中国制造2025进入收官之年，从海外到国内一个普遍共识是，目标已经基本达成。

  《南华早报》就梳理过资料[1]，过去十年中国社会发生了深刻变化，已实现了新能源汽车、信息技术等10个关键领域超86%的目标。

  十四五时期，制造业增加值超过 40 万亿元人民币，连续 15 年稳居全球第一。在研发投入与创新上，超过五百家企业进入世界 R&D 投资前2500强，企业发明专利产业化率较“十三五”末提高8.4个百分点......

  已经走在世界前面的中国制造企业们并不打算停下来，他们正轰轰烈烈投入一个更加前沿的命题：全链智能化。

  从动力电池、机械电子到汽车工业，制造规模和供应链协作逐渐推向极致，产业界整齐划一的意识到，下一轮竞争将由智能化水平定义。

  每一次技术范式的迁移，都会伴随组织方式重构，带来一个看似混沌的未来。在排山倒海的技术声浪中，一大批制造企业都迈出了走向AI时代的第一步，但疑问接踵而至。

  当曾经的追赶者变成领跑者，站在前列的中国制造业，身边已无前人写好的答案。

  与全球最顶尖的制造业企业深入交流后，华为制造与大企业军团CEO刘超得出了一个判断：数智化不仅是技术胜利，更是思维方法的革新。

  如果说几年前ChatGPT的横空出世，带给产业界的是无以复加的震撼，那么在AI加速落地的当下，产业界对AI的拥抱慢慢的变成了共识，一同面对的问题是：具体怎么做、从哪里开始？

  对制造业而言，智能化转型并不是一个单纯的技术问题，同样是组织变革和公司治理问题。

  每一轮技术革命中，新技术总需要匹配新的组织能力。即刘超所说的“思维方法”。

  19世纪企业大多是家族资本运营，工业革命让公司开始跨越国境，为应对新技术需求，托拉斯和卡特尔们建立了现代公司和职业经理人制度，流水线作业又让生产效率上了一个台阶。

  计算机的出现又催生了平台型组织的雏形。丰田的“准时化生产（JIT）”和“自动化”理念，让生产线的每个工位都能反馈数据，让工厂有了一个自学习型系统，为硅谷的扁平化组织打开了思路。

  如果AI是一场革命，组织的变革自然难以置身事外。智能化对数据+算力+算法协同一体化要求非常高。

  AI不是简单的软件升级，因为大模型并不是开箱即用，从设计、生产到营销每个维度都要调试适配，考验着上一个时代的组织架构。

  大多数制造业企业既没有顶尖的IT能力，又缺乏对数据有意识的积累和理解，从前一时代继承下来的流程管线，在智能化这个命题上显得捉襟见肘。

  有企业CIO举过一个形象的例子：如今长三角工厂一天能做一百万件衣服，凭极致的成本控制就能领先行业。但未来要领先，需要同样成本下，一百万件衣服每一件都不一样。也就是说，技术、工艺和流程都得变。

  另一方面，撸起袖子拥抱智能化的制造业还会面临一个崭新的问题：不破不立带来的不确定性。

  自驾公司Argo AI一度是硅谷当红炸子鸡，获得福特等车企投资，后来遇到技术与监管难题解散收场，数十亿美元打水漂[3]。没有哪个公司想重走这种旧路。

  一位企业CIO说得非常直白：当制造业企业一算账，发现要把AI干成，投入不止是几倍，甚至是几十倍 。企业能干好AI的，一般都是一把手工程。

  当这些投资难以形成一个清晰量化的预期回报，再家大业大的企业，恐怕也会产生心理包袱。

  系统性的转型重担加上并不明朗的回报，构成了制造业新的共识：面对转型，与其重复造轮子，不如借力既有的技术与经验，发挥中国产业链优势合力创新。

  虽然华为有很多互联网产业的“友商”，但华为自身并非“网络公司”。华为的业务板块复杂多元，但其内核依然是一家以信息与数字技术为底色的高科技公司。

  也就是说，华为既有高科技的属性，又有制造业的成色。而在制造业的智能化转型中，华为又有两个鲜明的特点：

  一方面，华为在人工智能、云计算等前沿领域存在广泛的布局。通过昇腾系列芯片、MindSpore开源框架、基础大模型等技术方案，搭建了足够全面的“智能工具箱”。

  另一方面，华为自身的发展就经历过多次技术趋势带来的组织转型，如今制造业面对的种种问题，华为几乎都在不同时期挨个见识过。换言之，在“转型”这个命题上，华为是一本写满参的题集。

  按照刘超的说法，AI应用场景的选择正在从IT部门转向业务部门。隐含的意思是，产业界不再纯粹执着于技术的突破，反而更加看重业务价值。

  2024年7月，美的全新战略布局—AIGC战略，围绕“智慧家居、智慧企业、智慧工厂”三大业务实现产品服务智能化。截至2025年上半年，美的集团在智能化变革上已实现增效2.8亿元，提效490.4万小时。

  今年夏天，美的也与华为达成合作，正式部署Atlas 900 A3 SuperPod 超节点，把超大规模AI算力搬进企业。为了用好这台“企业超级大脑”，华为还安排驻场专家，保障集群训练和模型开发适配。

