人工智能進廠，從「裝上去」到「長進去」

10月20-22日上海黃浦江畔，2026可持續全球領導者大會再度來襲。諾獎、圖靈獎得主現場講述科技未來與趨勢，更有「解救」焦慮、內卷時代的網紅教授——麥克法蘭與項飆現場對話！ 名額有限，手慢無。讓我們共赴可持續之約！ 【點擊報名】

　　□ 本報記者 楊 成 呂樂

　　　　　　 王瑛琪

　　「一年減少2400噸廢鋼，能省下多少錢？」2026人工智能產業大會的「智能原生」圓桌對話上，聯通數據智能有限公司數據科學基礎研發部副總經理謝雲龍講起了一家重工企業的故事。

　　這家企業每年消耗十幾萬噸鋼材，利用率卻只有78%左右。大量鋼材變成廢料，每年造成數千萬元損失。爲了減少浪費，企業決定引入人工智能。

　　聯通數智的技術人員與企業一道，將物料清單、生產線、訂單等數據關聯起來，建立智能底座。改造之后，鋼材利用率得到大幅提升，每年減少2400噸廢鋼，帶來千萬元級經濟效益。

　　但降本增效，只是人工智能入廠的第一步。

　　與在既有業務上疊加AI工具不同，智能原生強調從設計之初就將人工智能融入業務架構、生產組織乃至商業模式，使其成為企業運行的一部分。

　　當AI從輔助工具走向生產流程，考驗便不再只是單個環節的效率，而是能否融入整套生產系統。這一問題，在山東港口青島港的實踐中有了更具體的體現。

　　青島港自動化碼頭已連續13次刷新世界紀錄。當自動化水平達到這樣的高度，人工智能還能從哪里提高效率、突破上限？

　　在山東港口青島港常務副總經理吳宇震看來，青島港把突破口放在了集裝箱配載上。集裝箱怎麼裝、裝在哪里，不是簡單的空間排列問題。配載涉及300多項約束要素，箱位安排還要與堆場運輸、設備作業相銜接。

　　青島港利用五年的歷史數據訓練智能體，讓智能體參與配載優化。經過迭代，配載處理速度提升23%，部分核心作業指標提升10%。目前，青島港已從規劃的80個人工智能應用場景中選取26個推進落地。

　　從配載優化到全要素調度，青島港正在探索讓AI從單點應用走向系統協同。港口24小時運轉，生產環節相互銜接，人工智能不僅要提高效率，還必須滿足安全、穩定、可追溯的要求。

　　「港口積累了大量數據，但數據不等於高質量數據集。」吳宇震説，大風等極端工況發生頻次較低，相應的數據樣本不足。人工智能在常規條件下能夠作出判斷，遇到訓練數據中少見的情況，又該如何決策？

　　為此，青島港着手將生產流程和專家經驗轉化為知識庫，開發全要素調度智能體，讓積累在老專家頭腦中的經驗成為系統可以調用的知識。

　　這也觸及智能原生的另一道門檻：當人工智能從提供建議走向參與決策，如何確保它的判斷符合工業生產規律？

　　青島科技大學教授王殿輝將問題指向了算法本身。在他看來，工業人工智能不能只依賴數據訓練，還必須將工藝知識、物理規律嵌入學習系統，使模型輸出符合生產要求。

　　工業生產有其運行規律。人工智能即使能夠從數據中尋找規律、生成方案，如果預測結果違揹物理約束，就難以用於實際生產。如何讓模型既具備學習能力，又符合物理規律，是工業人工智能應用需要解決的問題。

　　三位嘉賓的討論逐步深入，也勾勒出工業企業邁向智能原生的路徑：先讓AI在生產中創造價值，再讓AI融入業務流程，最終使其具備參與生產決策的能力。

　　對企業而言，這意味着人工智能的應用不再止於安裝幾個智能工具、開發幾個應用場景，還涉及生產流程、組織方式和技術底座的調整。

　　AI能做多少事，決定了它作為工具的價值；AI能在多大程度上融入生產流程、承擔業務職能，則決定了企業距離「智能原生」還有多遠。