從一家企業(yè)到整個(gè)行業(yè)，華為轉(zhuǎn)動(dòng)了AI+制造的“飛輪”

原創(chuàng) 贊收藏 評(píng)論

舉報(bào) 2025-04-29

掃描,分享朋友圈

對(duì)“立國之本”中國制造業(yè)來說，AI一直是行業(yè)的熱門話題。

早在大模型的概念出現(xiàn)前，不少制造企業(yè)就開始用算法進(jìn)行數(shù)據(jù)收集和分析，用計(jì)算機(jī)視覺技術(shù)試水智能質(zhì)檢。盡管應(yīng)用的場景比較局限，范圍以試點(diǎn)為主，卻也讓外界看到了制造業(yè)對(duì)AI的開放和包容。

華為中國政企業(yè)務(wù)副總裁郭振興

2024年底召開的全國工業(yè)和信息化工作會(huì)議，明確提出要實(shí)施“人工智能+制造”行動(dòng)，并將加強(qiáng)通用大模型、行業(yè)大模型研發(fā)布局和重點(diǎn)場景應(yīng)用列為2025年重點(diǎn)任務(wù)。接下來幾個(gè)月里，廣東、江蘇、湖南、浙江等多個(gè)省市陸續(xù)給出了“AI+制造”行動(dòng)方案，首要目標(biāo)正是挖掘一批典型應(yīng)用場景。

經(jīng)歷了長時(shí)間的摸索后，2025年將是“AI+制造”的破局時(shí)刻：設(shè)計(jì)、生產(chǎn)、管理、倉儲(chǔ)、質(zhì)檢、銷售、服務(wù)等全流程都將被智能化改造。既是制造業(yè)加速轉(zhuǎn)型的機(jī)會(huì)，也存在數(shù)據(jù)、算力、人才等挑戰(zhàn)。

4月28日在廣州舉辦的華為AI+制造行業(yè)峰會(huì)2025上，來自汽車、醫(yī)藥、半導(dǎo)體等制造行業(yè)的數(shù)百家企業(yè)，圍繞制造業(yè)和AI的深度融合、降本增效、提質(zhì)升級(jí)等課題進(jìn)行了激烈討論，給出了經(jīng)過驗(yàn)證的答案。

01 AI+制造的全流程，華為先跑了一遍

早在2021年的時(shí)候，德勤就曾在《制造業(yè)+人工智能創(chuàng)新應(yīng)用發(fā)展報(bào)告》中預(yù)測了AI在中國制造業(yè)的市場前景：預(yù)計(jì)未來五年將保持年均40%以上的增長率，有望在2025年超過140億元人民幣。

回頭來看，德勤似乎低估了“AI+制造”的增長勢(shì)頭，畢竟大模型在2021年還是一個(gè)小眾名詞，更多的是對(duì)制造產(chǎn)業(yè)特征的謹(jǐn)慎判斷：AI+制造的融合是一項(xiàng)系統(tǒng)工程，不僅要解決底層的技術(shù)問題，還要破除在實(shí)際生產(chǎn)環(huán)境中的落地障礙，相對(duì)應(yīng)的就有“概念先行、落地滯后”的現(xiàn)象。

怎么才能讓AI的價(jià)值最大化呢？華為的回答是“自己先跑一遍”。

作為一家強(qiáng)研發(fā)和生產(chǎn)的制造型企業(yè)，華為的業(yè)務(wù)遍布全球170多個(gè)國家和地區(qū)，可以說制造業(yè)遇到的大多數(shù)痛點(diǎn)，華為都曾遇到過。華為的解題思路并不復(fù)雜，即不斷引入新技術(shù)解決舊問題。

2014年開始數(shù)字化轉(zhuǎn)型，建立了全量全要素的連接和實(shí)時(shí)反饋系統(tǒng)，在數(shù)據(jù)治理、數(shù)據(jù)安全上花了不小的精力；2018年全面智能化，將大模型引入研、產(chǎn)、供、銷、服各個(gè)環(huán)節(jié)，重構(gòu)作業(yè)模式，提升業(yè)務(wù)效率，同時(shí)升級(jí)了AI數(shù)據(jù)治理體系，用高質(zhì)量的數(shù)據(jù)安全、高效地支撐模型的訓(xùn)練與應(yīng)用。

