中国工业报  耿鹏飞

编者按：人工智能（AI）与制造业的深度融合已成为产业升级的关键推动力量。然而，关于人工智能+制造的切口、应用场景，看法多元、路径不一，这虽然体现了行业探索的活跃度，却也让制造业主体在智能化升级中面临选择困惑与实施难题。《中国工业报》“人工智能+制造”核心主线大型策划报道旨在通过深入采访，剖析人工智能+制造的发展现状，通过梳理政策重点、挖掘实践案例、比较产品方案，探寻人工智能+制造主要路径、典型场景，提炼“核心主线”。同时，推动理论研究、企业需求与产业供给的有效对接，促进人工智能+制造高效落地，加快推进新型工业化。

蓝卓重要观点：当前及未来3-5年，“人工智能+制造”最具落地价值的核心主线场景，应聚焦三个方向：流程工业的设备预测性维护与智能诊断、离散制造的生产全流程精益管控、工艺参数智能优化与质量闭环管理——这些场景能成为核心主线。

作为工业互联网平台领域的先行者，蓝卓数字科技有限公司（以下简称“蓝卓”）如何以supOS工厂操作系统为载体，破解AI落地难题？如何让技术真正转化为企业“降本、增效、提质、绿色”的实际价值？带着行业关切，《中国工业报》与蓝卓相关负责人深度对话，解码其“人工智能+制造”的实践逻辑与核心答案。

蓝卓的探索：核心模块AI融合，锚定企业真实需求

《中国工业报》：蓝卓supOS工厂操作系统的核心能力模块中，哪些已深度融合AI技术？具体应用了哪些AI技术？为何优先选择这些模块突破？

蓝卓相关负责人：supOS工厂操作系统中，全域数据连接、多模态工业数据湖、行业化场景应用（如生产优化、设备运维、质量检测、能耗管理等）三大核心模块已深度融合AI技术。应用的关键AI技术包括工业大模型、多智能体协同、私域知识库、智能体自主决策分析等。

优先选择这些模块融合AI，核心是匹配制造企业“连接-数据-应用”的核心需求逻辑：打通设备和系统数据是数据采集的基础，没有统一的数据接入，AI就成了“无米之炊”；多模态工业数据湖是AI建模的核心支撑，能为模型训练提供高质量数据燃料；而行业化场景应用直接对接企业降本增效的实际诉求，三者形成闭环才能让AI价值真正落地，避免技术与业务脱节。

《中国工业报》：这种AI与核心模块的融合，是制造企业需求主导，还是蓝卓战略布局或技术迭代推动？相比传统AI解决方案，其独特性何在？

蓝卓相关负责人：这种融合是“客户需求主导+战略技术双轮驱动”的结果。一方面，在服务制造企业过程中，我们发现企业普遍面临设备故障停机率高、数据查询效率低、跨系统协同不畅等痛点，亟需针对性解决方案；另一方面，蓝卓“平台+APPs”的生态布局和技术迭代需求，也推动AI与平台深度整合，形成技术壁垒。

相较于传统单点AI解决方案，我们的创新性主要体现在平台化能力上：以supOS为统一底座，实现多Agent混合编排、知识图谱与模型协同增强，支持内外部Agent统一管理，且预置56个自带Agent，能快速适配不同行业、不同场景的规模化落地需求。这种模式打破了传统AI解决方案“单点部署、难以复用”的局限，让AI能力可复制、可扩展，真正降低企业智能化改造门槛。

实践成效：坚持“平台化服务”思路

《中国工业报》：当前蓝卓supOS主要服务于哪些工业细分行业？不同行业在“AI+制造”的需求优先级或场景侧重上是否存在差异？

蓝卓相关负责人：目前supOS已广泛服务于石化化工、热电、煤矿、汽车零部件、装备制造、机械加工、新材料等多个工业细分行业。不同行业的生产特性决定了其“AI+制造”的需求差异显著，呈现出鲜明的行业特征。

流程工业（如石化化工、热电）的核心诉求是保障连续生产、降低安全风险，因此需求优先级集中在设备检维修、流程管控和能耗管理；离散制造（如汽车零部件、装备制造）更追求生产精益度和决策精准性，因此重点关注数据运营、全工厂数字化监控和质量追溯。

