中國制造2025進入收官之年，從海外到國內一個普遍共識是，目標已經(jīng)基本達成。

《南華早報》就梳理過資料[1]，過去十年中國社會發(fā)生了深刻變化，已實現(xiàn)了新能源汽車、信息技術等10個關鍵領域超86%的目標。

這個結論和國務院公布的十四五時期工業(yè)“成績單”互相印證：

十四五時期，制造業(yè)增加值超過 40 萬億元人民幣，連續(xù) 15 年穩(wěn)居全球第一。在研發(fā)投入與創(chuàng)新上，超過五百家企業(yè)進入世界 R&D 投資前2500強，企業(yè)發(fā)明專利產(chǎn)業(yè)化率較“十三五”末提高8.4個百分點......

已經(jīng)走在世界前面的中國制造企業(yè)們并不打算停下來，他們正轟轟烈烈投入一個更加前沿的命題：全鏈智能化。

從動力電池、機械電子到汽車工業(yè)，制造規(guī)模和供應鏈協(xié)作逐漸推向極致，產(chǎn)業(yè)界整齊劃一的意識到，下一輪競爭將由智能化水平定義。

向AI要效益，是“業(yè)務增長”考卷的最后一道大題。

每一次技術范式的遷移，都會伴隨組織方式重構，帶來一個看似混沌的未來。在排山倒海的技術聲浪中，一大批制造企業(yè)都邁出了走向人工智能時代的第一步，但疑問接踵而至。

當曾經(jīng)的追趕者變成領跑者，站在前列的中國制造業(yè)，身邊已經(jīng)沒有前人寫好的答案。

如何走向智能化的未來，目標無比清晰，但路徑的共識尚在凝聚。

尋找智能化的共識

與全球最頂尖的制造業(yè)企業(yè)深入交流后，華為制造與大企業(yè)軍團CEO劉超得出了一個判斷：數(shù)智化不僅是技術勝利，更是思維方式的革新。

如果說幾年前ChatGPT的橫空出世，帶給產(chǎn)業(yè)界的是無以復加的震撼，那么在AI加速落地的當下，產(chǎn)業(yè)界對AI的擁抱已經(jīng)成為共識，共同面對的問題是：具體怎么做、從哪里開始？

對制造業(yè)而言，智能化轉型并不是一個單純的技術問題，同樣是組織變革和公司治理問題。

每一輪技術革命中，新技術總需要匹配新的組織能力。即劉超所說的“思維方式”。

19世紀企業(yè)大多是家族資本運營，工業(yè)革命讓公司開始跨越國境，為應對新技術需求，托拉斯和卡特爾們建立了現(xiàn)代公司和職業(yè)經(jīng)理人制度，流水線作業(yè)又讓生產(chǎn)效率上了一個臺階。

計算機的出現(xiàn)又催生了平臺型組織的雛形。豐田的“準時化生產(chǎn)（JIT）”和“自動化”理念，讓生產(chǎn)線的每個工位都能反饋數(shù)據(jù)，讓工廠有了一個自學習型系統(tǒng)，為硅谷的扁平化組織打開了思路。

如果AI是一場革命，組織的變革自然難以置身事外。智能化對數(shù)據(jù)+算力+算法協(xié)同一體化要求非常高。

AI不是簡單的軟件升級，因為大模型并不是開箱即用，從設計、生產(chǎn)到營銷每個維度都要調試適配，考驗著上一個時代的組織架構。

大多數(shù)制造業(yè)企業(yè)既沒有頂尖的IT能力，又缺乏對數(shù)據(jù)有意識的積累和理解，從前一時代繼承下來的流程管線，在智能化這個命題上顯得捉襟見肘。

有企業(yè)CIO舉過一個形象的例子：如今長三角工廠一天能做一百萬件衣服，憑極致的成本控制就能領先行業(yè)。但未來要領先，需要同樣成本下，一百萬件衣服每一件都不一樣。也就是說，技術、工藝和流程都得變。

另一方面，擼起袖子擁抱智能化的制造業(yè)還會面臨一個嶄新的問題：不破不立帶來的不確定性。

自駕公司Argo AI一度是硅谷當紅炸子雞，獲得福特等車企投資，后來遇到技術與監(jiān)管難題解散收場，數(shù)十億美元打水漂[3]。沒有哪個公司想重走這種舊路。

一位企業(yè)CIO說得非常直白：當制造業(yè)企業(yè)一算賬，發(fā)現(xiàn)要把AI干成，投入不止是幾倍，甚至是幾十倍 。企業(yè)能干好AI的，一般都是一把手工程。

