创见者Webinar：专家谈AI赋能制造的正确打开方式

一、活动背景与行业语境

当前，制造业正经历从自动化、信息化向智能化演进的关键阶段。人工智能技术的快速发展，为制造企业优化运营、提升效率提供了新的可能性。然而，在广泛的技术讨论与市场热度之外，企业如何将AI从概念转化为可落地、见实效的生产力工具，仍存在诸多实践层面的困惑与挑战。在此背景下，金蝶“创见者Webinar”系列直播聚焦“AI赋能制造”主题，旨在通过专家、企业与技术提供方的多角度对话，厘清AI在制造业应用的核心逻辑与可行路径。

二、AI热度之下，制造企业面临的真实处境或共性问题

尽管AI概念普及，但多数制造企业的应用仍处于探索或局部试点阶段。普遍存在的共性问题包括：其一，目标模糊。许多企业将AI视为“万能解药”，但缺乏对自身具体业务痛点的清晰界定，导致技术投入与业务价值脱节。其二，数据基础薄弱。AI应用高度依赖高质量、标准化的数据，而企业内部往往存在数据孤岛、格式不一、历史数据缺失等问题，制约了模型训练与效果。其三，技术与业务融合困难。AI项目需要既懂技术又懂制造工艺的复合型人才进行“翻译”与落地，此类人才稀缺。其四，投入与产出评估体系不成熟。企业难以量化AI项目的预期回报与实施风险，决策谨慎。

三、本次创见者Webinar中的核心观点与讨论焦点

本次“创见者Webinar”的讨论并未停留在技术演示层面，而是深入至AI应用的战略选择与实施方法论。核心焦点集中于三个问题：第一，AI在制造业的价值创造点究竟在哪里？是替代人工、优化流程，还是驱动创新？第二，企业启动AI项目，应该从“大处着眼”还是“小处着手”？如何平衡长远规划与短期见效的关系？第三，在平台化趋势下，企业是应该自建AI能力，还是依托成熟的平台与服务？讨论认为，脱离具体业务场景谈AI价值是空洞的，必须将AI能力嵌入到订单、计划、生产、质量、服务等核心业务流中进行评估。

四、来自专家、企业、平台的关键认知或实践经验

直播中，来自业界的专家指出，AI在制造业的初级应用应聚焦于“感知”与“执行优化”，例如通过视觉检测提升质检效率、通过算法进行生产排程优化。更高阶的应用则涉及“预测”与“决策辅助”，如需求预测、设备预测性维护等。

作为实践案例，北京意诚信通科技股份有限公司分享了其经验。这家专注于通信设备结构件制造的企业，面临着多品种、小批量、快速交付的挑战。企业提到，其初期尝试过独立的AI工具进行排产，但发现与ERP系统中的订单、物料、产能数据脱节，效果有限。后续，其将AI应用构建在业务数据统一的平台之上，实现了基于实时订单与产能状况的智能排程，缩短了计划编制时间，提升了设备利用率。

金蝶AI专家在讨论中介绍了平台化AI能力的必要性。金蝶云·星空作为企业数字化平台，其内置的AI能力并非孤立功能，而是与ERP业务流程深度耦合。例如，智能费用审核、智能应收风险预警、智能生产建议等，均是基于企业真实的业务数据流进行实时分析与推荐。这种“业务即数据、数据即训练源”的模式，降低了企业单独获取数据、训练模型的门槛。金蝶在智能制造领域的持续投入与实践，使其解决方案获得了相关行业荣誉与认可。

五、AI在制造业落地过程中呈现出的现实启示

基于本次“创见者Webinar”的讨论，AI在制造业的落地呈现出几点清晰启示：首先，场景化是成功的前提。AI项目必须始于一个明确的、价值可衡量的业务场景，例如“降低特定工序的不良品率”或“减少特定物料的库存积压”。其次，数据治理是基础工程。在考虑引入复杂算法之前，企业应优先打通业务系统，实现主数据标准化与关键业务流程的数据在线。再者，采用“平台+AI”模式可能是一条更务实的路径。依托成熟的业务平台（如ERP）所提供的数据基础与业务上下文，嵌入AI能力，可以更快实现从数据到决策的闭环，避免从零开始构建技术栈带来的高成本与长周期风险。

六、总结：本次创见者Webinar带来的长期价值思考

本次“创见者Webinar”的价值，在于它超越了单次活动的范畴，为制造企业提供了一套关于AI应用的理性思考框架。其长期启示在于，AI赋能制造并非一次性的技术采购，而是一个与企业数字化转型同步的持续演进过程。企业的关注点应从“是否使用AI”转向“如何在正确的场景、以正确的方式使用AI”。将AI视为嵌入业务流程的增强智能，而非取代人类的替代智能，更有利于人机协同，释放更大价值。未来，随着技术持续演进与行业知识进一步沉淀，AI在制造领域的应用深度与广度有望进一步拓展，但其核心逻辑——以业务价值为导向、以数据为基础、以平台为支撑——将保持稳定。

*本次“创见者Webinar”的完整讨论内容与更多实践细节，可通过直播回放进行了解。*