCADA管設(shè)備、QMS管質(zhì)量，結(jié)果是信息孤島林立、重復(fù)建設(shè)嚴(yán)重、數(shù)據(jù)共享困難、系統(tǒng)聯(lián)動受阻。

如果把AI比作大腦，產(chǎn)線就是軀體，沒有神經(jīng)貫通、動作敏捷的軀體，再聰明的大腦也無法轉(zhuǎn)化成生產(chǎn)力。

華為中國政企業(yè)務(wù)副總裁郭振興給出的解法是——以統(tǒng)一標(biāo)準(zhǔn)、統(tǒng)一架構(gòu)、統(tǒng)一數(shù)據(jù)格式、分層解耦、持續(xù)迭代為原則，構(gòu)建由智能感知、智能聯(lián)接、智能底座、智能平臺、制造行業(yè)大模型以及百花齊放的AI場景應(yīng)用組成的制造行業(yè)智能化架構(gòu)，重新定義了工廠的“神經(jīng)系統(tǒng)”。

2023年初破土動工，2025年5月量產(chǎn)交付的“尊界超級工廠”，用實(shí)踐詮釋了以架構(gòu)為藍(lán)圖、以AI為核心的價(jià)值。

首先是AI CV大模型質(zhì)檢。

在尊界S800的總裝車間，部署了超過1600項(xiàng)視覺質(zhì)量檢測點(diǎn)。項(xiàng)目組曾在8個月時間里開發(fā)了150多個模型逐一適配。由于小模式的泛化能力弱，即使是一個細(xì)小的調(diào)整，都需要重新訓(xùn)練模型，很難支撐快速變化的系統(tǒng)。

痛定思痛后，江汽集團(tuán)依托華為盤古CV基礎(chǔ)大模型和昇騰算力底座，通過自身130萬張高質(zhì)量圖片數(shù)據(jù)增訓(xùn)，訓(xùn)練出了CV質(zhì)檢L1大模型。產(chǎn)線工藝再發(fā)生變化時，工人只需提供50到100張照片，導(dǎo)入到ModelArts低代碼平臺，就能訓(xùn)練出準(zhǔn)確率99.99%的新算法，并快速部署到線邊。

其次是數(shù)字孿生、數(shù)采和質(zhì)量追溯。

為了打破“數(shù)字孿生只用于展示”的誤解，尊界超級工廠通過IT/OT融合生產(chǎn)網(wǎng)，一張網(wǎng)將所有設(shè)備互聯(lián)，徹底結(jié)束了傳統(tǒng)工廠數(shù)張網(wǎng)的混亂局面，并在華為IIoT平臺的使能下，每秒可采集30萬條數(shù)據(jù)的數(shù)采系統(tǒng)，實(shí)現(xiàn)了物理工廠與數(shù)字工廠的實(shí)時同步。

讓人印象深刻的是極致柔性生產(chǎn)，尊界S800單車開放的配置多達(dá)上萬項(xiàng)，依靠人工經(jīng)驗(yàn)的話，很難在大規(guī)模定制下保持絕對穩(wěn)定。但在尊界超級工廠，通過數(shù)據(jù)治理+數(shù)倉、5G使能AGV島式裝配等技術(shù)，用數(shù)智化的“確定性” 支撐起了車型配置的“不確定性”。

某種意義上說，消除了系統(tǒng)煙囪的尊界超級工廠，早已不是傳統(tǒng)意義上的“流水線”，演變成了具備實(shí)時感知、自我糾偏、持續(xù)進(jìn)化能力的“數(shù)智生命體”。也讓外界看到了AI+制造的正確范式——不是把AI放進(jìn)工廠，而是讓工廠本身具備智能。

03 向內(nèi)開刀，數(shù)智化的關(guān)鍵在于“組織”

大模型、Agent等新技術(shù)的落地，只是制造業(yè)數(shù)智化轉(zhuǎn)型的表層結(jié)果。

很多失敗的數(shù)智化案例，并非是輸在了技術(shù)，而是組織結(jié)構(gòu)的不匹配。當(dāng)AI+制造從淺水區(qū)進(jìn)入深水區(qū)，從“工具賦能”轉(zhuǎn)向核心的“價(jià)值創(chuàng)造”，企業(yè)的組織結(jié)構(gòu)也需要向?qū)Ｂ毣⒕仃嚮⑷藱C(jī)協(xié)同演進(jìn)。

