物美價廉 1769-DPS 環保高效 PLC模塊

物美價廉  1769-DPS  環保高效 PLC模塊

物美價廉  1769-DPS  環保高效 PLC模塊

智能制造的實質是以AI為代表的新一代數字技術與先進制造技術的深度融合，是推進新型工業化、發展新質生產力的關鍵部分。在生成式AI引發的新一輪技術變革之下，深化大數據、人工智能等研發應用， 開展“人工智能+”行動，已寫入今年的《政府工作報告》并受到業界重點關注。

在華為企業業務新推出的《智無不言-華為行業軍團訪談錄》期欄目中，華為制造與大企業軍團CEO劉超、江汽集團信息化管理部部長劉峰和中國電子技術標準化研究院物聯網研究中心主任郭楠就制造行業數字化轉型和智能化升級的現存難題展開多維度討論，助力制造企業在加速數智化的進程中更好地抓住機遇、戰勝挑戰。

AI技術的發展與應用豐富了智能制造內涵

生成式AI的發展、大模型的應用使得AI這項技術更加貼合行業場景，并滲透到企業有關研發設計、生產制造、銷售服務等全流程中，在這種新語境下，“智能制造”內涵再度得到豐富。

郭楠表示，數字化、網絡化、智能化制造都屬于智能制造的范疇。智能制造體現在設計、生產、物流和銷售等端到端的環節中。

華為制造與大企業軍團CEO 劉超

劉超認為，制造企業使用數字化和智能化技術，提升效率和競爭力的整個實踐過程，就是智能制造。數字化、智能化技術拓展了制造的新邊界。而AI這一輪技術浪潮正在以價值驅動著制造業全鏈路數字化轉型和智能化升級。

● 在研發設計環節，比如生物醫藥行業在AI技術加持下，新藥物發現時間可能從數年縮短至數月，成本下降70％以上；

● 在生產調度環節，比如華為在AI技術幫助下，可在1.5個小時內完成未來35天的供應計劃分解，這都是AI技術對智能制造各個環節的使能。

制造企業擁抱數智化存在不確定性和挑戰

智能制造的概念提出至今已近十年，但制造企業的數字化轉型和智能化升級之路始終存在多重挑戰。郭楠總結了傳統制造業尋求數字化轉型和智能化升級時會面臨的不確定因素：

● 戰略層面：企業一定會遇到零號難題——到底該干什么？做到什么程度？從何入手？

● 人才層面：員工中同時懂IT、工藝、制造、裝備等各類知識的復合型人才短缺；

● 投資層面：投資回報比難以計算，而智能制造一旦投資就沒有回頭路。

目前，大模型加速涌現，各行各業都在關注自己所處領域的大模型應用成效如何。對此，郭楠補充道：“制造行業的作業流程具備極強的確定性，生成式AI和大模型滲透到制造業的核心場景中需要解決的問題非常多，比如需要迭代掉生成結果的不確定性，AI在制造業的應用需要更有針對性。”

江汽集團作為制造業汽車領域的大型企業，自2020年起至今在數字化轉型和智能化升級道路上已探索多年，對制造業走向數智化存在的挑戰有切身體會。劉峰將江汽集團在升級轉型過程中遇到的挑戰歸結為三點：

首先，智能制造的投資規模動輒達到幾十億甚至上百億，這需要企業對數智化轉型抱有堅定決心；

其次，企業知道自身規劃的轉型方向是正確的，也要衡量自身能力是否與之匹配，對自身有清晰認知；

后，人才儲備是決定公司轉型能否走下去的關鍵，但同時懂IT、應用、場景等的人才是稀缺的。

物美價廉  1769-DPS  環保高效 PLC模塊