新华社调研智能工厂：潍柴「AI设计师」自主完成超1800类研发任务将8小时仿真报告缩短至几分钟、京东方10.5代线AI缺陷管理平台融合边缘计算与超分辨率算法实现微米级缺陷识别、徐工移动式起重机智能工厂搭建专属算力集群打造5类工业智能体、河北已培育65个工业大模型且84个场景实现大模型应用——制造业AI验收标准变成「缩短了多少工时」——一道科技解读

结论先行：2026年9月17日前后制造业AI最值得记的变化，是验收标准变成了「缩短了多少工时、替代了多少人工」。新华社调研给出一组可直接抄进立项书的数字：潍柴动力高端发动机智能工厂打造「AI设计师」，可自主完成超过1800类研发任务，将过去8小时才能完成的仿真报告缩短至几分钟；武汉京东方光电10.5代液晶面板智能工厂的AI缺陷管理平台融合边缘计算与超分辨率算法，实现微米级缺陷精准识别；徐州重型机械移动式起重机智能工厂搭建专属算力集群，打造5类工业智能体；河北已培育65个工业大模型、84个场景实现大模型应用。判断很明确：制造业AI已过了「有没有」的阶段，进入「省了多少」的算账阶段。

研发端：从8小时到几分钟

潍柴动力的案例最具代表性。「AI设计师」可自主完成超过1800类研发任务，把过去8小时才能完成的仿真报告压缩到几分钟。这个数字的价值不在快，而在改变了研发迭代节奏：仿真从「一天做几次」变成「随时可做」，方案空间从几个扩到几十个。前提是1800类任务背后有统一的仿真模板、参数规范与历史数据沉淀。没有数据治理打底，所谓的AI研发只会产出不可复现的结果。这也是我们在项目里始终坚持先做数据梳理的原因。

质检端：微米级缺陷与全厂设备接入

武汉京东方光电的10.5代液晶面板智能工厂，AI缺陷管理平台支持导入全厂精密检测设备，融合边缘计算与超分辨率算法实现微米级缺陷精准识别。技术组合值得拆解：边缘计算解决产线节拍下的时延，超分辨率算法补足成像硬件分辨率不足，不必推倒重来，用算法补硬件短板。类似逻辑在太钢不锈冷轧厂同样成立：冷连轧高效集成产线上自动拆捆、瓦楞纸机器人接力作业，智控中心实时监测26台机器人运行状态，冷轧工业大脑实现现场问题自动识别与作业行为智能监管。

生产端：专属算力集群与5类工业智能体

徐州重型机械移动式起重机智能工厂的做法是搭建专属算力集群，打造产品研发、生产管理等5类工业智能体，推动关键业务环节实现智能协同与效率提升。把算力放进工厂是制造业近两年的共同选择，原因有三：工艺数据不出厂、产线节拍要求低时延、长期运行成本可控。行业整体数据也支撑这一方向：领航级智能工厂中人工智能渗透业务场景比例超过70%，沉淀垂直领域模型超6000个，地方层面，河北面向钢铁、化工、医药等重点行业已培育65个工业大模型、84个场景实现应用，并出现跨企业规模化输出的案例。

一道科技建议：按工时与人工当量立项

我们建议三步。第一步先定基线值：把当前环节的工时、不良率、返工率、人工投入如实记录下来，没有基线就没有验收依据。第二步选数据基础好的环节切入：仿真报告生成、质检判读、设备点检、排产这类环节数据沉淀相对完整，容易在3到6个月内做出可量化结果。第三步把指标写进立项书：参照「仿真报告从8小时缩短至几分钟」「单台设备替代3至5名人工」这类口径，明确统计方法与验收方式，避免结项时各说各话。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：缺数据挖掘模型没有燃料，缺工程外包结果落不进MES/ERP/SCADA等业务系统。参考路径见一道科技客户案例，更多动态见行业资讯。