中国工业报 耿鹏飞

当一家国有汽车集团的高管说出“数智化转型不是选择题，而是支撑‘十五五’战略的必答题”时，意味着AI已经进入了制造业的核心决策层。

近日，华为联合江汽集团举办了“跃升行业智能化——AI+制造行业峰会”，足以窥见制造业智能化转型的坚定决心。

当下，“智能经济”成为热点议题。《“人工智能+制造”专项行动实施意见》明确提出要推动3-5个通用大模型在制造业深度应用、打造100个工业领域高质量数据集、推广500个典型应用场景。《关于深入实施“人工智能+”行动的意见》则设定了清晰的时间表：到2027年智能体普及率超过70%，到2030年超过90%，到2035年全面步入智能经济和智能社会发展新阶段。

政策在加速，投资在放大，生态在成熟。但真正让制造业感到“拐点已至”的，是那些已经跑通了的实践——其中最值得拆解的样本之一，就是江汽集团与华为联合打造的尊界超级工厂。

AI从“概念验证”到“价值可量化”

回顾2025年，“行业+AI”已在多个行业得到价值验证，不再是概念和试点。在“AI+制造行业峰会”采访中，华为中国政企业务副总裁郭振兴将其归纳为四个核心标志：价值能量化、客户愿投资、方案可复制、生态渐成熟。

一是价值能量化。以广汽集团为例：广汽2025年在研发智能化场景中，通过部署AI大模型，在车联网、动力总成等各领域实现智能化提升。“通过构建自主平台，AI应用开发效率整体提升30%；培养AI专业人才50+。”

这背后的核心变化是：AI不再是一个“说不清楚回报”的试点项目，而是一笔可以算账的投资。在郭振兴看来，“AI价值可量化”是“行业+AI”跃升的首要标志。

二是客户愿投资。“大多数央国企对AI追加了专项预算，制造、金融、电力各个行业都加大了AI基础设施的建设投资。”郭振兴指出，2026年企业数智化投资相对收入占比从2.5%提升到3%—3.5%。“对于收入1000亿的企业，将有30亿投入到数智化建设。”这个数字的意义在于：AI已经从“IT部门的创新试验”上升为企业的战略性支出。而政策的加码进一步放大了这种趋势——“十五五”规划《纲要》中，与制造行业强相关的重大工程有28项，占比高达26%。

三是方案可复制。头部企业标杆应用已落地，正向全行业辐射推广。柳药集团引入华为天筹求解器后，供应链智能建模效率较人工提升30倍，仓间调拨及物料成本降低约20%。

四是AI生态渐成熟。“模型厂商、行业应用厂商、硬件厂商等生态协同加速，AI产业链已形成，800多家ISV伙伴已经基于昇腾开发行业应用。”郭振兴表示，2026年AI产业正在跨越关键拐点，从技术爆发走向产业重构，实现真正的跃升。

而智能体的爆发更为这一价值实现奠定基础。以OpenClaw为代表的智能体正在深刻改变个人与企业的工作方式，开启AI真正“动手做事”的新时代。IDC预测，中国企业活跃智能体数量将在2031年突破3.5亿规模，年复合增长率达到135%以上。

“智能化的可持续，首先是算力的可持续。”郭振兴说，而华为昇腾的布局——从大型液冷数据中心到边缘计算的全场景算力底座，以及CANN全面开源、PyPTO编程范式将算子开发代码量降低70%——为这种爆发式增长提供基础设施。

江汽集团的AI实践之路

如果说价值的量化等指标是行业层面的“大气候”，那么江汽集团的实践就是最值得解剖的“小样本”。

江汽集团的发展历程本身就是中国汽车工业的一个缩影。1964年巢湖汽车配件厂成立，1968年首辆江淮牌载货汽车试制成功，填补了安徽汽车工业空白。此后，从客车专用底盘、轻卡出口，到瑞风商务车、格尔发重卡，再到新能源汽车商业化运营，江汽集团不断拓展产业边界。如今，这家综合型国有汽车企业集团累计向全球用户交付各类产品超过1000万辆。

在江汽集团数字化管理中心副总经理丁志海看来，江汽集团与华为合作最关键的突破，不是单点技术应用，而是实现了从“产品智能化”到“企业智能化”的系统推进。

“过去我们做数字化，更多是解决‘效率’问题——把纸质流程变成线上流程，把线下审批搬到线上。AI时代，数字化进入了一个新阶段，我们解决的是‘决策’问题。”丁志海坦言，“过去是被动记录发生了什么，现在要主动预测接下来会发生什么；过去是人在系统里找数据，现在是数据主动推送到需要它的人面前。”