比如在研發(fā)領(lǐng)域，華為構(gòu)建了“研發(fā)+AI+數(shù)據(jù)”的新模式，將高價(jià)值的技術(shù)文檔、精選代碼、開源代碼倉等導(dǎo)入研發(fā)數(shù)據(jù)平臺(tái)，訓(xùn)練出了研發(fā)大模型和AI開發(fā)助手，極大地加速了開發(fā)進(jìn)程，提升了研發(fā)效率。

再比如生產(chǎn)領(lǐng)域，將生產(chǎn)環(huán)節(jié)涉及到的市場數(shù)據(jù)、研發(fā)數(shù)據(jù)、倉儲(chǔ)物流數(shù)據(jù)、產(chǎn)線設(shè)備數(shù)據(jù)等等，通過數(shù)據(jù)平臺(tái)進(jìn)行數(shù)據(jù)入湖、數(shù)據(jù)清洗、數(shù)據(jù)分析，并將分析結(jié)果通過生產(chǎn)大模型進(jìn)行訓(xùn)練，實(shí)現(xiàn)了生產(chǎn)的智能化：在物料準(zhǔn)備環(huán)節(jié)，實(shí)現(xiàn)了根據(jù)客戶訂單智能排產(chǎn)；在物料準(zhǔn)備環(huán)節(jié)，人工揀選進(jìn)化為自動(dòng)發(fā)料；在問題診斷環(huán)節(jié)，做到了現(xiàn)場問題秒級(jí)預(yù)警、分鐘級(jí)響應(yīng)……

另一個(gè)必須要回答的問題是：大多數(shù)制造企業(yè)沒有華為的研發(fā)和創(chuàng)新能力，該怎么解決“AI+制造”過程中遇到的挑戰(zhàn)？

根據(jù)Gartner、埃森哲、波士頓咨詢等權(quán)威咨詢機(jī)構(gòu)的報(bào)告：當(dāng)前有73%企業(yè)的數(shù)據(jù)利用率小于40%、60%的企業(yè)在AI項(xiàng)目中技術(shù)與實(shí)際場景需求脫節(jié)、僅有25%的AI試點(diǎn)項(xiàng)目能夠規(guī)模化推廣、60%的中型企業(yè)因算力不足或云服務(wù)成本過高，無法支撐模型訓(xùn)練……

這些問題不被解決，“AI+制造”很難星火燎原。

02 跨越數(shù)智化鴻溝：和伙伴們一起解難題

面對(duì)千行萬業(yè)邁入數(shù)智世界存在的巨大鴻溝，華為中國政企業(yè)務(wù)副總裁郭振興在華為AI+制造行業(yè)峰會(huì)2025及媒體采訪中給出了答案。為了方便大家的理解，我們將郭振興的觀點(diǎn)梳理成了兩個(gè)方面。

一是提供“智能聯(lián)接、智能存儲(chǔ)、智能算力、智能平臺(tái)”端到端的全棧解決方案，幫助企業(yè)構(gòu)筑新型基礎(chǔ)設(shè)施。

機(jī)械化時(shí)代的制造業(yè)，效率提升靠裝備性能的提升，周期短見效快；到了智能化時(shí)代，數(shù)據(jù)成為新的生產(chǎn)資料，高質(zhì)量的數(shù)據(jù)是大模型訓(xùn)練的基石，直接影響著AI落地的效果，需要圍繞數(shù)據(jù)挖掘打通技術(shù)流和價(jià)值流，新型基礎(chǔ)設(shè)施可以說是智能化的先決條件。

