過去十五年，中國制造業(yè)以“數(shù)字筑基”為突破口，在信息化建設(shè)與業(yè)務(wù)流程重構(gòu)中成績斐然。在“十四五”與“十五五”的歷史交匯點(diǎn)，智能化演進(jìn)正成為驅(qū)動(dòng)新質(zhì)生產(chǎn)力的核心引擎。“數(shù)據(jù)×技術(shù)×場景”的深度融合，不斷重構(gòu)價(jià)值創(chuàng)造方式。用友與廣泛的制造行業(yè)客戶協(xié)同DeepSeek等各類AI技術(shù)服務(wù)商一同應(yīng)對(duì)日益復(fù)雜的“流程優(yōu)化與效率提升”挑戰(zhàn)，探奧索隱，廣師求益，收獲頗豐。作為企業(yè)軟件與智能服務(wù)行業(yè)領(lǐng)軍企業(yè)，用友有力承擔(dān)先行者企業(yè)責(zé)任，視困難為動(dòng)力、視風(fēng)險(xiǎn)為機(jī)遇、視挑戰(zhàn)為階梯，一手連接制造場景、一手連接AI能力，構(gòu)建服務(wù)于制造行業(yè)的智能應(yīng)用、迎難而上，切實(shí)服務(wù)于客戶真實(shí)痛點(diǎn)場景，助力制造行業(yè)智能化能力不斷演進(jìn)提升。
“經(jīng)師易求,人師難得”
如何實(shí)現(xiàn)不同制造企業(yè)客異化業(yè)務(wù)需求？
制造企業(yè)智能化應(yīng)用探索中，通用AI技術(shù)如同"經(jīng)師"般可規(guī)?；@取，但真正能將技術(shù)穿透業(yè)務(wù)本質(zhì)的“人師”能力尤為稀缺。不同企業(yè)沉淀的工藝參數(shù)、生產(chǎn)流程、質(zhì)量數(shù)據(jù)等核心資產(chǎn)具有高度專屬性，切忌將通用AI能力簡單套用為“標(biāo)準(zhǔn)答案”。若脫離業(yè)務(wù)場景強(qiáng)行嫁接技術(shù)工具，容易陷入“為AI而AI”的陷阱，既無法精準(zhǔn)解決痛點(diǎn)，還可能放大原有管理盲區(qū)。唯有以客異化業(yè)務(wù)價(jià)值為導(dǎo)向，在真實(shí)場景中校準(zhǔn)技術(shù)應(yīng)用，才能避免資源錯(cuò)配，鍛造真正“懂制造、能落地”的智能引擎。
構(gòu)建“大模型筑基、小模型深耕”協(xié)同，通過大模型蒸餾技術(shù)，將通用大模型的感知、推理能力提煉為輕量化行業(yè)基座模型，既繼承大模型泛化優(yōu)勢，又規(guī)避高算力消耗。在此基礎(chǔ)上，針對(duì)企業(yè)獨(dú)有的管理數(shù)據(jù)、業(yè)務(wù)日志等垂域數(shù)據(jù)，采用客戶化微調(diào)機(jī)制，通過增量訓(xùn)練使模型深度適配具體場景需求，實(shí)現(xiàn)從“通用智能”到“專精特用”的價(jià)值躍遷，真正讓AI能力扎根制造土壤。
“相輔而行，相須而成”
生成式AI和決策式AI，交相輝映
制造企業(yè)智能化落地應(yīng)用中，決策式AI與生成式AI如同“理性左腦”與“創(chuàng)新右腦”有機(jī)協(xié)同。前者以運(yùn)籌優(yōu)化、機(jī)器視覺構(gòu)建確定性決策體系，在排程、質(zhì)檢等場景沉淀工業(yè)機(jī)理；后者依托大模型突破經(jīng)驗(yàn)邊界，驅(qū)動(dòng)工藝創(chuàng)新與知識(shí)重構(gòu)。二者形成“決策執(zhí)行+知識(shí)反哺”的增強(qiáng)循環(huán)：決策AI為生成模型提供場景化數(shù)據(jù)燃料，生成式AI為決策系統(tǒng)注入動(dòng)態(tài)優(yōu)化能力。
1、 排產(chǎn)場景，決策式AI基于歷史數(shù)據(jù)生成最優(yōu)排程，生成式AI智能體通過模擬突發(fā)（如設(shè)備宕機(jī)、訂單插單）動(dòng)態(tài)調(diào)整方案，實(shí)現(xiàn)計(jì)劃韌性提升。
2、下料環(huán)節(jié)，決策式AI通過三維仿真驗(yàn)證材料切割方案，生成式AI智能體則基于余料特征生成創(chuàng)新拼接策略，使板材利用率大幅提升，降低成本。
3、視覺識(shí)別，決策式AI構(gòu)建缺陷特征庫支撐精準(zhǔn)檢測能力，生成式AI智能體自動(dòng)生成新型缺陷的增強(qiáng)訓(xùn)練集，讓模型迭代周期大幅縮短。