  美的集团的智能化实践很好地体现了华为扮演的角色：提供服务和支持，扮演好制造业数智化转变发展方式与经济转型的同行者。

  无独有偶，2023年，华为与江淮尊界超级工厂开合作，共同打造了一座智慧工厂，实现了80%的生产设备可连接，灵活应对数万种C2M定制化选配，远超行业平均水平。

  汽车工业是机械电子、材料、软件通信等众多垂直产业的集大成者，一直是生产制造自动化的忠实拥趸。新能源车普及后，多变的市场需求、快速的技术更替，让百年历史的汽车工业又成为了智能化的特区。

  作为国内老牌车企，江淮在智能化的命题中，又面临高端化破局这个“子命题”，自然成了华为服务制造业的样本案例之一。

  依托华为loT、数据治理等解决方案，一个“原子级”质量管理体系在江淮工厂成型，覆盖来料、制造、成品、交付全流程，检测点多达26000余处。

  具体到尊界S800车型内饰板的生产环节，尊界 S800 车内的 18 块木纹装饰板，都来自同一块原木。

  在切割后，木坯分散到全国多家不同的工厂加工。每块板有唯一ID，实时采集全流程数据，衔接部件的内饰板的纹路完美衔接，在超级工厂完成对接后就像原木从未被切开。同一时间，产线上的工业机器人依靠模型算法，可以检测出0.2毫米的微小瑕疵。

  通过这种高度精密的流程管理，江淮可以让每辆车的内饰木纹都做到完美匹配，纹路严丝合缝。

  伴随一个又一个实践的落地，产业界逐渐意识到，智能化转型虽然充满迷雾，但并非无解。

  华为扮演的角色，其实是把自身积累的经验，转化为实际的产品和服务，让企业把原本零散的数字化探索，转化为体系化的能力。

  用刘超的话说：“行业智能化”是全产业链协同的系统工程。华为愿做制造企业智能化转变发展方式与经济转型的“黑土地”，通过持续投入AI研发，分享企业AI落地经验，构建“场景+AI”的解决方案生态。让智能在制造业生根发芽。

  EUV光刻技术2000年初就在实验室成功，2018年才郑重进入台积电和三星的7mm产线；复合材料轻量化技术从航空学术界迈进波音空客的飞机，也用了十多年。

  学术界追求“最优解”，企业只需“够用解”，因此，学术创新往往比产业落地快好几年甚至十几年。

  在人工智能浪潮，这种“时差”体现得更明显，模型更新频率显然远超制造业设备更替率，这种差距很难凭企业一己之力弥补。

  网络公司是AI的先行者，也是数字化的原住民。其系统架构、组织形态和业务模型本身由互联网这个“新事物”孕育。因此，AI对互联网公司而言是迭代而非转型。

  相反，制造业既缺乏数字化基因，又承载着高度细分复杂的产业链，一个个真实具体的场景摆在面前，反而很难跟上AI前沿的节奏。

  这种局面下，华为“科技+制造”的双重属性，和制造业智能化的诉求互相匹配。

  从前沿的学术成果，到产线上的生产方案，华为的庞大业务版图几乎都有涉足。各大模型还在刷榜的时候，盘古模型已经在新药研发、冶炼管理中找到了用武之地。

  不久前，华为针对制造与大企业推出六个智能化助手，从研发、生产、供应，到销售、服务、经营，六种工具根据产学研成果可持续演进，匹配企业的不同需求。

  相比软件公司，制造业的核心诉求是真实场景中的效率提升。华为未必能用标准化的服务解决一切问题，但在一个个真实具体的场景里，华为积累了足够多的经验与方案。

  在华为与中国信通院、清华大学等单位还合作编写了《工业与AI融合应用指南》，深入分析了7个细分工业行业，诊断所有的环节的痛点，提出“三层五步八法”方法论，为工业公司提供了清晰的AI落地路径。

  AI 的演进仍在以惊人的速度继续。根据《指南》统计，2020年GPT-3训练的参数量是17500亿，只用了几千张V100，到GPT-5，已经是18万亿参数5万张芯片。

  未来十年，当AI的参数量还在以指数级扩张、应用场景还在以难以预测的方式涌现时，真正拉开企业差距的，不是硬件的多寡，而是谁能更快找到属于自己、能持续迭代的AI之路。

  用刘超的话说，不要有“知易行难”的犹豫，不需要“想多做少”的内耗，更不要“怕挑战、等时机” 而畏缩，而是在实际应用中积累经验，让AI真正快速转化为驱动业务增长的核心动能。

  特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

  德基“会员专属厕所”引关注，二手平台0.5元起售“通行码”？网友称已取消扫码限制

  好突然！负债2.56亿，桂林知名景区将要转让！这座桂林老牌地标下一站路在何方

  澎湃OS 3正式版：小米15/REDMI K80系列率先升级，你升级了吗？

  iQOO 15 / Neo11 手机全版本标配 2K 屏，自带 AR 增透消反保护膜

  《编码物候》展览开幕 北京时代美术馆以科学艺术解读数字与生物交织的宇宙节律