破解转型痛点 共探落地路径！AI赋能智能制造沙龙为产业升级注入实战动能

　　11月27日，由北京市科学技术协会主办的AI赋能智能制造的痛点破解与实施路径沙龙活动在北京顺利举办。北京市科协一级巡视员何劲松、工信部网络安全产业发展中心原副主任李新社等领导专家，以及浪潮、航天云网、福田汽车等40余家企业代表齐聚一堂，围绕数据治理、场景适配、算力支撑、安全防护等核心议题展开深度研讨。这场由中关村网络安全与信息化产业联盟联合承办的沙龙，以“问题导向+实践赋能”为核心，为处于智能化转型关键期的制造企业，提供了兼具政策高度与实操价值的解决方案，成为推动AI与实体经济深度融合的生动实践。

　　政策锚点：AI赋能智能制造成产业升级核心方向

　　当前，我国智能制造已从点上突破迈入面上开花的新阶段，全国累计建成7000余家先进级、500余家卓越级智能工厂，产业总规模突破4.5万亿元。在这一背景下，AI技术作为智能制造的核心驱动力，被纳入多项国家战略布局。

　　工信部网络安全产业发展中心原副主任李新社在主题报告中，结合工信部推动人工智能产业发展的政策方向，明确“强化八大基础支撑”的核心逻辑。他指出，数据供给创新、智能算力统筹是破解行业痛点的关键抓手，而“场景牵引技术适配”则是政策落地的核心路径。这一观点与工信部“深入实施智能制造工程，以AI赋能新型工业化”的战略部署高度契合，为企业转型提供了清晰的政策遵循。

　　北京市科协一级巡视员何劲松在总结讲话中强调，AI技术在提升制造效率、保障产业安全等方面的核心价值日益凸显。面对当前行业普遍存在的需求多元、技术落地难、专业人才储备不足等问题，需凝聚产学研用合力，通过技术创新与人才培养双轮驱动，推动传统产业智能化转型升级。

　　痛点拆解：四大核心难题制约转型进程

　　沙龙现场，与会嘉宾结合实践经验，精准拆解了当前AI赋能智能制造的四大核心痛点，为后续破局路径提供了靶向目标：

　　数据治理瓶颈突出。制造企业普遍面临数据孤岛、标准割裂、质量参差不齐等问题，导致AI模型训练缺乏高质量数据支撑，难以形成有效决策输出。这一痛点在供应链协同、跨工序联动等场景中尤为明显。

　　场景适配性不足。通用AI技术与工业场景的个性化需求存在脱节，部分技术方案“水土不服”，无法有效解决生产中的实际问题，导致智能化投入回报率不及预期。

　　算力与成本压力并存。高阶AI应用对算力需求呈指数级增长，以智能驾驶为例，VLA模型训练需向100 EFLOPS算力目标演进，高昂的算力投入成为中小企业转型的重要门槛。

　　安全风险持续加剧。工业互联网的加速渗透拓宽了安全边界，工业主机隐患、工控系统漏洞高发，设备暴露数量同比攀升，叠加机器人、物联网等新兴场景的风险，安全防护成为智能化转型的必答题。

　　实践路径：企业实战案例解锁AI落地密码

　　针对行业痛点，来自龙头企业的代表分享了极具可复制性的实践方案，从技术架构到场景应用，全方位展现AI赋能的落地逻辑：

　　工业大模型：数实融合的核心载体。航天云网项目处处长赵志达指出，工业互联网是数实融合的核心，而工业大模型则是其落地关键。航天云网INDICS-MIND工业大模型以“AI+数字孪生”为核心模式，在6个典型工业场景中实现精准赋能。这一实践与京东工业Joyindustrial大模型“场景+数据”的落地逻辑相通，印证了工业大模型向垂直行业深耕的发展趋势。赵志达强调，以技术创新为核心、以场景落地为导向，才能真正培育新质生产力。

　　供应链数智化：分层递进的转型样本。北汽福田副院长李红亮拆解了“精益化-信息化-数字化-智能化”的进阶路径，提出“场景+流程+组织+IT”的系统方法。通过“三层五阶八步”落地框架，福田汽车在设备预测性维护、物流智能规划等场景实现突破，订单可视化预警成为降本增效典型。未来，企业还将融入DeepSeek与具身智能技术，构建供应链两级AI应用架构，为整车制造行业提供了完整的转型参考。

　　智驾算力：高阶应用的支撑底座。浪潮信息自动驾驶架构师龚湛指出，当前智驾模型面临空间理解、时序建模等挑战，端到端模型向VLA与世界模型演进是必然趋势。这一方向遵循Scaling Law，能显著提升汽车环境认知能力，但对算力提出极高要求。100 EFLOPS的算力目标，不仅是高阶自动驾驶的保障，更折射出AI在高端制造领域的算力需求底线。

　　安全防护：全链条风险防控体系。北京六方云总裁李江力结合《工业互联网安全态势报告》，通过国内外典型案例剖析，揭示了安全事件的传播路径与严重危害。针对工业互联网安全边界拓宽、风险传导性增强的特征，他提出需构建覆盖主机、系统、设备的全链条防护体系，为智能化转型筑牢安全屏障。

　　生态共建：凝聚共识破解共性难题

　　自由交流环节，与会嘉宾围绕核心议题凝聚多项共识，为行业协同发展指明方向：

　　其一，数据底座是基础。需加快数据治理与标准统一，打破数据孤岛，通过“数据要素X”模式培育基于数据的新产品、新服务，为AI模型提供高质量数据支撑。

　　其二，场景适配是关键。技术应用需贴合行业特性，避免同质化推进，鼓励企业结合自身业务打造个性化解决方案，让AI技术真正嵌入生产全流程。

　　其三，生态协同是保障。针对数据短缺、人才匮乏等共性痛点，需发挥联盟平台作用，促进产学研用资源共享，通过政策支持、技术融合、人才联合培养等方式，构建开放包容的产业生态。

　　未来展望：系列沙龙推动AI规模化落地

　　本次沙龙的成功举办，为AI赋能智能制造搭建了高效的交流对接平台。中关村网络安全与信息化产业联盟表示，后续将持续开展系列主题活动，化共识为行动：

　　一方面，搭建常态化交流平台，促进成员单位技术共享与项目合作，加速优秀实践方案的复制推广;另一方面，聚焦数据标准、人才培养等关键环节，整合产学研用力量深耕发力，搭建产业协同坚实桥梁。

　　随着AI技术与制造产业的深度融合，在政策引导、企业实践、生态共建的多方合力下，智能制造将加速向高端化、智能化、绿色化转型，为制造强国建设注入更强劲的动能。正如与会专家所言，只有坚持问题导向、聚焦应用目标，才能让AI真正成为产业升级的“加速器”。