為了打通企業(yè)部署AI的路徑，華為將重心放在了智能體的四層架構(gòu)：

智能聯(lián)接，確保數(shù)據(jù)可以被高效采集和利用；智能存儲(chǔ)，幫助企業(yè)打破數(shù)據(jù)孤島、優(yōu)化數(shù)據(jù)供給；智能平臺(tái)，提高算力線性度，同時(shí)為數(shù)據(jù)的采集、清洗和流通提供全面的安全防護(hù)；智能算力，覆蓋了大模型訓(xùn)練到推理場景的全流程解決方案。

二是和伙伴一起探索行業(yè)場景，整合各方資源打造能夠快速復(fù)制的標(biāo)桿案例，加速客戶數(shù)智化轉(zhuǎn)型的進(jìn)程。

就像每次產(chǎn)業(yè)革命初期所呈現(xiàn)出來的，創(chuàng)新的擴(kuò)散始于“早期采用者”，往往是創(chuàng)新意識(shí)比較明確且有能力進(jìn)行轉(zhuǎn)型的大中型企業(yè)。

“AI+制造”也是如此，先從0到1打造出行業(yè)解決方案樣板點(diǎn)，做深做透聚焦的價(jià)值場景，沉淀出行業(yè)解決方案，再將行業(yè)解決方案標(biāo)準(zhǔn)化和模塊化，可以說是從1到N的不二法門。

智能化不是孤軍奮戰(zhàn)，而是基于確定性架構(gòu)的行業(yè)共振。由于不同行業(yè)對(duì)AI的需求各異，一家企業(yè)無法覆蓋所有的細(xì)分行業(yè)，華為擅長的是基礎(chǔ)設(shè)施，選擇將場景創(chuàng)新交給在細(xì)分行業(yè)里有深厚積累的“聯(lián)盟級(jí)伙伴”，發(fā)揮伙伴的能力優(yōu)勢(shì)，“用一厘米的切口，挖出一公里的價(jià)值”。

可以找到一組數(shù)據(jù)是：2024年華為和伙伴合作推動(dòng)了央企重工、車輛裝備、半導(dǎo)體電子、新能源、煙酒制藥、輕工業(yè)等近10個(gè)制造細(xì)分行業(yè)的數(shù)智化轉(zhuǎn)型；與60多家NA客戶聯(lián)合創(chuàng)新，打造出了研發(fā)工具鏈、智能駕駛開發(fā)平臺(tái)、工程設(shè)計(jì)仿真、智慧工廠等行業(yè)解決方案。

按照郭振興的說法，2025年華為將在更多行業(yè)發(fā)展聯(lián)盟級(jí)伙伴，通過開放資源、開放機(jī)會(huì)、聯(lián)合伙伴、深耕行業(yè)的方式，應(yīng)對(duì)復(fù)雜場景需求、滿足細(xì)分行業(yè)的多樣化需求，幫助千行萬業(yè)跨越數(shù)智化鴻溝。

03 加速行業(yè)智能化，讓創(chuàng)新的飛輪轉(zhuǎn)起來

著名管理學(xué)家吉姆·柯林斯在《從優(yōu)秀到卓越》中提出了“飛輪效應(yīng)”理論：

為了使靜止的飛輪轉(zhuǎn)動(dòng)起來，一開始必須使很大的力氣，每轉(zhuǎn)一圈都很費(fèi)力，但達(dá)到某一臨界點(diǎn)后，飛輪的重力和沖力就會(huì)成為推動(dòng)力的一部分，這時(shí)無須再費(fèi)更大的力氣，飛輪依舊會(huì)快速轉(zhuǎn)動(dòng)，而且不停地轉(zhuǎn)動(dòng)。

“AI+制造”的進(jìn)程，可以看作是“飛輪效應(yīng)”在制造業(yè)的寫照，早期打磨解決方案時(shí)，可能會(huì)踩無數(shù)的坑，而當(dāng)越來越多的行業(yè)經(jīng)驗(yàn)被固化到產(chǎn)品和解決方案中，創(chuàng)新的飛輪將越轉(zhuǎn)越快。

