这场系统性变革的最终分野，将不再是谁用了AI，而是谁真正让AI长进了制造的骨骼与血液里

文｜周源

编辑｜谢丽容

“这不是一道关于未来发展的‘选修课’，而是一道关乎当下生存的‘必答题’。”

江汽集团控股公司董事，江汽集团股份公司党委副书记、总经理李明在一场以“AI+制造”为主题的行业峰会上说出这句话时，他身后那间与华为共同打造的尊界超级工厂，正以支持数以万计个性化选配的柔性生产，打造用户差异化体验。

图：江汽集团股份公司党委副书记、总经理李明

来源：AI+制造行业峰会2026

这并非孤例。一场以AI为手术刀的制造业深层变革，正在中国最“硬核”的产业腹地悄然发生。

研发环节是制造业提质增效的源头。传统模式下，无论是药物研发还是汽车工程，都饱受高投入、长周期、低成功率折磨，AI的介入，正在把依赖“专家经验”、反复试错的旧模式，翻转为数据驱动、智能预判、精准生成模式。

在生物医药领域，广州医药集团有限公司（下称“广药集团”）利用3D分子生成模型等AI技术，将药物早期发现成本降低了70%，研发周期从行业平均的1年-2年大幅缩短至3个-6个月，其“MolVortex 智能体”作为药物化学专家的智能助手，共同设计、优化分子，让专家得以从重复性工作中解放，研发效率显著提升。

深圳翰宇药业将华为盘古药物分子大模型，与专家20余年的内部经验和5万+文献专利全部沉淀为可检索、可调用的数字资产，打破知识壁垒，改变依赖人工试错的传统研发模式，推动工艺决策从“经验驱动”迈向“科学驱动”。这将生产参数决策效率提升90%，批次合格率大幅提升22%，确保了稳定的产品质量与生产规模化的能力。

正加速崛起、具备全球硬核竞争力的中国汽车行业同样如此。广汽集团通过统一AI开发平台，使智驾场景从数据采集到仿真实现了全流程闭环，开发效率提升超过10倍，车型标准开发周期缩短至18个月。

不仅是研发，在生产制造端，AI正在解决制造业长期存在的泛化能力差、架构僵化等问题，重塑生产形态。

上汽通用五菱打造了全球汽车行业首个“智能岛”制造体系，颠覆了延续百年的流水线总装工艺。在华为星河AI网络的支持下，作业岛间的AGV（自动导引运输车）稳定运行，车辆可以“自己找工位”，产线灵活性大幅增强。效果立竿见影：整车交付周期缩短30%，整车成本降低5%-8%，消费者全生命周期使用成本降低15%，工厂整体能耗降低25%。

江汽集团与华为联合打造了汽车行业首个CV（机器视觉）质检大模型——迈思特。该模型依托华为盘古CV基础大模型和昇腾算力底座，通过江汽集团自身130万张高质量图片数据增训，把高质量标准、工艺知识、视觉算法和AI大模型能力结合起来，推动质检从“人工经验”向“智能识别、标准统一、持续进化”转变。

图：江汽集团联合华为发布“迈思特”CV质检大模型

来源：AI+制造行业峰会2026

在纺织轻工业，福建辅布司纺织有限公司通过端云协同的AI质检方案，精准捕捉蕾丝花边这种复杂织物的细微缺陷，实现了品质与效率的双重飞跃。

多位行业人士表示，随着政策、技术与标杆案例同时抵达临界点，2026年，AI+制造有望从星星之火的试点，奔赴已成燎原之势的“系统性革命”。

“行业+AI”已得到真实验证

“行业+AI”价值已得到市场真实验证，不再是概念和试点，理由清晰有力。

其一，价值能量化。企业能直接算清AI带来的巨大收益。例如，在家电的研产供销服、汽车的智能驾驶、金融的面客、矿山的无人化、炼钢的高炉炉温预测等场景，AI的巨大价值已经得到验证。

其二，客户愿投资。目前大多数央国企对AI追加了专项预算，制造、金融、电力各个行业都加大了AI基础设施的建设投资。

其三，方案可复制。行业头部企业标杆应用已落地，正向全行业辐射推广。

其四，自主AI生态渐成熟。模型厂商、行业应用厂商、硬件厂商等生态协同，AI产业链已形成。据华为透露，2025年已经800多家ISV （软件应用开发商）以昇腾算力为底座来开发制造业的高端应用。

华为中国政企业务副总裁郭振兴指出，2026年“行业+AI”迎来三大关键跃升机遇，标志着AI产业正在跨越关键拐点，从技术爆发走向产业重构，实现真正的跃升。

第一个机会来自数智化投资量级与进程全面跃升。行业预测企业数智化投资占收入比重将从2.5%提升至3%–3.5%，千亿营收企业年度投入可达30亿元–35亿元，强力拉动产业链升级。