當這些投資難以形成一個清晰量化的預期回報，再家大業(yè)大的企業(yè)，恐怕也會產(chǎn)生心理包袱。

系統(tǒng)性的轉型重擔加上并不明朗的回報，構成了制造業(yè)新的共識：面對轉型，與其重復造輪子，不如借力既有的技術與經(jīng)驗，發(fā)揮中國產(chǎn)業(yè)鏈優(yōu)勢合力創(chuàng)新。

各種各樣探尋和摸索的過程中，產(chǎn)業(yè)界把華為推上了臺前。

讓變革有路可循

在中國的產(chǎn)業(yè)版圖里，華為的定位非常特殊。

雖然華為有很多互聯(lián)網(wǎng)產(chǎn)業(yè)的“友商”，但華為自身并非“互聯(lián)網(wǎng)公司”。華為的業(yè)務板塊復雜多元，但其內核依然是一家以信息與數(shù)字技術為底色的高科技公司。

也就是說，華為既有高科技的屬性，又有制造業(yè)的成色。而在制造業(yè)的智能化轉型中，華為又有兩個鮮明的特點：

一方面，華為在人工智能、云計算等前沿領域有著廣泛的布局。通過昇騰系列芯片、MindSpore開源框架、基礎大模型等技術方案，搭建了足夠全面的“智能工具箱”。

另一方面，華為自身的發(fā)展就經(jīng)歷過多次技術趨勢帶來的組織轉型，如今制造業(yè)面對的種種問題，華為幾乎都在不同時期挨個見識過。換言之，在“轉型”這個命題上，華為是一本寫滿參考答案的題集。

按照劉超的說法，AI應用場景的選擇正在從IT部門轉向業(yè)務部門。隱含的意思是，產(chǎn)業(yè)界不再純粹執(zhí)著于技術的突破，反而更加看重業(yè)務價值。

2024年7月，美的全新戰(zhàn)略布局—AIGC戰(zhàn)略，圍繞“智慧家居、智慧企業(yè)、智慧工廠”三大業(yè)務實現(xiàn)產(chǎn)品服務智能化。截至2025年上半年，美的集團在智能化變革上已實現(xiàn)增效2.8億元，提效490.4萬小時。

今年夏天，美的也與華為達成合作，正式部署Atlas 900 A3 SuperPod 超節(jié)點，把超大規(guī)模AI算力搬進企業(yè)。為了用好這臺“企業(yè)超級大腦”，華為還安排駐場專家，保障集群訓練和模型開發(fā)適配。

美的集團的智能化實踐很好地體現(xiàn)了華為扮演的角色：提供服務和支持，扮演好制造業(yè)數(shù)智化轉型升級的同行者。

無獨有偶，2023年，華為與江淮尊界超級工廠開合作，共同打造了一座智慧工廠，實現(xiàn)了80%的生產(chǎn)設備可連接，靈活應對數(shù)萬種C2M定制化選配，遠超行業(yè)平均水平。

汽車工業(yè)是機械電子、材料、軟件通信等眾多垂直產(chǎn)業(yè)的集大成者，一直是生產(chǎn)制造自動化的忠實擁躉。新能源車普及后，多變的市場需求、快速的技術更替，讓百年歷史的汽車工業(yè)又成為了智能化的特區(qū)。

作為國內老牌車企，江淮在智能化的命題中，又面臨高端化破局這個“子命題”，自然成了華為服務制造業(yè)的樣本案例之一。

依托華為loT、數(shù)據(jù)治理等解決方案，一個“原子級”質量管理體系在江淮工廠成型，覆蓋來料、制造、成品、交付全流程，檢測點多達26000余處。

具體到尊界S800車型內飾板的生產(chǎn)環(huán)節(jié)，尊界 S800 車內的 18 塊木紋裝飾板，都來自同一塊原木。

在切割后，木坯分散到全國多家不同的工廠加工。每塊板有唯一ID，實時采集全流程數(shù)據(jù)，銜接部件的內飾板的紋路完美銜接，在超級工廠完成對接后就像原木從未被切開。同一時間，產(chǎn)線上的工業(yè)機器人依靠模型算法，可以檢測出0.2毫米的微小瑕疵。

通過這種高度精密的流程管理，江淮可以讓每輛車的內飾木紋都做到完美匹配，紋路嚴絲合縫。

伴隨一個又一個實踐的落地，產(chǎn)業(yè)界逐漸意識到，智能化轉型雖然充滿迷霧，但并非無解。

華為扮演的角色，其實是把自身積累的經(jīng)驗，轉化為實際的產(chǎn)品和服務，讓企業(yè)把原本零散的數(shù)字化探索，轉化為體系化的能力。

用劉超的話說：“行業(yè)智能化”是全產(chǎn)業(yè)鏈協(xié)同的系統(tǒng)工程。華為愿做制造企業(yè)智能化轉型升級的“黑土地”，通過持續(xù)投入AI研發(fā)，分享企業(yè)AI落地經(jīng)驗，構建“場景+AI”的解決方案生態(tài)。讓智能在制造業(yè)生根發(fā)芽。

