2024 年 6 月 4 日，深圳这座创新之城迎来了一场主题为 “AI 时代制造业新机遇” 的企业家论坛。此次论坛由艾杰达主办，汇聚了众多行业精英，共同探讨人工智能（AI）如何为传统制造业注入新活力，开启转型升级的新篇章。

在全球化和数字化浪潮推动下，制造业正处于转型升级的关键节点，既面临挑战又蕴含机遇。AI 技术的蓬勃发展，为制造业的转型升级提供了新的思路与有力工具。论坛上，各领域专家深入探讨了如何将 AI 技术与制造业深度融合，以实现价值创造和效率提升。

以学界角度看待 AI 落地

中国工业工程学会理事长范书恺教授的演讲深入探讨了工业革命 4.0 时代的 AI 转型。

AI 转型与时代挑战

范教授强调了 VUCA 时代与 X 经济学的特点，即易变性、不确定性、复杂性和模糊性。在这个充满未知与变化的时代，我们必须紧密关注消费者行为的变化，因为这将直接影响经济与市场的走向。AI 转型为我们提供了解放工程师领域知识的机会，让他们能够专注于更高层次的研发与创新。同时，我们要保持信心，勇于拥抱改变，并把握机会进行创新。在 AI 经济的发展中，数据成为了关键核心，我们需要将数据转化为可分析的知识，并最终转化为自动化的输出，这是 AI 转型的关键。

AI 转型的战略规划

企业在导入 AI 时应遵循战略规划。首先，要明确组织策略，设定清晰的 AI 服务项目与目标。其次，在选择 AI 应用场景时，必须评估其可行性与价值。AI 可以帮助解决约 70% 的日常工作，但对于剩余 30% 的难题，我们需要借助 AI 的高效能运算来突破。AI 转型是一个持续迭代的过程，建议从多个项目开始，逐步建立 AI 策略，并将成功的项目复制到其他领域，形成规模效应。同时，企业应根据产业特性与外部合作伙伴进行合作，共同推进 AI 的发展。

AI 团队组建与分工

范教授说明了 AI 团队中各个角色的重要性。领域专家负责制定 AI 策略，精通流程与成本控制，并提供数据分析的见解；数据科学家负责从大量非结构化数据中挖掘有价值的信息；数据工程师负责建立数据管道，确保数据的质量与传输效率；机器学习工程师负责模型的建立与优化。这四个角色共同构成了 AI 团队的核心力量。

AI 数据分析模型

范教授指出了 AI 数据分析模型的重要性。领域知识与自动化是AI发展的基础，通过 AI 协助智慧可以持续累积与传承。同时，我们需要发展轻量级的原型，部署到中小企业，提供微型服务。为了确保数据的准确性和可追溯性，企业需要建立多模态数据库，整合影音、数据、影像、语音等信息，并进行版本控制。此外，通过少量资料学习和强化学习可以持续优化模型，使其更符合实际需求。

AI 赋能员工成长

范教授建议利用 AI 帮助员工成长。通过自然语言处理建立知识平台提供员工培训与学习资源；利用机器学习记录员工操作数据并与基准模型进行比对，找出需要加强训练的部分；透过电脑视觉观察员工操作行为了解其情绪与学习进度。这些技术可以帮助员工提升自我能力并为企业创造更大价值。

双轴转换：生产力与绿色转型

范教授认为 AI 转型应与绿色转型相辅相成。通过 AI 技术提升生产效率并创造新的市场价值；同时优化流程减少碳排放并使用更环保的材料实现绿色永续发展。这两个转型方向相互促进共同推动企业可持续发展。

人工智能结合工控行业制造进程

凌华科技华南区总经理奚硕为的分享集中在凌华科技在 AI 领域的实践和所面临的挑战。

凌华科技的业务布局与价值主张

凌华科技作为全球领先的企业，在中国市场拥有深厚的布局。面对地缘政治、破坏式创新、供应链重建等挑战，凌华科技展现出了强大的适应能力和创新精神。奚硕为指出，凌华科技的价值主张在于通过持续创新，特别是在边缘 AI 领域，为客户提供量身定制的解决方案，以实现降本增效的目标。

