制造業面對產品研發、生產制造及相關業務流程的復雜性持續增長，制造企業擁抱AI的進程正在加快。從設備預測性維護到機器視覺質量檢測、從創成式設計到供應鏈優化，基于AI的應用正在從技術到場景，層層遞進，全面賦能研、產、供、銷、服等各個關鍵環節。根據Gartner預測，到2027年，中國制造業的AI使用滲透率將以10%的年復合增長率上升。

　　與此同時，制造企業對于AI的認知也發生了巨大的轉變，率先實踐的行業先行者與跟隨者之間的差距已日益顯現。越來越多的制造企業從“試點探索”走向“深度應用”，針對AI的投資開始轉化為具體運營指標提升和實際財務價值落地。

　　為了幫助制造企業抓住AI新機遇，加速制造行業智能化升級，華為在日前舉辦的AI+制造行業峰會2025上，展示了如何通過“三層五階八步”方法論提升制造行業智能化水平，并帶來了AI在汽車、機械電子、醫藥等不同行業的豐富實踐。

　　華為中國政企業務副總裁郭振興在會后的媒體采訪環節表示，隨著AI大模型、生成式AI等技術的突破，以及ICT基礎設施的逐漸完善，AI 在制造業的應用深度和廣度上持續拓展。華為正在積極通過自身實踐+ICT技術，與合作伙伴共同促進AI與業務場景的深度融合，使其充分發揮降本、增效、提質的效能。

　　華為中國政企業務副總裁 郭振興

　　重塑制造業競爭范式

　　AI吹響數智化轉型“變奏曲”

　　全球“競爭戰略之父”邁克爾·波特在其經典理論中指出，企業構建競爭優勢的方法之一是成本領先戰略，即通過規�；�生產、優化流程、控制成本等手段，使自身成本低于行業平均水平，以價格優勢占領市場。然而，中國制造業發展至今，單純依賴傳統成本控制的增長模式已遭遇瓶頸。人力成本攀升、原材料價格波動、環保合規壓力加劇等，使得企業在傳統降本路徑上舉步維艱。與此同時，消費端對產品個性化、定制化的需求激增，也導致傳統規�；�生產難以滿足市場的快速變化。

　　這些不斷變化的因素激發了制造企業的創新意識與速度。郭振興表示AI技術能夠為制造企業開辟全新賽道，不僅在生產端帶來成本價值革新，釋放紅利，還能夠以數據資產的形式衍生出服務增值空間，激發制造企業更多新的增長范式。

　　例如在產品研發階段，研發工程師可以憑借生成式設計方式，在輸入約束條件的情況下，由AI創造出滿足功能要求的產品;在工廠規劃階段，生產運營人員可以借助AI對工廠進行仿真設計，完成工藝優化，讓生產流程、物流運輸更加科學;在產品服務階段，通過智能語音助手，可以提升客戶的交互體驗，并基于數據提供主動維護服務，快速響應客戶的需求。

　　以廣汽為例，華為通過整合IPD流程重構、iDME數據治理、大模型與AI技術，助力廣汽構建了“流程-數據-智能”三位一體的數字化轉型框架，推動廣汽從“制造驅動”轉向“數據+AI雙輪驅動”，實現效率、質量與商業模式的全面突破。

　　可以看出，AI與制造業的加速融合，已經逐漸形成一批智能制造典型場景，為制造企業數字化轉型、智能化升級提供有益參考。

　　從應用廣度來看，AI已走向制造業的千行百業，覆蓋產品設計、計劃排程、生產過程優化、質量檢測、園區物流、設備健康管理、營銷服務、供應鏈管理等諸多領域。根據埃森哲發布的《2024中國企業數字化轉型指數》顯示，越來越多的企業計劃借助以人工智能為代表的先進技術重塑各項職能，其中制造(48%)、財務(45%)和供應鏈(42%)成為三大重點關注領域。

　　另一方面，從應用深度來看，AI與制造場景的融合走向深化，包括智能語音交互、圖像識別、智能決策、機器學習、大數據計算、數據可視化等多種形式。信通院基于統計的全球典型案例研究表明，小模型為代表的專用智能應用，正從工業視覺識別等外圍應用走向數據與機理融合的深度分析;大模型在對話交互、代碼生成等方面已有廣泛應用。

　　以用戶為核心

　　譜寫AI價值落地“方法論”

　　縱觀AI的開發與應用現狀，在熱潮的背后，其發展過程中的痛點也不容忽視。在依托AI技術釋放價值層面，很多制造企業的實際收益并不理想，有的甚至成效甚微。觀其原因，郭振興總結很大因素在于沒有梳理清楚自身業務需求，找準AI切入點，并做深做透。例如互聯互通一直被認為是制造企業走向數字化的基礎，但實際上企業還存在以下“鴻溝”，使AI項目難以達到預期目標：