第二大机会蕴藏在数智化基础设施建设方面。随着头部企业在模型训练、预训练、推理与蒸馏等环节加速布局，AI推理应用呈爆发式增长，2026年明显出现国内企业将宝贵的投资更加向数智基础设施倾斜的迹象。

第三大机会来自AI行业解决方案层面，企业不再满足单点场景AI创新，转向系统化、端到端流程变革，希望真正以全链路能力解决核心业务问题，这将催生行业解决方案市场的加速增长。

国家“人工智能+”行动也将为产业提速提供强劲助力。据国际数据公司IDC预测，到2029年，中国AI总投资规模预计达到1114亿美元；到2030年，新一代智能终端、智能体等应用普及率超过90%，智能经济将成为重要增长极，2035年中国将全面迈入智能经济与智能社会新发展阶段。

五大方法论，一个系统性答案

面对新一轮行业数智化浪潮与智能经济的战略机遇，制造类企业该如何精准把握、高效落地？先行者的答案非常明确。

在前述峰会上，李明首先点明了战略层面的核心判断：企业推进智能化转型，既要顺应行业发展大势，更要具备逆势突围的勇气与决断。他认为，汽车行业竞争已进入“下半场”——规模竞争成为过去式，成本竞争触及瓶颈，大模型技术的快速突破正彻底打破汽车产业的传统护城河，唯有率先在AI与制造深度融合上实现破局，才能牢牢掌握定义未来竞争格局的主动权。

李明的第二条经验是，与强者为伍，与巨人同行，善于借助伙伴力量，实现跨越式升级。

江汽集团自身的转型就是生动印证。作为传统商用车领域的老牌企业，江汽集团通过与华为建立全面深度合作，成功切入高端豪华乘用车新赛道。在华为领先的根技术与数智能力加持下，江汽集团不仅完成尊界超级工厂建设，更联合打造出旗舰车型尊界S800。该车上市10个月以来，累计交付量超过1.6万台，成为本土高端制造崛起、中国汽车产业向价值链高端攀升的标杆典范。

图：江汽集团尊界工厂 来源：江汽集团

李明特别强调，企业必须拥有自主创新的数智化能力。目前，江汽集团依托昇腾超节点等，构建起从算力卡到框架，再到算法的自主创新AI算力底座。

他认为，这是江汽集团在集团智能化征途上的压舱石和护城河。

正如华为监事会副主席陶景文所说，在当今世界形势下，中国企业在数智化建设上既要走自主创新，又要坚持开放合作，不要放弃对世界最先进的技术的应用。华为坚持搭建适配中国制造业的“平台+海量服务”生态，以开放平台汇聚更多力量。

战略方向明确之后，具体实践主要面临两个核心问题。

其一是架构建设。部分传统制造企业依然面临着信息孤岛多、重复建设多、数据共享难、系统联动难的一系列问题，在AI大势所趋下，传统的多系统烟囱式架构需迈向以AI为核心的架构。

根据华为经验，制造行业智能化架构应遵循统一标准、统一架构、统一数据格式、分层解耦和持续迭代原则，主要由智能感知层、智能联接层、智能底座层、智能平台层、制造行业各类大模型以及百花齐放的AI场景应用组成，华为基于实践沉淀出可复制的一套完整解决方案。

其二是场景选择。场景是“龙头”，多位行业人士表示要AI落地关键是聚焦价值场景，不能搞大水漫灌。

陶景文给出了华为的三个选场景的原则：一是切口小、深度大；二是单一功能的闭环优于多功能的简单堆砌；三是要围绕核心价值流，选择可动态持续演进、持续反馈的场景。

当然，AI要想真正落地，仅有技术还不够，还需要与之匹配的组织文化、管理机制和流程体系，而且目前既懂AI又懂行业的复合型人才的缺口也很大。

企业数智化转型是个系统工程，基于服务千行百业数智化转型的实战经验，华为中国政企业务副总裁郭振兴总结出一套成型的方法论，与上述实践要点一脉相承。

首先是战略决心。需要企业一把手明确战略方向，并有着长期战略定力，并在场景、流程、组织、数据、IT等多个维度确保落地；

二是架构引领。应以架构为蓝图，以AI为核心，参考行业智能体架构，夯实底座，全域赋能行业智能化升级；

三是价值场景选择。通过三层五阶八步十二问来选定价值场景，从“价值、数据、成本、风险、技术”五个维度量化AI场景应用成熟度；

四是基础设施先行。所谓工欲善其事必先利其器，企业应该先行打造基础设施，智能化时代效率提升是系统工程，平台早建设，团队早使用；

最后是组织保障。建议专班运作，确保一把手责任制，跨部门协同机制；同时实现人才培养机制，发展自己的行业场景专家和AI技术专家，并建议成立数智化部：预算单列，有跨部门决策权。

燎原之火已起，这场系统性变革的最终分野，将不再是谁用了AI，而是谁真正让AI长进了制造的骨骼与血液里。