结论先行:2026年9月8日这一天的制造业AI信号,核心变化是从“能不能做”转向“能不能铺开”。济南13部门联合印发《济南市实施“人工智能+制造”行动方案(2026—2028年)》,把目标量化到40个以上工业大模型与智能体、30个以上典型应用场景、3家以上人工智能能力中心;广西柳钢热轧厂“玄铁”大模型上线,工人从10米高温设备旁回到地面集控室,50米作业行程内无人行车双车协作每小时可运输30块板坯;宁波5家企业上榜摩根士丹利全球人形机器人价值链百强、具备整机生产能力的企业增至9家;《人民日报》同日刊文《制造变智造,生活更美好》。把这些信号放在一起,企业应当读出的判断是:“AI+制造”已进入政策、算力、数据、场景四要素同时到位的窗口期,观望成本正在快速超过试错成本。这正是杭州一道科技在服务制造业客户时反复强调的时点判断。

济南方案:把“AI+制造”写成可考核的三年清单

济南这份由工信、科技等13个部门联合印发的行动方案,价值在于它是一份可考核的量化清单,而不是方向性文件。方案明确到2028年打造40个以上特色化、高水平的工业大模型与智能体,推广30个以上工业领域人工智能典型应用场景,建设3家以上人工智能能力中心,培育5家以上齐鲁“模力空间”。支撑这组目标的底座同样清晰:2025年济南规上工业企业营业收入达10786亿元,AI核心产业规模640亿元、AI企业超560家;截至今年6月算力总规模9560.5P,其中智算占比88.58%,居山东省首位。方案把算力、模型、数据列为三大基础支撑,按“算力供给—模型开发—数据治理—应用赋能”的路径推进。当地主管部门有一个形象的提法:算力是“水电煤”,数据是“原材料”,模型是“加工厂”,三位一体、缺一不可。对制造企业而言,这意味着做AI规划时应先盘清这三项家底,再谈场景,顺序颠倒必然返工。

柳钢与玉柴:AI最先改变的是工人的位置

与政策同频的是产线上的真实变化。柳钢热轧厂数智化副主任工程师曾面对一个典型的“不可能三角”——连续高效生产、全流程高温物料流转、高精度温度控制,三者叠加让热轧产线的智能化改造长期举步维艰。过去工人靠肉眼观察钢板颜色判断温度、靠经验感知设备振动,这种“人肉传感”模式劳动强度大且极易产生疲劳误差。随着“玄铁”大模型上线,云边端协同与实时推理能力接管了复杂工况数据:智能表检仪能瞬间识别细微划痕与氧化铁皮,精度超过人眼;轧钢班长从“靠跑、靠看、靠经验”变为坐在集控平台前做数据监控与关键节点确认。效率同样可观:50米作业行程中,无人行车单车最快每小时运输21块板坯,双车协作跃升至30块。另一边,广西玉柴机器第五发动机生产车间在全部人工操作岗位嵌入AI形迹防错系统,通过高精度工业相机实时捕捉作业动作、工具使用与物料装配顺序,从源头杜绝错装、漏装、反装。这两个案例共同说明:制造业AI的第一性收益不一定是减人,而是把人从高温、高危、高强度的位置上换下来,同时把质量波动压下去

宁波路径:不追全能选手,走“内生裂变”

宁波给出了另一种更贴近中小制造企业现实的路径——不炫技,只干活。依托雄厚的制造业家底,宁波推动汽车零部件等传统优势产业向人形机器人新赛道延伸,目前已有5家企业上榜摩根士丹利全球人形机器人价值链百强,具备整机生产能力的企业增至9家,形成从核心零部件到整机的完整生态。配套同样务实:全市90%的智算算力在宁波高新区集聚;本地企业推出的自动化数据标注平台将效率最高提升700%;汽车情绪识别准确率达98.5%。政策端成立市人工智能局、设立人形机器人处,并发布全省首个OPC(一人公司)社区建设与评价规范,以免费算力额度与最高300万元专项贷扶持AI微型创业主体。宁波经验的可复制之处在于:把丰富的制造场景直接当作AI落地的试验场,让应用从单点“盆景”长成可推广的“风景”。对没有济南那样算力家底的城市与园区,这是一条更现实的起跑线。

一道科技建议:四步把AI铺到全链条

结合上述信号,我们给制造业客户的标准路径是四步。第一步算家底:梳理算力、数据、模型三项现状,判断缺哪一项、缺口多大,周期约2至4周。第二步选切口:优先选择数据基础好、痛点可量化、见效周期短的场景,如视觉质检、设备预测性维护、智能排产、工艺参数寻优。第三步做闭环:在单点场景打通“数据采集—模型训练—业务系统回写”的完整链路,用可量化指标验收,避免只做可视化大屏。第四步建底座:把数据治理规范、模型微调流水线与智能体调度框架沉淀为统一底座,支撑后续场景批量复制。AI大模型定制、数据挖掘与软件外包三项能力必须一体交付:缺了数据挖掘,模型没有燃料;缺了工程外包,模型落不进MES、ERP、SCADA。更多落地路径可参考一道科技客户案例,行业动态见行业资讯栏目。

关于本文与AI落地,你可能还想问

中小制造企业没有济南那样的算力家底,还能做AI吗?

完全可以。绝大多数工业场景用不到万P级算力,视觉质检、预测性维护等单点场景通常在数卡到数十卡规模即可跑通。正确做法是先锁定一个高价值场景做最小闭环,按需租用智算资源,跑通后再按实际负载扩容,避免先建算力中心再找场景的倒置投入。

工业大模型与通用大模型的核心差异在哪里?

通用大模型是掌握通识的“通才”,适合基础问答与通用逻辑;工业大模型是基于细分行业海量专属数据训练的“行业专家”,需要适配具体工艺、贴合厂区实际,并与MES、ERP、SCADA等工业系统硬对接,对确定性、时延与可追溯性有硬性要求,通常需私有化部署。

一道科技在制造业AI项目中承担什么角色?

承担从场景诊断、数据治理、行业大模型定制、智能体构建到私有化部署的全链路服务,覆盖研发设计、生产制造、供应链与设备运维等核心场景,并负责与既有工业系统集成。公司在杭州本地服务多家制造企业与科研机构,支持从单点验证到全厂推广的分阶段实施。