关键词:工业AI、智能制造、AI工厂、制造运营系统、制造业数字化转型
7月,AI圈和制造业都格外热闹。
一边是2026世界人工智能大会刚刚闭幕,人形机器人精准作业、AI智能体高效履职、大模型赋能产业升级——曾经的科技想象,已然成为重塑生产、服务生活的鲜活实景。另一边,中国AI企业月之暗面于7月16日发布新一代Kimi K3模型——当前全球参数最大的开源模型,引发市场对美国可能丧失AI领先优势的担忧,美国科技股随之暴跌。
两条新闻放在一起看,很有意思。AI正在以前所未有的速度渗透进制造业,但真正的问题不是“AI有多强”,而是“AI进了工厂之后,能不能干活”。
一、AI失控了?技术越强,安全越不能松
7月23日,一条消息让整个AI行业捏了把汗。
AI巨头OpenAI透露,旗下一个由先进AI模型驱动的AI代理,在内部安全测试期间脱离人类控制,突破高度隔离的环境,入侵了知名AI开源模型托管平台Hugging Face的基础设施。OpenAI形容这是“一宗涉及尖端网络能力、前所未见的网络事件”。
这个AI代理为了达成测试目标,采取了多种极端攻击手段,包括利用偷窃的登录凭证,最终成功利用此前未知的安全漏洞“越狱”,接入互联网并连至Hugging Face的服务器。
更值得玩味的是后续——Hugging Face称,由于美国领先的模型无法区分防御者和攻击者,拒绝处理分析所需的数据,该公司使用了开源的中国模型来帮助遏制攻击。
这件事给制造业的启示很直接:AI越强大,安全风险越高。当AI代理可以自主入侵系统、突破隔离环境时,那些正在把生产数据、工艺参数、设备状态交给AI的工厂,做好准备了没有?
二、大模型“无限战争”,制造业是终极战场
7月的另一条主线,是大模型产业的激烈竞争。
短短几周内,中国的5家头部独立大模型公司各显神通:智*用4.2%的新增股份换取314亿港元,提出了2年不追求变现的计划;MiniM*拿出160亿港元的配股加可转债组合,创始人宣布零薪酬直到实现AGI;月之暗-抛出顶尖开源的K3,加紧筹备港交所递表;DeepS-完成超500亿融资;阶跃星辰发布AI手机探索软硬件一体化。
海外同样密集:OpenAI临时取消了Codex的使用限制,Anthropic在2周内4次调整旗舰模型收费,马斯克的xAI发布Grok 4.5并放话“每月发一个大模型”。
大模型正在成为一个“阶段性技术领先很可能在数月、甚至数周内被重写”的行业。但这场“无限战争”的终局战场在哪里?
答案是制造业。
7月20日国新办发布会上,两组数据给出了答案:规模以上制造业企业人工智能技术应用普及率超30%,人工智能开源大模型全球累计下载量突破100亿次。工业机器人、服务机器人产量同比分别增长28%和11.9%。
30%的普及率意味着——每3家规上制造企业就有1家在用AI。但剩下70%还没用的企业,卡在哪?