　　📍數據孤島與整合困難，73%企業數據利用率小于40%。

　　📍80%企業因老舊系統成本增加30%。

　　📍60%的企業在AI項目中，技術與實際場景需求脫節。

　　📍僅有25%的AI試點項目能規�；�推廣。

　　📍60%的中型企業因GPU算力不足或云服務成本過高，無法支撐AI模型訓練。

　　在郭振興看來，如果管理層將AI停留在淺嘗輒止的表面應用，則很難為企業帶來高價值回報。面對AI浪潮，華為強調基礎設施先行，企業首先需要圍繞數據的“采、傳、存、算、管、用”全鏈路構建互聯互通等技術能力。此外，企業需要明確數據資產價值定義與挖掘路徑，將技術能力轉化為實際商業價值。這兩大體系猶如企業智能化轉型的“任督二脈”：技術流解決數據流通與處理能力，價值流激活數據要素的生產資料價值，二者協同才能為AI價值釋放奠定好基礎。

　　其次，數據準備是企業構建優質AI模型的核心。企業需要對“采、傳、存、算、管、用”全鏈路的數據精細化處理，包括對元數據的清洗、結構性和非結構性數據的整理等，并制定數據資產目錄、質量評估標準等數據治理方式，才能高效支撐企業挖掘數據價值。

　　最后，場景選擇和創新是AI價值落地的重要路徑。企業需要考慮通過AI實現什么目標，并以此為據找到AI應用的切入點。在找準切入點后，企業需要遵循“小切口、深迭代”策略，聚焦高頻、剛需且價值顯著的場景作為試點。郭振興表示在華為內部，強調要將“1厘米的切口做出1公里的深度”，因為這類場景需求明確、應用頻次高，易快速釋放商業價值，既可以增強團隊信心，又能以商業驗證吸引持續投入，避免盲目鋪開導致的資源分散。

　　值得一提的是，郭振興強調，跨越數字鴻溝的另外一個關鍵點在于構建行業級確定性架構——唯有基于確定性架構持續迭代演進，才能實現產業智能化的規模性繁榮。例如華為構建的行業智能體架構，涵蓋感知、聯接、云與計算基礎設施、模型及應用各個層面。該架構通過分層解耦設計，可以促使各個行業更好的釋放各層技術優勢，同時以開源開放的生態體系，聯合行業 ISV(獨立軟件開發商)共同迭代場景化應用。通過發揮底層基礎設施等能力建設優勢，華為與深耕行業場景的合作伙伴形成互補，合力推動人工智能從技術落地到商業變現的價值閉環。

　　構建聯盟生態

　　與合作伙伴共同邁過“深水區”

　　2025 年初，DeepSeek憑借普惠、優質、開源的特點受到關注，眾多制造業企業也乘勢制定了大模型部署計劃，尋求生產效率突破與核心競爭力提升之法。

　　為支持行業模型快速落地，華為與DeepSeek深度融合優化：在技術層面，計算昇騰解決方案完成從預訓練到微調、強化學習、推理場景的全流程適配，并借助昇騰架構特性優化模型性能;在生態層面，依托昇騰開源開放的全棧軟件站(如CANN、MindSpore等)，華為聯合100多家制造業伙伴構建了基于昇騰的DeepSeek解決方案。針對不同客戶需求，提供了輕量級DCS AI訓推一體機、高性能訓推集群等方案，并攜手ISV、OEM、APM等多方伙伴提供端到端的支持，助力企業高效部署大模型，釋放AI價值。

　　為了加速AI技術從解決方案驅動轉向商業價值驅動，華為攜手伙伴深耕行業，共創聯合解決方案，推動央企重工、車輛裝備、半導體電子、新能源等多行業數智化升級。目前，華為與合作伙伴共同深耕7大場景孵化出20個解決方案，覆蓋工程設計仿真、智慧工廠建設多個維度，例如廣汽研究院智能化研發平臺、賽力斯智慧園區、長安汽車智慧工廠等。華為通過與行業伙伴并肩攜手深入場景，可以更好的實現優勢互補，共同應對數智化轉型“深水區”。

　　2025年，華為計劃在更多行業拓展聯盟級伙伴合作，通過開放資源、市場機會，與伙伴協同深耕行業場景。郭振興表示通過與聯盟級伙伴開展全業務鏈的合作，華為將與伙伴相互促進，攜手同行，共同加速各行業數字化、智能化轉型進程。

　　后記

　　技術的成長與突破，從來不是一蹴而就的。但可以預見的是，在國內智能制造和培育新質生產力的要求下，將實時或準實時的動態運行數據記錄疊加傳統工業模型，制造企業基于AI的模型化、軟件化應用將進一步提速。面對AI時代新藍海，華為正在不斷通過自身實踐聯合智能化技術與ICT能力，攜手合作伙伴共同加速打造制造企業數字經濟新優勢，將AI效率優勢和創新優勢兼收并蓄，推動實體產業創新突破，加速制造企業轉型升級。