《中国工业报》：在supOS核心模块融合AI的过程中，蓝卓曾面临哪些核心挑战？针对这些挑战采取了哪些具体解决方案？

蓝卓相关负责人：AI与工业场景融合的过程中，我们主要面临四大核心挑战，且都形成了成熟的解决方案。

挑战一：多品牌设备协议不统一，数据采集难度大。解决方案：通过supOS内置的Collector数据采集器和企业服务总线ASB，实现异构系统的统一连接，破解协议兼容难题，目前已支持市面上主流工业设备协议。

挑战二：工业数据碎片化、噪声大，影响AI模型精度。解决方案：推出数据资产管理DAM产品，涵盖数据集成、标准、质量等全流程治理模块；同时沉淀工业知识图谱，增强知识精准性，提升模型输入数据质量。

挑战三：AI模型存在幻觉风险，影响决策可信度。解决方案：通过知识图谱增强技术和工业机理模型校验双管齐下，优化模型输出，降低模型幻觉概率，保障决策可靠性。

挑战四：客户对数据安全存在顾虑。解决方案：提供私有化部署选项，搭建全流程数据安全管理模块，从数据采集、存储、处理到应用全环节落实安全管控，满足企业数据合规需求。

《中国工业报》：下一步，蓝卓在supOS平台的AI研发与市场推广上有怎样的计划？是否会针对中小企业推出轻量化AI解决方案？

蓝卓相关负责人：未来我们将从研发和市场两方面发力，持续深化“AI+制造”融合。

研发层面：一是扩充AI算法库，深化多模态数据处理能力；二是持续优化Agentic架构和A2A协议，提升多Agent混合编排的灵活性；三是推进大模型与更多产品模块的融合，目标未来60%以上产品接入大模型功能，让AI能力更强大、更易用。

市场推广层面：“平台+生态”是蓝卓的核心战略、长期战略，蓝卓希望围绕supOS打造今天移动互联网一样量级的“工业软件新生态”，通过汇聚更多生态伙伴协同创新的力量，构建“平台能力提升-应用生态繁荣-客户价值倍增”的良性循环，从而实现数字化转型向规模化演进。因此，蓝卓提出“星链计划”，致力与生态伙伴构建互信、互利、共赢的紧密合作关系，通过汇聚伙伴的力量，推动专业分工与协同创新，联合打造面向行业与场景的优秀产品及解决方案共同推向市场。星链计划的目标是在三年内累计招募1000+合作伙伴，与伙伴共建10,000+工业APP，共同服务100,000家工厂实现数字化转型。

针对中小企业，我们推出开源版OpensupOS工厂操作系统和免费版supOS-Free工厂操作系统，提供免费部署选项，大幅降低中小企业数字化转型的初始投入；同时我们还升级supOS应用商店服务，构建起覆盖工业全场景的应用流通与创新孵化平台，汇聚5000+工业产品资源，实现从单点工具到整体解决方案的全品类覆盖，涵盖工业APP、智能Agent、数据分析组件等多元产品形态，满足不同规模、不同行业企业的数字化转型需求，让中小企业无需专业AI人才，也能快速落地核心场景的AI应用。

重要观点：“AI+制造”最具落地价值的核心主线，应聚焦三个方向

《中国工业报》：结合国家政策部署及蓝卓的项目实践，您认为当前制造业“AI+制造”整体处于什么发展阶段？判断依据是什么？

蓝卓相关负责人：结合国务院“人工智能+”行动部署及我们的实践经验，当前制造业“AI+制造”整体处于规模化落地初期。判断依据主要有两点：

一是头部制造企业已形成标杆应用，如我们服务的部分龙头企业，通过AI实现了设备运维、数据运营等场景的业务闭环，验证了AI技术的商业价值；

二是中小企业开始逐步接入AI应用，但整体渗透率仍较低——蓝卓12000+客户中，已有5000+客户应用智能生产类解决方案，且10+合作开发的智能体中5个已投入应用，呈现“头部引领、中小跟进”的格局，但技术大规模复制、全行业普及仍需时间。

《中国工业报》：从行业需求端看，制造企业对工业互联网平台的“AI能力”有哪些具体诉求？“AI+制造”深度融合的核心路径是什么？

蓝卓相关负责人：制造企业对工业互联网平台的AI能力核心诉求集中在四个方面：一是低代码化的AI部署工具，降低应用门槛；二是AI模型与现有生产系统的兼容性，避免重复改造；三是AI效果的可解释性，让决策有依据；四是数据查询的准确性和扩展性，支持业务持续优化。