AI 落地应用的重要性与实践

奚硕为通过多个实际案例展示 AI 在解决制造业痛点方面的巨大潜力。例如，通过 AI 和 BMS 系统整合，有效管理多设施、多设备，提升能源效率，降低成本；利用 AI 和数据收集优化 PCB 印刷机参数，提升良率；以及通过 AI、Digital  twins和 MASK PLM 实现 NMR 工厂的可视化，提升管理效率等。这些案例充分证明了 AI 落地应用的重要性及其在实践中的显著效益。

AI 落地的宝贵经验

奚硕为强调，AI 落地需要从小处着手，选择可行性高的方案逐步推广应用；同时，AI 需要与硬体设备整合，结合凌华科技的硬体优势和合作伙伴的软件方案，打造一体化解决方案；此外，AI 的落地还需要跨部门协作，打破 IT 部门和领域部门的壁垒，形成自驱型的 AI 数据推动文化。

AI 在日常生活及工作中的实际应用

奚硕为分享 AI 在日常生活及工作中的实际应用。他鼓励大家培养数据分析的习惯，将数据应用于决策制定；关注 AI 技术发展，学习新的工具和方法，提升个人竞争力；积极与不同领域的人交流合作，寻找新的解决方案。

未来探索与挑战

展望未来，奚硕为预见 ESG 将成为企业不可或缺的衡量标准，而 AI 将成为推动企业达成 ESG 目标的关键力量。同时，随着边缘计算技术的飞速发展，边缘 AI 应用将在制造业中日益普及，渗透至生产的每一环节。然而，挑战亦随之而来，主要集中在数据安全和隐私保护、以及 AI 人才的稀缺性等方面。因此，企业需构建严密的数据安全管理框架，并加大 AI 人才培育的投入。关于如何高效融合 AI 与 OT 技术以构建更智能的制造体系、如何利用AI技术促进绿色制造以减少碳排放，以及如何建立健全的 AI 数据安全管理体系等议题，都值得我们深入研究和探讨。

制造业应用 AI 机器学习普及策略与方法

艾杰达大中华区技术总监张尹聪以其对 AI 深刻的理解，深入剖析了 AI 在制造业的应用前景，并提出了一系列切实可行的策略，以应对 AI 技术在制造业中落地的挑战。

 张尹聪首先指出，AI 技术的核心优势在于其处理和分析大量数据的能力，这为制造业的决策提供了前所未有的效率和精准度。他强调，AI 不是替代人类，而是作为人类的智能助手。在制造业中，AI和机器学习有着广泛的应用前景。张尹聪举例了四大应用场景：模型评分、特征重要度分析、模拟预测以及参数优化推荐。这些应用不仅能够帮助企业实现生产过程的精准控制，还能够通过数据驱动的方式，优化生产流程，降低生产成本，提升产品质量。

然而，张尹聪也指出制造业AI普及化所面临的三大挑战：数据汇整、建模解题和组织文化。他强调，为了克服这些挑战，企业需要从多个方面入手，包括建立统一的数据平台，打破信息孤岛，实现数据的整合与流通，利用现有数据验证AI的可行性，开发无代码 AI 建模平台以降低技术门槛，让更多非技术背景的专家能够参与到AI模型的构建中来推动跨部门 AI 工作坊，以促进领域专家和 IT 专家的跨界融合。同时，企业还需要培养内部的数据思维文化，让更多的人认识到数据的重要性，并学会利用数据来驱动决策。

 在战略实施路径上，张尹聪建议企业采取循序渐进的策略，先在小范围内验证 AI 议题的可行性，确保 AI 技术能够解决实际问题，再逐步扩大应用范围到各产品线和工序，实现全流程的智能化改造。最后解决数据集成问题，确保数据的准确性和一致性。他强调，这个步骤顺序至关重要，错误的顺序可能会导致资源浪费和 AI 导入项目失败。