郭振興給制造企業(yè)的建議中，特意提到了“組織保障”。深挖一層的話，可以細(xì)分為三個維度。

第一，讓IT從邊緣部門升格為“數(shù)智化特區(qū)”。

業(yè)界有一組殘酷的數(shù)據(jù)：90%的企業(yè)數(shù)智化轉(zhuǎn)型之所以失敗，根源在于“無架構(gòu)、堆系統(tǒng)、補(bǔ)丁式建設(shè)”。業(yè)務(wù)部門各買各的系統(tǒng)，IT部門負(fù)責(zé)維護(hù)，出了問題再打補(bǔ)丁。短期看，每個部門都解決了自己的痛點(diǎn)；長期看，企業(yè)多了一堆煙囪，數(shù)據(jù)越積越多，卻無法變成生產(chǎn)力。

數(shù)智化部門的價(jià)值，是把分散在研發(fā)、生產(chǎn)、供應(yīng)鏈、銷售、服務(wù)中的數(shù)據(jù)和流程，統(tǒng)一拉到企業(yè)級架構(gòu)下。既要懂技術(shù)路線，也要有跨部門協(xié)調(diào)權(quán)；既要管預(yù)算，也要管標(biāo)準(zhǔn)；既要推動平臺建設(shè)，也要推動業(yè)務(wù)場景落地。沒有對應(yīng)的組織抓手，AI很容易淪為一個個“漂亮但孤立”的項(xiàng)目。

第二，培養(yǎng)既懂AI又懂業(yè)務(wù)的復(fù)合型人才。

制造業(yè)的AI落地，最難的不是調(diào)一個模型，部署一套Agent，而是能否把業(yè)務(wù)問題轉(zhuǎn)化成AI問題，譬如哪些設(shè)備數(shù)據(jù)可以用于預(yù)測性維護(hù)？排產(chǎn)優(yōu)化的約束條件是什么？工藝參數(shù)異常和質(zhì)量問題之間是否存在因果關(guān)系？

正如工信部在《“人工智能+制造”專項(xiàng)行動》中呼吁的，要培養(yǎng)“懂智能、熟行業(yè)”的復(fù)合型人才。未來制造企業(yè)真正稀缺的人才，不是寫代碼的人，也不是懂產(chǎn)線的人，而是能把產(chǎn)線SOP、質(zhì)量標(biāo)準(zhǔn)、設(shè)備狀態(tài)、供應(yīng)鏈約束和Agent能力連接起來的人。

第三，企業(yè)要從“流程驅(qū)動”轉(zhuǎn)向“數(shù)據(jù)驅(qū)動”。

AI全面深入生產(chǎn)系統(tǒng)，不僅僅是加速了舊有流程，還涉及重構(gòu)人與業(yè)務(wù)的關(guān)系。比如引入天籌求解器做物流排程、引入Agent做設(shè)備預(yù)測性維護(hù)、利用AI質(zhì)檢攔截缺陷......計(jì)算過程都是決策的速度是毫秒級的。

真正的數(shù)據(jù)驅(qū)動，不是把數(shù)據(jù)放進(jìn)報(bào)表，而是讓聽得見炮聲的一線業(yè)務(wù)人員，能夠基于AI給出的洞察進(jìn)行敏捷決策。業(yè)務(wù)前線必須擁有更高的數(shù)據(jù)可見性、更清晰的決策邊界和更快的響應(yīng)機(jī)制。否則的話，AI跑得再快，組織內(nèi)耗也會把它拖慢。

一言以蔽之，AI+制造不是IT一個部門的項(xiàng)目，而是一把手工程、業(yè)務(wù)工程、組織工程，向內(nèi)開刀，重塑組織架構(gòu)，打通數(shù)據(jù)驅(qū)動鏈路，是制造業(yè)跨越數(shù)智化鴻溝的必經(jīng)之路。

04 寫在最后

2026年的AI+制造，已然到了關(guān)鍵的分水嶺。

過去，制造業(yè)追求的是自動化，讓機(jī)器替代人的重復(fù)勞動；現(xiàn)在，制造業(yè)追求的是智能化，讓系統(tǒng)具備實(shí)時感知、動態(tài)決策和自我優(yōu)化能力。前者改變的是效率，后者改變的是企業(yè)運(yùn)行方式。

AI+制造的躍升，不是工廠里多了幾個模型，不是大屏上多了幾個智能看板，而是工廠擁有了“大腦、神經(jīng)、記憶和手腳”。只有堅(jiān)定擁抱數(shù)智化底座、徹底打破系統(tǒng)煙囪、并敢于自我革新組織形態(tài)的企業(yè)，才有機(jī)會完成機(jī)械化向智能化的代際跨越。