4、質(zhì)量管控，決策式AI通過工藝參數(shù)追溯質(zhì)量根因，生成式AI智能體則生成工藝優(yōu)化組合建議，推動(dòng)不良率下降。
數(shù)智融合不是簡單的技術(shù)疊加，這種“決策式AI與生成式AI”互哺的協(xié)同機(jī)制，讓確定性經(jīng)驗(yàn)與創(chuàng)造性突破形成制造進(jìn)化的雙引擎。
“前路修遠(yuǎn)，行而不輟”
全業(yè)務(wù)鏈條場景下的管理與AI技術(shù)疊加
制造企業(yè)智能化業(yè)務(wù)結(jié)合實(shí)踐中，已融合滲透研發(fā)、生產(chǎn)、供應(yīng)鏈到銷售服務(wù)的全價(jià)值鏈。研發(fā)端通過知識(shí)圖譜整合多源數(shù)據(jù)，驅(qū)動(dòng)智能決策；生產(chǎn)環(huán)節(jié)利用機(jī)器學(xué)習(xí)優(yōu)化工藝、預(yù)測設(shè)備故障，結(jié)合視覺檢測嚴(yán)控質(zhì)量；供應(yīng)鏈依托算法模型實(shí)現(xiàn)精準(zhǔn)需求預(yù)測、動(dòng)態(tài)庫存及智能調(diào)度，降低運(yùn)營成本；銷售與售后以AI客服、智能問答提升客戶體驗(yàn)；運(yùn)營管理則通過自動(dòng)化工具提升人效。從廢鋼識(shí)別、設(shè)備維修到多工廠協(xié)同計(jì)劃，AI正深入制造細(xì)分場景，構(gòu)建“技術(shù)+業(yè)務(wù)”的融合生態(tài)。盡管需突破數(shù)據(jù)孤島、模型適配等挑戰(zhàn)，但行業(yè)共識(shí)明確：隨著技術(shù)迭代與跨域協(xié)作深化，持續(xù)探索將推動(dòng)AI解鎖更多業(yè)務(wù)管理、資源優(yōu)化等場景，加速制造業(yè)智能化升級(jí)，部分實(shí)踐探索成果如下：
1、供應(yīng)鏈計(jì)劃層：聚焦企業(yè)戰(zhàn)略與全局資源協(xié)同，涵蓋銷售預(yù)測、需求歸集、供應(yīng)網(wǎng)絡(luò)規(guī)劃，通過AI智能體實(shí)現(xiàn)供需精準(zhǔn)匹配，優(yōu)化產(chǎn)能分配、成本控制與質(zhì)量約束下的訂單調(diào)度，實(shí)現(xiàn)跨區(qū)域資源整合與供應(yīng)鏈風(fēng)險(xiǎn)平衡，確保全鏈路高效響應(yīng)與全局效益最大化。
2、生產(chǎn)計(jì)劃層：圍繞多工廠協(xié)同及有限能力排程與生產(chǎn)任務(wù)聯(lián)動(dòng)，解決多約束條件下的生產(chǎn)調(diào)度問題，通過瓶頸工序優(yōu)化、工序級(jí)排產(chǎn)及產(chǎn)能占用分析，構(gòu)建從主需求計(jì)劃到車間執(zhí)行的閉環(huán)管理，提升設(shè)備利用率與訂單交付準(zhǔn)時(shí)率，降低生產(chǎn)中斷風(fēng)險(xiǎn)，保障生產(chǎn)連續(xù)性與資源集約化利用。
3、物料優(yōu)化層：通過庫存健康診斷、智能備料和動(dòng)態(tài)替代策略，優(yōu)化庫存周轉(zhuǎn)與采購成本，結(jié)合多維度屬性管理、供應(yīng)商協(xié)同及安全庫存自適應(yīng)機(jī)制，實(shí)現(xiàn)原材料質(zhì)量穩(wěn)定與供應(yīng)鏈韌性提升，減少呆滯庫存并增強(qiáng)資源調(diào)配靈活性。
4、作業(yè)執(zhí)行層：以精細(xì)化執(zhí)行控制為核心，通過工序級(jí)任務(wù)跟蹤、資源負(fù)荷監(jiān)控及智能裁切優(yōu)化，確保生產(chǎn)任務(wù)精準(zhǔn)落地，借助可視化管理與實(shí)時(shí)數(shù)據(jù)反饋，提升作業(yè)透明度與原料利用率，減少浪費(fèi)并強(qiáng)化生產(chǎn)過程的可控性。
