科技日報記者 韓榮 宋迎迎 魏依晨

在機械臂的精準舞動與數據流的無聲奔涌中，中國制造業正經歷著一場由人工智能（AI）驅動的數智化蛻變。

3月2日，科技日報記者走進太重智能高端液壓挖掘機產業園區時，1216臺機器人正合力演奏全自動化生產的進行曲。在這里，只需8.8分鐘，一塊鋼板便可以跑過5公里長的生產線，變身成為工程挖掘機的一部分。

“機器人協同作業，讓我們實現了‘鋼板進、整機出’的全流程自動化生產。”在全國兩會召開之際，太重集團技術中心高級工程師朱少輝代表告訴記者，“數智化轉型，為企業帶來了前所未有的變化。”

然而，技術瓶頸、產業鏈協同不足以及人才短缺等問題，仍制約著行業的進一步發展。在此背景下，如何突破底層技術、實現全產業鏈智能化，成為代表委員們關注的核心議題。

數智化驅動制造業升級

工業和信息化部數據顯示，截至2024年12月20日，我國已建成1200余家先進級智能工廠和230余家卓越級智能工廠，智能制造取得了長足發展。

朱少輝表示，從全國來看，技術瓶頸仍是智能制造發展的一大挑戰。盡管AI在智能制造中發揮了重要作用，但仍有諸多底層技術亟待突破，這需要相關主體的持續努力。

此外，朱少輝認為，我國大中小企業在數智化轉型中的協同水平也有待提升，尤其需要強化產業鏈龍頭企業的支撐帶動作用。

江西省萍鄉萍鋼安源鋼鐵有限公司（以下簡稱“萍安鋼鐵”）已有70年的發展歷史。近年來，通過裝備的不斷升級，萍安鋼鐵的自動化水平穩步提升，生產也邁上了新臺階。

不過，萍安鋼鐵安源煉鐵廠技術員溫菲代表發現，在這個老牌鋼鐵企業中，仍有部分生產一線崗位采用效率較低的手動操作模式。如何降低工人的勞動強度，提高生產效率？溫菲認為，關鍵要深入挖掘拓寬AI應用場景，為AI與制造業的深度融合牽線搭橋，進而實現精準對接。

溫菲告訴記者，傳統行業僅在單個工序點推進智能化是遠遠不夠的，而是要通過智能制造的系統化、集控化等更高目標的實現，最終推動智能制造“全鏈貫通”。

跨學科攻堅與人才培育并重

作為國家智能制造標桿企業，海爾集團近年來正以AI技術重塑產業和經濟形態。

“對制造業而言，AI最大的價值在于全場景的穿透力。”海爾集團董事局主席、首席執行官周云杰代表認為，AI通過海量工業數據的訓練和多模態能力的融合，能夠實現跨設備、跨產線、跨產業鏈的全局優化，推動產業體系的數智化發展。

“企業要么與AI同進化，要么被AI邊緣化。”周云杰認為，企業在AI應用上應根據自身特點制定戰略。一方面，企業應以場景為牽引，加快AI應用落地。

例如，將原本依賴人工且易出錯的產品檢測工序，通過AI視覺檢測技術實現自動化。另一方面，企業要以應用為牽引，推動AI創新。以天智工業大模型為例，這一模型沉淀了4700個行業機理模型和200個專家算法，通過在15個行業的16萬家企業的應用，推動著整個工業大模型在研發設計、生產制造、經營管理等環節的深度應用。

周云杰提醒，AI作為前沿技術，在打破行業壁壘的同時，也讓不少一線產業工人面臨著挑戰。對此，朱少輝表示贊同。他認為，智能制造需要具備跨學科的綜合能力，包括工程技術、數據分析、軟件開發等多個領域的知識和技能。然而，目前智能制造產業缺乏高素質的人才，人才供需矛盾突出。

朱少輝建議，我國應健全技能人才政策體系，通過實施高技能人才振興計劃等舉措，培養創新型、復合型人才，并引導企業建立技能價值激勵導向的薪酬分配制度。此外，政府應發揮職業院校人才培育的基礎作用，推行產教融合發展培養模式，讓人才培育和產業同步發展。