基于这些诉求，我们认为“AI+制造”深度融合的核心路径是“数据底座搭建-非中文符号AI模型库沉淀-行业场景适配-客户按需调用”：第一步通过统一的数据采集和治理构建高质量数据底座，解决“数据不通、质量不高”的问题；第二步沉淀工业机理模型、小模型及预置智能体，形成丰富的模型库；第三步针对不同行业特性进行场景适配，确保技术贴合业务；最后通过平台化工具让客户按需调用AI能力，实现快速落地、灵活扩展。

《中国工业报》：跳出蓝卓自身业务，您认为当前及未来3-5年，“AI+制造”的核心主线是什么？为什么这些场景能成为核心主线？

蓝卓相关负责人：跳出企业视角，当前及未来3-5年，“AI+制造”最具落地价值的核心主线场景，应聚焦三个方向：流程工业的设备预测性维护与智能诊断、离散制造的生产全流程精益管控、工艺参数智能优化与质量闭环管理。这些场景能成为核心主线，核心逻辑有三点：

第一，完全契合制造企业“降本、增效、提质、绿色”的底层目标——设备预测性维护减少非计划停机损失，生产全流程精益管控提升资源利用效率，工艺参数优化兼顾良率提升与能耗降低，都是企业最迫切的需求。

第二，具备行业级的扎实数据基础——经过近5年的数字化改造，多数制造企业已完成设备、生产、工艺等维度的数据采集与存储，DCS实时时序数据、MES生产台账数据等已形成规模化积累，为AI模型训练提供了充足样本，无需额外大量投入补采数据。

第三，技术成熟度已支撑业务闭环落地——这些场景对应的AI技术已在头部企业验证，实现了“模型输出-现场执行-效果反馈-模型迭代”的闭环，且能适配不同企业的设备、工艺差异，具备向中腰部企业规模化复制的条件。

《中国工业报》：从技术维度看，“AI+制造”落地的最大挑战集中在哪个层面？该挑战的突破路径是什么？

蓝卓相关负责人：从技术维度看，“AI+制造”落地的最大挑战集中在Data（数据）层面，具体表现为工业数据碎片化严重、多系统数据协同难、数据质量参差不齐。针对这一挑战，突破路径主要有三：

一是技术创新层面，通过统一的数据采集工具（如Collector）和企业服务总线（ASB）打破数据孤岛，实现多源数据高效协同；

二是标准统一层面，推动行业数据采集和治理标准规范，我们已通过数据资产管理DAM产品形成标准化数据处理流程，为行业提供参考；

三是生态协作层面，联合上下游企业共享数据规范和治理经验，共同提升全行业数据质量，为AI应用筑牢数据根基。

《中国工业报》：当前“AI+制造”深化应用的核心障碍是什么？针对不同规模的制造企业，蓝卓有哪些具体的AI应用建议？

蓝卓相关负责人：当前深化“AI+制造”应用的核心障碍主要有三点：中小企业缺乏AI专业人才、企业对AI项目投资回报周期存在顾虑、大型企业面临跨部门数据协同难的问题。针对不同规模企业，我们给出差异化建议：

对于大型龙头企业：可先聚焦设备运维、数据运营等成熟场景打造标杆应用，再以点带面逐步推广至全流程；同时利用自身数据优势，联合平台企业共建行业垂直模型，形成技术壁垒，引领行业智能化升级。

对于中小型制造企业：优先选择轻量化、低成本的AI解决方案，如蓝卓轻量版supOS工厂操作系统，无需投入大量人力物力自建模型；借助平台预置的开箱即用智能体，快速落地核心场景；同时可通过蓝卓生态伙伴的集成服务弥补AI人才短板，小步快跑实现智能化转型。

《中国工业报》：“AI+制造”领域是否面临安全可控相关的挑战？行业、企业层面应采取哪些措施应对？

蓝卓相关负责人：“AI+制造”领域确实面临安全可控相关挑战，主要是工业数据泄露风险，以及核心技术自主化需求——工业数据涉及企业生产机密，核心技术依赖外部供给则存在“卡脖子”风险。应对这些挑战有两点建议：

企业层面：蓝卓通过私有化部署、数据安全管理模块等方式，从数据采集、存储到应用全流程保障数据和模型安全；同时坚持自主研发核心技术，沉淀自有知识图谱和模型库，减少外部依赖。

行业层面：建议联合生态伙伴建立统一的数据安全标准和模型安全评估体系，明确安全责任边界；共同突破工业软件、核心算法等关键技术瓶颈，推动产业链上下游协同创新，构建自主可控的“AI+制造”生态，为行业高质量发展保驾护航。