在場景中找答案

產(chǎn)業(yè)和科學往往有天然的“時差”。

EUV光刻技術2000年初就在實驗室成功，2018年才正式進入臺積電和三星的7mm產(chǎn)線；復合材料輕量化技術從航空學術界邁進波音空客的飛機，也用了十多年。

學術界追求“最優(yōu)解”，企業(yè)只需“夠用解”，因此，學術創(chuàng)新往往比產(chǎn)業(yè)落地快好幾年甚至十幾年。

在人工智能浪潮，這種“時差”體現(xiàn)得更為明顯，模型更新頻率顯然遠超制造業(yè)設備更替率，這種差距很難憑企業(yè)一己之力彌補。

另一個現(xiàn)實是，技術擁有者與技術承接者之間，也有著天然的代差。

互聯(lián)網(wǎng)公司是AI的先行者，也是數(shù)字化的原住民。其系統(tǒng)架構、組織形態(tài)和業(yè)務模型本身由互聯(lián)網(wǎng)這個“新事物”孕育。因此，AI對互聯(lián)網(wǎng)公司而言是迭代而非轉型。

相反，制造業(yè)既缺乏數(shù)字化基因，又承載著高度細分復雜的產(chǎn)業(yè)鏈，一個個真實具體的場景擺在面前，反而很難跟上AI前沿的節(jié)奏。

這種局面下，華為“科技+制造”的雙重屬性，和制造業(yè)智能化的訴求互相匹配。

從前沿的學術成果，到產(chǎn)線上的生產(chǎn)方案，華為的龐大業(yè)務版圖幾乎都有涉足。各大模型還在刷榜的時候，盤古模型已經(jīng)在新藥研發(fā)、冶煉管理中找到了用武之地。

不久前，華為針對制造與大企業(yè)推出六個智能化助手，從研發(fā)、生產(chǎn)、供應，到銷售、服務、經(jīng)營，六種工具根據(jù)產(chǎn)學研成果可持續(xù)演進，匹配企業(yè)的不同需求。

相比軟件公司，制造業(yè)的核心訴求是真實場景中的效率提升。華為未必能用標準化的服務解決一切問題，但在一個個真實具體的場景里，華為積累了足夠多的經(jīng)驗與方案。

對企業(yè)來說，這是一份可借鑒、可復制的智能化路線圖。

在華為與中國信通院、清華大學等單位還合作編寫了《工業(yè)與AI融合應用指南》，深入分析了7個細分工業(yè)行業(yè)，診斷各個環(huán)節(jié)的痛點，提出“三層五步八法”方法論，為工業(yè)企業(yè)提供了清晰的AI落地路徑。

• 第一個層次，企業(yè)應該通過明確目標、識別場景和重塑流程，把投入產(chǎn)出作為核心指標，篩選出那些高價值可執(zhí)行的場景，營造出組織內人人懂AI、人人用AI的氛圍。

• 第二個層次，企業(yè)要AI的開發(fā)與交付深入，建立可被AI識別復用的數(shù)據(jù)集，由表及里挖掘工業(yè)知識資產(chǎn)，并逐步引進適配的模型。

• 第三個層次，要建立AI應用場景測評與風險治理等級，將大小模型嵌入各個服務接口，并持續(xù)校準訓練。

AI 的演進仍在以驚人的速度繼續(xù)。根據(jù)《指南》統(tǒng)計，2020年GPT-3訓練的參數(shù)量是17500億，只用了幾千張V100，到GPT-5，已經(jīng)是18萬億參數(shù)5萬張芯片。

未來十年，當AI的參數(shù)量還在以指數(shù)級擴張、應用場景還在以難以預測的方式涌現(xiàn)時，真正拉開企業(yè)差距的，不是硬件的多寡，而是誰能更快找到屬于自己、能持續(xù)迭代的AI之路。

用劉超的話說，不要有“知易行難”的猶豫，不需要“想多做少”的內耗，更不要“怕挑戰(zhàn)、等時機” 而畏縮，而是在實際應用中積累經(jīng)驗，讓AI真正快速轉化為驅動業(yè)務增長的核心動能。

在眾多企業(yè)投石問路的時刻，華為或許正是那第一顆石頭。

參考資料：

[1]Exclusive|Made in China 2025: China meets most targets in manufacturing plan, proving US tariffs and sanctions ineffective, SCMP

[2]What venture capitalists learned in China: Green Daily, Bloomberg

[3]Argo.AI Dies While MobilEye Soars On The Same Day, What Does It Mean For The Industry?, Forbes

[4]工業(yè)與AI融合應用指南2025，華為&中國信通院等

作者：任彤瑤

編輯：李墨天

責任編輯：任彤瑤

封面圖片來自ShotDeck