5、數(shù)據(jù)分析層：基于多維指標(biāo)分析與智能算法，構(gòu)建數(shù)據(jù)驅(qū)動(dòng)的決策支持體系，通過趨勢預(yù)測、風(fēng)險(xiǎn)模擬及知識(shí)圖譜應(yīng)用，識(shí)別庫存異常、成本波動(dòng)與合規(guī)風(fēng)險(xiǎn)，賦能戰(zhàn)略調(diào)優(yōu)與持續(xù)改進(jìn)，推動(dòng)供應(yīng)鏈智能化升級(jí)與價(jià)值創(chuàng)造。
“從機(jī)器學(xué)習(xí)，邁向?qū)W習(xí)機(jī)器”
干預(yù)機(jī)器、成為機(jī)器、組織機(jī)器、機(jī)器自組織
制造企業(yè)智能化演進(jìn)路徑中，核心不僅是技術(shù)升級(jí)，更是認(rèn)知升維與系統(tǒng)思維的重構(gòu)。本質(zhì)是重構(gòu)人、機(jī)器與系統(tǒng)的協(xié)同關(guān)系，在“從機(jī)器學(xué)習(xí)到學(xué)習(xí)機(jī)器”的跨越中不斷演進(jìn)。人機(jī)交互從單向干預(yù)轉(zhuǎn)向雙向融合，通過“成為機(jī)器”實(shí)現(xiàn)意圖穿透，借助“機(jī)器自組織”形成動(dòng)態(tài)響應(yīng)能力。從單體AI場景的點(diǎn)狀突破，演進(jìn)為“車間、工廠、企業(yè)”多層群體智能網(wǎng)絡(luò)。
推動(dòng)智能系統(tǒng)從"被動(dòng)學(xué)習(xí)"向"主動(dòng)進(jìn)化"躍遷，在萬物互聯(lián)數(shù)據(jù)底座上，單體AI通過機(jī)器學(xué)習(xí)沉淀基礎(chǔ)能力，機(jī)器間自主對(duì)話形成協(xié)同智能，最終機(jī)器自組織涌現(xiàn)為群體智能，實(shí)現(xiàn)工廠工序、企業(yè)分工的動(dòng)態(tài)編排，人類退居策略校準(zhǔn)者, 將“人工喂養(yǎng)數(shù)據(jù)”轉(zhuǎn)變?yōu)?ldquo;機(jī)器自主進(jìn)化”，真正實(shí)現(xiàn)"讓機(jī)器學(xué)習(xí)"到"機(jī)器自我學(xué)習(xí)"的質(zhì)變飛躍,為產(chǎn)業(yè)升級(jí)提供生生不息的智能動(dòng)能。
結(jié)語
制造行業(yè)數(shù)智化轉(zhuǎn)型已步入深水區(qū)，聚焦三大價(jià)值錨點(diǎn)：基于知識(shí)蒸餾技術(shù)，將行業(yè)通用智能與企業(yè)私有數(shù)據(jù)深度融合，鍛造輕量化、場景化的垂域模型，破解“大模型水土不服”的困局；推動(dòng)生成式AI與判別式AI雙輪驅(qū)動(dòng)，前者激活設(shè)備日志、工藝文檔等數(shù)據(jù)價(jià)值關(guān)聯(lián)，后者構(gòu)建實(shí)時(shí)響應(yīng)的動(dòng)態(tài)優(yōu)化引擎，實(shí)現(xiàn)從數(shù)據(jù)洞察到?jīng)Q策閉環(huán)的智能躍升；最終打造“設(shè)備-產(chǎn)線-工廠-企業(yè)”多層級(jí)的智能體矩陣，通過自組織、自演進(jìn)的AI能力演進(jìn)，推動(dòng)制造系統(tǒng)從局部優(yōu)化邁向全局自治。重塑生產(chǎn)流程的底層邏輯，助力制造業(yè)跨越從經(jīng)驗(yàn)驅(qū)動(dòng)到AI應(yīng)用的關(guān)鍵轉(zhuǎn)型，實(shí)現(xiàn)流程優(yōu)化與效率提升。驅(qū)動(dòng)制造業(yè)全流程革新：事前，基于垂域小模型將排產(chǎn)推演、工藝仿真前置設(shè)計(jì)端，預(yù)判風(fēng)險(xiǎn)并生成最優(yōu)方案；事中，融合生成式AI與決策式AI，構(gòu)建動(dòng)態(tài)智能體，實(shí)時(shí)調(diào)優(yōu)生產(chǎn)參數(shù)、協(xié)同人機(jī)作業(yè)；事后，以業(yè)務(wù)數(shù)據(jù)反哺模型迭代，實(shí)現(xiàn)AI模型的自診斷、自優(yōu)化，形成“感知-決策-進(jìn)化”回路。AI技術(shù)將管理從末端治理推向源頭規(guī)劃，幫助制造企業(yè)從"流程固化"走向"智能自進(jìn)化"，真正釋放出“數(shù)據(jù)×技術(shù)×場景”的乘數(shù)效應(yīng)。
