中国工业报 耿鹏飞

作为美的集团孵化的工业互联网平台企业，美云智数凭借其源于制造业一线的实践经验，在AI赋能工业制造领域的探索颇具行业借鉴意义。

近日，在江苏吴中举办的工业操作系统技术创新论坛期间，美云智数东部大区总经理徐志强接受了中国工业报的独家专访。从行业趋势洞察到企业实践路径，从技术融合难点到未来破局之道，徐志强以其深耕制造业数字化转型十年的沉淀，为我们揭开了AI与工业深度融合的核心逻辑。

全价值链融合成核心方向

“人工智能从1956年提出至今，历经多轮技术迭代，而多模态大语言模型的诞生，正在重新定义软件与数字化转型的方向。”谈及行业趋势，徐志强开门见山。在他看来，当前工业领域的AI应用已不再是单纯的技术概念炒作，而是进入了“从单点试点到规模化落地”的关键阶段，其核心趋势在于“全价值链的深度融合”。

徐志强指出，工业操作系统的发展早已超越了单一技术点突破的范畴，形成了“硬件-软件-业务逻辑”三位一体的生态体系。与传统工业控制系统聚焦底层控制不同，AI时代的工业操作系统需要具备全价值链的数据运营能力，覆盖从研发设计、生产制造、供应链管理到市场营销、运维服务的各个环节。“工业智能化的本质是数据驱动的决策优化，而AI则是实现这一目标的核心引擎。”他强调。

在新型工业化战略与“十五五”规划的双重驱动下，AI与制造业的融合正从“自动化替代”向“自主化决策”升级。徐志强观察到，当前行业呈现出两大显著特征：一是“OT与IT深度融合”，工业控制不再局限于车间级的封闭系统，而是通过云边端协同实现跨层级的数据互通；二是“AI原生应用崛起”，工业软件不再是简单叠加AI功能，而是以AI为核心重构架构，形成能够自主学习、自适应优化的智能体。

“美的集团从2012年开始数字化转型，十多年的实践让我们深刻认识到，AI赋能工业的关键不止在于技术的先进度，更在于与业务场景的契合度。”徐志强介绍说，无论是流程工业的多目标优化，还是离散工业的柔性生产，AI的价值最终都要通过具体的业务场景落地，转化为生产效率的提升、运营成本的降低和产品质量的优化。

源于制造一线的“智能体”落地逻辑

作为脱胎于美的集团的工业互联网平台，美云智数的核心优势在于“源于制造业、服务制造业”。徐志强介绍，美云智数的AI实践并非空中楼阁，而是基于美的集团的实战沉淀，形成了“AI@Home-AI@Enterprise-AI@Factory”的三大领域战略方向。

其中，工厂级智能体（FactoryAgent）是美云智数AI赋能工业的核心载体。“我们目前已经总结提炼出68个可对外输出的企业级智能体AI场景，覆盖设备管理、质量管理、研发管理、供应链协同等多个制造业的核心场景。”徐志强举例道，在注塑生产环节，通过构建工艺参数与产品质量的大数据模型，AI智能体能够自动推送最优工艺方案，减少换模时间与原材料损耗；在设备管理领域，基于传感器数据与AI算法的预测性维护智能体，能够提前识别设备故障风险，将事后维修转变为预防性维护，显著提升设备综合效率。

其中，荆州洗衣机工厂的实践堪称典范。作为被吉尼斯认证为“首个多场景覆盖的智能体工厂”，该工厂通过AI工业大脑与具身智能的深度融合，实现了从研发、生产到物流的全流程智能化。“在这家工厂，AI智能体不仅能够优化生产节拍，还能根据订单变化动态调整生产计划，实现‘多品种、小批量’的柔性生产。”徐志强透露，这类源于美的一线的实践成果，已通过美云智数的平台对外输出，服务了近2000家企业、50个细分领域，其中仅苏州地区就有20多家合作客户。

在技术落地层面，美云智数形成了三大核心竞争力。其一，深厚的业务知识沉淀。依托美的集团的精益管理经验与T+3模式，美云智数沉淀了丰富的工业知识，能够精准理解不同行业的业务痛点；其二，全价值链的管理系统。从研发端的PLM系统到制造端的MES系统，再到供应链端的SRM系统，美云智数构建了一套自主研发的全流程管理软件体系；其三，软硬结合的解决方案能力。借助美的集团旗下库卡机器人的硬件资源，美云智数实现了“软件算法+硬件设备”的协同优化，例如通过视觉AI引导机器人进行精准抓取与纠偏，提升离散制造的自动化水平。

“我们始终把自己定位为解决方案公司，而非单纯的软件供应商。”徐志强强调，美云智数的核心价值在于“能带领工业型企业真正实现数字化转型”，而非仅仅提供技术产品。这种“懂业务、能落地”的特质，使其在苏州高新区的企业中获得了广泛认可。

数据、算力与认知的三重考验

尽管AI赋能工业的前景广阔，但在落地过程中仍面临诸多现实挑战。徐志强结合实践经验，将这些挑战归纳为“数据、算力与认知”三个维度。

数据问题是首当其冲的难点。“AI的核心是数据、算力与算法，而工业领域的数据痛点尤为突出。”徐志强指出，工业数据存在“烟囱式存储、格式不统一、标注不规范”等问题，导致数据价值难以挖掘。此外，不同企业的生产工艺、管理模式存在差异，使得通用AI模型难以直接适配，需要大量的场景化训练与微调。“很多企业希望通过AI沉淀知识库，但实际上，AI的成长需要先有完善的知识库作为基础，这就陷入了‘先有鸡还是先有蛋’的困境。”他形象地比喻道。

