AI+制造如何落地?专家:关键在标准化交付

图片只作辅助表达,并非真实画面,由 AI 生成
资讯来源:互联网公开资料整合

在近日举行的世界人工智能大会上,联合国秘书长古特雷斯向上海交通大学人工智能与微结构实验室主任李金金教授抛出了三个问题:AI技术能否降低能耗、提升生产效率、创造实际经济效益?这反映出国际社会对中国工业AI应用的高度关注。李金金回应称,AI+制造的最终目标正是这三个方向,但不会简单复制互联网AI模式,而是更重交付、安全与长期回报。

李金金认为,中国庞大的制造体系为AI提供了丰富场景,哪怕在关键工艺环节实现小幅优化,放大到全年经营都能产生可观价值。当前AI+制造正从试点验证期迈向高价值场景的规模复制期,工业过程的动态性要求模型具备实时性、稳定性和可解释性。以生物发酵为例,通过AI调控,川宁生物实验罐在相同物料投入下平均产量提升3%-5%;在炼化行业,AI赋能使单厂每年节省1000万-2000万元成本。这些案例表明,工业AI的价值在于增强而非颠覆现有自动化体系。

从行业趋势看,AI+制造规模化落地仍需跨越数据治理、工程化交付等门槛。李金金强调,未来3-5年应用重心将从辅助工具转向能对经营结果负责的工业智能体,技术路线将走向机理+数据融合、云边端协同。上海凭借技术、产业、场景的近距离优势,有望形成从基础研究到可复用模块的完整转化链条,为全球制造业智能化升级提供中国方案。

浏览 12453 · 资讯ID: 21716

返回首页

相关问题

李金金教授认为AI+制造的核心目标是什么?
她认为核心目标是解决能耗降低、效率提升和经济效益创造三个实际问题,而非追求模型参数规模。
AI在生物发酵和炼化领域带来了哪些具体效益?
在生物发酵领域,AI调控使实验罐平均产量提升3%-5%;在炼化行业,产出每提升1%,单厂年成本可减少1000万-2000万元。
AI+制造规模化落地的关键拐点是什么?
关键在于实现高价值场景的标准化交付,即用明确基线、可审计数据证明收益,并将可复用模块打包成产品,缩短复制周期。

评论 (0)

暂无评论,快来抢沙发吧!