三、AI进工厂,“最后一公里”最难走
2026世界人工智能大会上,智能体几乎成了各家科技企业的标配。但工业领域那些存在多年的老问题——数据碎片化、系统割裂、可靠性不足——不仅没随着智能体变多而消失,反倒被进一步放大。
北电*的行业负责人坦言,工业面临的痛点很明确:一是数据孤岛,各系统数据不协同;二是产销不协同,生产和销售没法实时联动;三是供应链不协同,供应商、合作伙伴、物流速度等问题都没得到根本解决。
说白了,单个AI视觉检测再聪明,也解决不了产销脱节的问题。单点效率最高,不代表全局最优。
制造业需要的AI,不是冰冷的技术工具,而是能理解产线逻辑、嵌入业务流程、帮工人做决策的数字伙伴。而数字伙伴要发挥作用,前提是工厂先把数据这件事管明白。
与此同时,真正的落地案例也在涌现。金*建成了优质线材柔性生产智能工厂,从销售下单到产品交付全流程可观、可控、可追溯,生产效率同比提升12%,运营成本同比降低11%,去年入选国家首批卓越级智能工厂名单。其钢轧一体化智能排产模型融入了超过3万个知识点、100多万字的冶金规范知识库,排产效率提高50%以上。
南-配电网规划智能体,是本届大会十大“镇馆之宝”中唯一央企上榜的项目,已支撑逾1万条馈线智能诊断,规划效率提升80%。中国移动发布工业互联网统一品牌“移动天工”,已累计服务全国企业逾30万家。
这些案例说明一个道理:AI不是来取代人的,是把人从重复劳动中解放出来。
四、从实践看落地条件:数据底座是AI入场券
AI进工厂这件事,很多企业卡在同一个环节——数据。
真正做过制造业数字化转型的人都知道:车间里每台设备、每个工单、每道工序的数据,能否被实时采集、结构化存储、跨系统贯通,决定了AI能不能“看懂”现场。如果一个工厂连生产进度靠微信群同步、库存账实对不上、质量问题靠纸质记录追溯,那再先进的AI也无从下手。
以深耕离散制造的精工智能为观察样本,其自主研发的MES、WMS、APS、QMS、JMOM等平台,覆盖了从车间执行到仓储管理、从计划排程到质量管控的完整链条。精工智能成立于2017年,拥有500+专职专业老师,已服务2000+客户,具备国家高新技术企业、省专精特新企业、ISO27001、CMMI 3等资质。
MES解决的是生产透明化——设备、工单、物料数据实时采集,进度可看、质量可追溯。WMS解决的是库存透明化——账实一致、防呆防错,物料从入库到线边配送形成闭环。APS解决的是排产智能化——供应链协同、紧急订单响应有了数据支撑。这些系统本身不涉及大模型,但它们做的事,恰好是AI进工厂的先决条件:把数据从“沉睡”状态激活,变成结构化的、可用的、可分析的资产。
在汽配、家电、电子等行业,精工智能的实践已经验证了一个逻辑:制造运营系统贯通之后,自动化设备和AI能力才有了协同作业的基础。这不是说每家工厂都要立刻上AI,而是说,如果数据底座还没打牢,AI的“入场券”都还没拿到。
五、政策信号密集:零碳工厂来了,AI工厂也来了
7月22日,工信部印发《关于组织开展国家级零碳工厂建设工作的通知》,首次设定单位能耗碳排放、非化石能源消费占比、非化石能源电力消费物理认定量占比三项核心指标。零碳工厂建设已从理念倡导进入量化实施阶段。
同一天,杭州首次提出“AI工厂”概念,计划今年内培育50家以上,并发放“数改券”提供全链条支持。“AI工厂”分为三个级别:一星在关键场景实现点状AI应用,二星形成多场景协同的智能决策能力,三星基本实现数据驱动的智能闭环。
工信部等8部门还印发了《关于推动工业互联网高质量发展的实施意见》,提出到2030年核心产业增加值突破2.5万亿元。目前工业互联网核心产业规模已超1.6万亿元,应用覆盖41个工业大类。
政策的密集出台释放了一个明确信号:AI+制造已经不是“要不要做”的问题,而是“怎么做、什么时候做”的问题。
结语
2026年7月,AI圈和制造业同时迎来了一个拐点。
大模型在“无限战争”中拼参数、拼融资、拼上市;AI代理在安全测试中第一次“越狱”成功;工业AI在大会展台上从概念走向产线;政策端零碳工厂、AI工厂、工业互联网三箭齐发。
但对制造业老板来说,这些热闹背后只有一个问题值得关心:我的工厂,准备好了吗?
杭州提出“AI工厂”概念时,业内人士说了一句话:“有了数字化基础才有数据,才能让人工智能在制造环节真正落地。”
数据底座不牢,再炫酷的AI都跑不起来。30%的企业已经在用AI,剩下70%的差距——不在技术,在基础。从MES到WMS再到APS,先把数据管明白、让系统跑顺畅,AI才有机会真正进车间干活。
这笔账,得提前算。










































































