算力投入的高成本则成为许多企业的门槛。AI模型的训练与推理需要强大的算力支撑，而工业企业尤其是中小企业，往往难以承担服务器、GPU等硬件设备的高额投入。更关键的是，与数字化转型相比，AI应用的投资回报率难以量化评估。“数字化转型的效果可以通过生产效率、成本等指标直接计算，但AI带来的隐性价值，如决策效率提升、风险预警提前等，往往难以短期量化，这影响了企业的投入意愿。”徐志强分析道。

认知层面的偏差同样制约着AI的落地进程。徐志强发现，当前许多企业对AI的应用存在两种极端：一种是“技术崇拜”，认为AI可以解决所有问题，忽视了业务逻辑的重要性；另一种是“保守观望”，等待技术成熟后再行动，错失了先发优势。“AI应用不能等想明白了再干，因为技术迭代速度太快，等决策完成可能已经落后于市场。但同时，也不能盲目跟风，需要结合自身业务场景稳步推进。”他强调。

企业规模的差异也导致AI落地呈现不同特征。徐志强观察到，大企业虽然资金实力雄厚，但决策链长、流程复杂，反而在AI应用的灵活性上不如小企业；小企业虽然资源有限，但决策快、转型意愿强，有望通过“小场景切入、快速迭代”的方式实现“换道超车”。“对于小企业而言，AI不是弯道超车，而是换道超车的机会。但前提是要找准细分场景，避免大而全的投入。”他建议。

小场景切入，生态共建，长期主义

面对多重挑战，美云智数摸索出了一套“务实落地”的破局路径。徐志强将其总结为“小场景切入、生态共建、长期主义”三大原则。

“我们建议企业从单一场景、具体痛点入手，先实现‘小范围突破’，再逐步扩大应用范围。”徐志强举例道，对于离散制造企业，可以先从产品外观检测、设备故障预警等容易见效的场景切入；对于流程工业，可以聚焦工艺参数优化、能耗控制等核心需求。通过小场景的成功实践，既能快速看到AI的应用价值，也能积累数据与经验，为后续规模化推广奠定基础。

生态共建则是解决单一企业资源不足的关键。徐志强认为，工业操作系统的生态需要涵盖芯片厂商、软件供应商、硬件设备商、行业用户等多个主体，形成“产学研用”协同创新的格局。美云智数自身也在积极构建生态，一方面与华为等ICT企业合作，解决算力与底层技术问题；另一方面与行业客户深度协同，沉淀场景化的AI模型与解决方案。“工业AI的落地不能靠单打独斗，需要产业链各方开放合作，共享数据、技术与经验。”他表示。

长期主义的坚守则是AI应用持续见效的保障。徐志强强调，AI与工业的融合是一个“慢工出细活”的过程，需要企业有足够的耐心与坚定性。“美的集团的数字化转型坚持了十年，AI应用也已经探索了两年多，才有了今天的成果。”他表示，企业在AI投入上不能追求“立竿见影”，而应将其视为长期战略投资，通过持续的数据积累与模型优化，逐步实现从“辅助决策”到“自主决策”的升级。

在具体实施层面，美云智数采用“工坊式”的服务模式，先对企业核心业务人员进行培训，梳理业务流程，识别有价值的应用场景，再逐步落地智能体应用。这种模式既降低了企业的转型门槛，又能确保AI应用与业务需求紧密结合。徐志强透露，目前美的集团的AIGC开发平台上已经拥有1.3万多个智能体，其中70%是员工自主搭建的，这一数据印证了其“低门槛、高适配”的实践逻辑。

AI+工业OS融合呈现三大趋势

谈及未来趋势，徐志强认为，AI与工业操作系统的融合将呈现三大发展方向：一是“AI原生架构成为主流”，工业软件将以AI为核心重构，而非简单叠加AI功能；二是“自主化决策能力提升”，工业智能体将从“被动响应”转向“主动预判”，实现生产过程的自主优化；三是“生态化协作加剧”，开源开放将成为工业操作系统发展的重要趋势，通过共建共享加速技术创新与成果转化。

在徐志强看来，工业操作系统的终极目标是“让AI像水和电一样，成为工业生产的基础设施”。这意味着AI将不再是少数企业的“奢侈品”，而是所有工业企业都能便捷使用的“通用工具”。“未来的工业制造，将是‘机器自主决策、人类监督管理’的新模式，工人将从繁重、危险的体力劳动中解放出来，转向更高价值的模型训练、工艺优化等工作。”他描绘道。

对于美云智数的未来布局，徐志强表示，将继续聚焦“深耕制造业、赋能全行业”的定位，一方面深化与美的集团内部的协同，沉淀更多场景化的AI模型；另一方面扩大对外合作，尤其是在苏州等先进制造业集群地区，围绕医疗器械、高端装备等细分领域，打造更多可复制的标杆案例。“我们希望把美的数字化转型的经验，转化为全行业的共同财富，助力中国工业实现从‘制造大国’到‘制造强国’的跨越。”

徐志强的分享让我们看到，AI赋能工业并非遥不可及的技术愿景，而是源于实践、归于实践的价值创造过程。美云智数的实践路径印证了一个核心逻辑：工业领域的AI应用，技术是手段，业务是核心，落地是关键。在新型工业化加速推进的今天，唯有那些能够真正理解制造业痛点、提供务实解决方案的企业，才能在AI与工业融合的浪潮中脱颖而出。