ITBEAR科技资讯
网站首页 科技资讯 财经资讯 分享好友

多模态大模型挺进工厂,制造业竞逐智能密度与主权

时间:2026-11-19 00:40:59来源:互联网编辑:快讯

11月18日,在2026企业管理创新大会上,中国科学院自动化研究所副总工程师、中科紫东太初董事长王金桥表示,制造业正由智能化阶段走向AI原生制造。他提出,工厂的竞争不再只看装备和效率,智能密度、智能自主权逐步成为更关键变量。

王金桥将制造业演进划分为机械化、电气化、数字化和智能化阶段。当前行业处于“智能化”向“AI原生制造”过渡期。前者能完成感知识别,执行仍靠人;后者要求系统自主编排工序、调度设备,人只在关键节点确认。驱动力来自生产要素变化,智能供给可像电力一样规模化调用和计量。Token经济下,制造企业要解决的是以可承受成本,把智能嵌入研发、生产和管理流程。

他也指出制造现场存在四类瓶颈:设计端知识体系彼此隔离,生产设备被动接收指令,质检判定依赖人的主观经验,运维系统林立且数据割裂。

多模态大模型正在设计、作业、质检和运维链条中寻找落点,相关方案仍处于工程验证与规模化推广阶段。在工艺设计端,中科紫东太初基于自研科学基础大模型探索AI4S“以学代算”。王金桥介绍,传统CFD仿真做飞行器外形优化常需数周,该模型能毫秒级预测参数、10秒推演流场,企业自测预测误差在5%以内,求解效率提升3至10倍。该分层仿真方案采用AI快速粗筛加CFD精准终审,已在飞行器、高铁、风机等场景验证。模型还可解析图纸,识别工程意图,支持自动化图纸会审,并联动CAD智能体输出三维模型。

生产环节更关注具身智能。王金桥认为,工业具身智能不是给机器人加视觉模块,而是要构建适配物理环境的自主闭环。行业壁垒正从算法优势转向可持续数据闭环能力,训练场的作用是把老师傅的工艺经验变成可复制的数据资产。其与华工科技合作的焊缝跟踪方案,针对焊接强弧光、烟尘干扰,企业披露识别率超过95%,支持毫秒级纠偏,核心算法自研,有望替代高价进口方案。

缺陷检测方面,工业缺陷样本稀缺是长期难题。中科紫东太初采用无监督异常检测路线,相关算法曾获CVPR2024、ECCV2024赛事冠军。其WISER方法据企业测试零样本检测性能提升57%,无需针对新品重新训练。这一特性理论上可降低产线换型的数据采集成本,减少停机训练损失。基于该技术,已衍生出纺织验布、超晶板、钢管缺陷检测等装备。

运维侧,团队基于AgentOS任务调度底座搭建“空地场一体化”巡检体系。王金桥提到,工业巡检难点不在传感器数量,而在按目标匹配载体:无人机负责高空点位,机器狗贴近设备巡检,雷视一体机覆盖封闭区域。项目按“先校核覆盖、再配置规则”实施,先在数字空间排查盲区,再布设管控策略。识别异常后,AgentOS可调度多类巡检载体复核、交叉研判并自动生成工单,减少传统巡检对人工现场处置的依赖。

王金桥提出四个核心判断:智能生产成本决定产业竞争力;壁垒从单点算法转向数据闭环;核心技术自主可控是战略底线;产业智能必须做到算法与装备协同。大模型要真正发挥作用,前提是与现有工业现场流程深度适配。

他同时表示,在实际工程中,最大痛点往往不是系统数量不足,而是缺少统一的认知中枢,异构系统之间相互割裂。

更多热门内容