为了将所学知识变现并应用于实际工作中，张尹聪建议可以从选择合适的 AI 建模工具开始，如 AI 自动化机器学习建模平台。通过参加相关培训和工作坊，学习 AI 建模方法和技术，我们可以逐步掌握这些工具的使用技巧，并找到工作中的实际应用场景。例如，在生产工艺优化、品质预测等方面，我们可以利用AI技术实现精准控制和预测，提升工作效率和产品质量。

最后，张尹聪提出了未来可能遇到的挑战，包括 AI 技术的快速发展、数据安全和隐私保护以及 AI 的伦理和社会责任问题。他呼吁业界正视这些挑战，共同推动 AI 技术的健康发展。

Panel Discussion-多角度探讨 AI 落地

在 Panel Discussion 环节，行业专家们共同探讨了 AI 技术在制造业中的实际应用和面临的挑战，并提出了一系列建设性的建议和观点。

奚硕为：数据采集与场景选择 

凌华科技华南区总经理奚硕为强调了数据采集在 AI 落地过程中的重要性。他建议企业应从投资回报率 (ROI) 高的领域开始，选择能够带来显著效益的场景进行数据采集。此外，他提倡与经验丰富的 AI 厂商合作，以培养企业内部人员的 AI 思维，加速 AI 技术在企业中的实施和落地。

刘海鸥：跨领域合作与数据安全

OPPO 数字化使能组数字化总监刘海鸥分享了 AI 在 OPPO 多个业务环节应用经验。他提出，企业应持续学习最新的数据分析和 AI 技术，以保持竞争力。同时，他强调了跨领域合作的重要性，指出企业需要工程、技术和数据分析等领域的专家共同协作，有效解决问题。此外，他还提醒企业在数据转型过程中要特别关注数据安全和信息安全，制定相应的政策和措施。

范书恺教授：AI 文化建设与人才培养

中国工业工程学会理事长范书恺教授则从人才培养和文化建设的角度出发，提出了企业在AI转型过程中的关键要素。他建议企业从高层到基层，建立一种容错、持续学习、跨领域合作的 AI 文化。范教授特别强调了企业领导者在 AI 导入过程中的魄力和勇于尝试的重要性，以及中层主管和基层员工在持续改进和优化中的作用。

AI 技术在可可饮品创新中的应用：传统与科技的碰撞

 可可公社创始人陈雨森带来了可可公社和 Profet AI 合作的经典案例，深入阐述了人工智能技术如何为传统产业带来创新变革。

 AI 的介入不仅提升了产品研发的精度和效率，还为满足消费者个性化需求提供了新的可能性。AI 的引入，使得产品研发不再局限于传统的试错方法，而是通过数据分析和模式识别，实现更加精准和创新的配方设计。可可公社与 Profet AI 的案例生动展示了 AI 技术在产品研发中的创新应用：

▶ 配方优化：AI能够分析不同原料的化学成分和相互作用，帮助研发人员发现最优的配方组合。

▶ 口感模拟：通过机器学习算法，AI可以模拟不同配方下的可可饮品口感，预测其在市场上的接受度。

▶ 质量控制：AI技术能够实时监控生产过程中的关键参数，确保产品质量的一致性和稳定性。

▶ 个性化需求与市场趋势预测：通过收集和分析消费者的购买历史、反馈和社交媒体数据，AI 能够帮助企业深入了解消费者的偏好，通过实时反馈不断优化产品，并预测市场趋势。这种洞察力不仅加速了企业对市场变化的响应速度，而且推动了产品的持续创新。企业得以利用 AI 开发多样化的产品，满足不同消费者的个性化需求。

▶ 竞争优势与市场机遇：正如陈雨森在分享中所总结，在竞争激烈的市场环境中，AI  技术赋予了小型企业与大型企业竞争的能力。通过 AI 的辅助，小型企业能够加速产品创新，更精准地定位市场，从而在市场中赢得一席之地。

放眼未来，随着 AI 技术的持续创新和深入融合，制造业无疑将迈入一个智能化、自动化的新纪元。在这个新时代中，AI 技术将不仅仅是生产效率的提升工具，更是推动企业创新、实现可持续发展的重要力量。