直接的例子就是廣汽集團(tuán)。

汽車革命的上半場是新能源，下半場是智能化。“智能化”的體現(xiàn)不只是在用戶交互、自動(dòng)駕駛等技術(shù)上，還涉及研發(fā)、生產(chǎn)、供應(yīng)、銷售、服務(wù)在內(nèi)的各個(gè)環(huán)節(jié)，而研發(fā)恰恰是智能化轉(zhuǎn)型的起點(diǎn)。

華為在研發(fā)環(huán)節(jié)的數(shù)智化實(shí)踐，進(jìn)入到了廣汽研究院的視野。在華為和伙伴的幫助下，廣汽研究院建立起了涵蓋研發(fā)業(yè)務(wù)的云化基礎(chǔ)設(shè)施、研發(fā)數(shù)據(jù)管理、研發(fā)作業(yè)工具、AI智能化全域的智能化平臺(tái)，將整車研發(fā)周期從36個(gè)月降至18個(gè)月。

在電子行業(yè)，立景創(chuàng)新也遇到了挑戰(zhàn)。

16萬平方米無塵車間的網(wǎng)絡(luò)改造，一度讓立景創(chuàng)新傷透腦筋。一旦在改造過程中引入了灰塵，將無法滿足萬級(jí)無塵要求，造成車間潔凈度達(dá)標(biāo)時(shí)間延長，可能會(huì)耽誤訂單的交付時(shí)間，乃至影響產(chǎn)品品質(zhì)。

最終消除煩惱的，是立景創(chuàng)新與華為聯(lián)合打造的“剪辮子”方案，通過4000個(gè)CPE“剪辮子”，減少了1萬多個(gè)有線信息點(diǎn)位，達(dá)到了變產(chǎn)線、不變網(wǎng)絡(luò)的效果，而且網(wǎng)絡(luò)變更的工作時(shí)長只用了0.5天，從人、事、物、網(wǎng)全息感知網(wǎng)絡(luò)質(zhì)量的智能運(yùn)維NCE平臺(tái)，極大縮短了網(wǎng)絡(luò)故障定位時(shí)間。

深入了解電子行業(yè)的網(wǎng)絡(luò)需求后，華為不斷在產(chǎn)品和方案上創(chuàng)新，陸續(xù)幫助訊強(qiáng)電子、邦普循環(huán)、融捷能源、美的集團(tuán)等提供強(qiáng)有力的網(wǎng)絡(luò)支撐。

相關(guān)的落地案例還有很多。

除了深入一家家企業(yè)和工廠，解決AI+制造遇到的一個(gè)個(gè)問題，華為正在聯(lián)合不同行業(yè)的伙伴、高校、協(xié)會(huì)組織、開發(fā)者等深耕生態(tài)，將案例經(jīng)驗(yàn)進(jìn)一步轉(zhuǎn)化成標(biāo)準(zhǔn)和通用能力。

就像“飛輪效應(yīng)”所示范的，有了越來越多落地場景、越來越多的細(xì)分解決方案，“AI+制造”將是一件水到渠成的事。

04 寫在最后

“AI+制造”像是一場比拼耐力與智慧的馬拉松。

需要仰望星空，用創(chuàng)新解決行業(yè)遇到的種種難題；也需要腳踏實(shí)地，在落地過程中挖掘出AI的價(jià)值。

“源于制造，更懂制造，服務(wù)制造”的華為，正在攜手產(chǎn)學(xué)研伙伴深入合作，讓AI的力量滲透進(jìn)制造的每一寸肌理，奔著企業(yè)的難點(diǎn)持續(xù)轉(zhuǎn)動(dòng)“飛輪”，一同譜寫中國制造高質(zhì)量發(fā)展的新篇章。

本文系作者授權(quán)數(shù)英發(fā)表，內(nèi)容為作者獨(dú)立觀點(diǎn)，不代表數(shù)英立場。
未經(jīng)授權(quán)嚴(yán)禁轉(zhuǎn)載，授權(quán)事宜請(qǐng)聯(lián)系作者本人，侵權(quán)必究。