在尊界工厂，AI已经全面嵌入四大工艺和质检等各个环节。其中，最典型的案例是CV质检。据了解，江汽集团依托华为盘古CV基础大模型和昇腾算力底座，基于尊界工厂积累的130万张高质量质检图片，训练出“迈思特CV质检大模型”，这也是汽车行业首个CV质检大模型。

大模型带来的改变是根本性的。传统方式下，每个工位每种缺陷都需要单独训练小模型，泛化性差，场景切换时模型无法复用。而尊界工厂采用“L0基础模型→L1行业模型→L2场景模型”三层递进架构，新场景只需提供50至100张照片、约1小时即可完成微调，检测准确率即可达到99.99%以上，实现了“一模型多场景通用，全平台化赋能生产”。

据了解，在知识管理层面，江汽集团还建设了“三统一”知识问答体系——统一数据底座、统一Agent智能体架构、统一运营机制，覆盖研发、制造、售后、办公等多类问答场景，实现知识高效复用。

丁志海表示，这些实践的可复制经验是：战略牵引、平台先行、场景突破、能力沉淀。也就是以业务价值为导向，先夯实云、数、智底座，再选择高价值场景深挖，最后形成可推广的数据标准、模型资产和建设规范，为制造业智能化转型提供样板。

从试点到规模化的三个破局支点

诚然，江汽集团的AI实践之所以具有行业参考价值，在于它系统性“回答”了制造企业普遍面临的“AI从试点到规模化复制”的重大挑战。

在采访中，丁志海将其概括为三个层次。

首先是数据标准化与泛化能力的挑战。汽车制造涉及冲压、焊装、涂装、总装四大工艺，上千个质检点位，每个点位的数据特征差异巨大。传统“一场景一模型”的方式，训练成本高、周期长，难以快速复制。尊界工厂的“迈思特”三层递进架构，正是在应对这一挑战中长出来的解决方案——通过预训练行业模型覆盖绝大多数场景，新场景只需少量图片微调即可部署。

其次是云边协同的部署挑战。工业现场环境复杂，网络条件参差不齐，要求AI系统具备边缘实时推理能力。尊界工厂通过“云端训练、边缘推理”的协同架构，实现了毫秒级响应，同时保障数据安全与系统稳定性。

第三是组织协同与流程再造的挑战。AI落地不仅是技术问题，更涉及生产流程、质量标准、人员技能的全面适配。AI要真正落地，不能只靠技术平台和数据基础，还需要组织文化、管理机制和流程体系支撑。

谈及对中国制造业数智化转型的思考时，郭振兴从五个层面给出建议：

一是战略决心。数字化转向数智化是趋势，创新投入大，存在一定不确定性，涉及多业务、多技术领域的协同，也涉及跨组织跨业务流程优化，必然是一把手战略。因此需要企业一把手明确AI战略，整体统筹建设，统一训练，分领域处理实施。

二是架构引领。90%的企业数字化转型失败都是无架构、堆系统、补丁式建设。他建议企业参考行业智能体架构，按“智能感知—智能联接—智能底座—智能平台—智能应用”五层进行建设——这是企业数智化转型的实践总结。

三是价值场景选择。华为“三层五阶八步十二问”的方法论，对准高价值场景，采取“小切口、大纵深”策略运作。信心来自于速度，小切口有利于快速树立信心；价值来源于深度，大纵深是创造价值。

四是基础设施先行。工欲善其事必先利其器。在机械化、自动化时代，购买一个装备就能让效率大幅提升。但到了智能化时代，效率提升是个系统工程。

五是组织保障。郭振兴建议，要授予数智化部门独立预算权、跨部门决策权，统筹AI与数智化转型落地。同时加强人才培养，包括业务专家和AI技术人才，都要提升AI的技术浓度。

时至今日，江汽集团与华为联手交出的这份尊界“答卷”，向行业证明了一件事：当算法、算力、数据与工业Know-How深度融合，AI不再是效率的“补丁”，而是生产关系的“重构者”。2026年，站在“制造业+AI”的跃升之年，企业更应拥抱变化，抢抓新的风口与机遇。