本文来自微信公众号： IT时报 ，作者：郝俊慧
当AI真正进入工厂，中国制造业还要跨过几道坎？
作者／IT时报郝俊慧
编辑／孙妍
不到工博会，或许很难如此直观地感受中国制造业今天的规模与实力。
10月12日，第二十六届中国国际工业博览会（简称工博会）在国家会展中心（上海）开幕。31万平方米的展览面积，来自24个国家和地区的3200多家参展商，近300项首发首秀展品，构成了一幅庞大的下一代工业图景。
如果说过去的工博会，最吸睛的往往是大型工业机器人、高精度数控机床和一条条高速运转的自动化生产线，那么今年，一个新的问题正受到越来越多的关注：当AI进入工厂，它究竟能让制造业发生什么改变？
在工博会现场，《IT时报》记者看到，黑湖科技的AI Agent展示了读取图纸、解析工艺等能力，并进一步参与生产排程和订单管理；两台节卡协作机器人可以根据任务目标，自主安排操作步骤完成一项新能源电机装配任务……从展示工业能力，到展示工业智能，或许是今年工博会最值得关注的变化之一。
然而，新的悬念随之而来，当人工智能从电脑屏幕走向真实工厂，它是否真的已经做好准备？
数据之困
工博会开幕式上，一场关于人形机器人何时走进工厂的讨论，意外成了一次工业数据开放的现场倡议。
“今天工业界面临的挑战是，工业界所有数据还是锁在每个人的抽屉里。”中国工程院院士、阿里云创始人王坚做了一个形象的比喻：工业企业掌握着机器人学习真实生产经验所需要的数据，却长期缺乏共享机制，他呼吁，“机器人行业如果要有一次（根本）变革的话，工业界应该把工业数据拿出来给机器人企业。”
主持人随即转向宇树科技创始人王兴兴，问他是否需要这些数据。“当然。”王兴兴给出了肯定答复，“AI需要所有数据”，但他同时指出，当前问题的症结在于很多企业都有数据保密的要求。
问题被主持人继续抛向台下的海尔集团董事局主席、首席执行官周云杰，“相关数据能否经过清洗、脱敏后提供给这些机器人企业？”
“非常愿意。”周云杰的回应十分肯定。
尽管最后合作落地可能还需要多方更多的磋商，但这个现场插曲恰恰映射了工业AI发展的一个现实难题：机器人企业需要大量真实工业数据来训练模型，但掌握这些数据的制造企业，往往又受到商业秘密、生产安全和知识产权等因素的约束，不能轻易对外开放。
现在的机器人缺数据，非常缺。
禾赛科技联合创始人兼首席技术官、机器人公司Sharpa联合创始人向少卿认为，人类操作数据、仿真数据和真机运行数据三者不可或缺，且逐步递进又相互促进，“一开始需要有足够多的人类数据，只有积累了一定规模的人类操作数据，机器人才能在仿真环境中进一步学习，并通过真实运行持续改进。”
但问题在于，数据从哪里来？现在各地建设了很多数据采集中心，也有具身智能公司推进众包式数据采集，但对于AI而言，这些数据还远远不够。
王坚认为，机器人产业发展最关键的一跃在于，工业数据能否成为继语言、代码之后，人工智能的“（First-Class）头等数据”。他认为，AI之所以能够快速从理解语言发展到编写代码，一个重要原因是互联网和开源社区让大量数据得以汇集，但现在AI与制造业之间始终存在一道难以跨越的鸿沟。
如今，大模型正让机器人拥有了越来越强的理解和决策能力，但当它们要真正走进生产线，学会装配、搬运、质检等复杂工作，仅有算法和算力还远远不够，机器人公司和制造业企业能否建立安全、可信、可持续的数据合作机制，或许将成为具身智能从展台走向工厂的一道关键门槛。
决策闭环
然而，即便工业数据能够有效开放，对于AI进工厂而言，也只能说迈出了第一步。
工业数据的复杂性远远超过互联网数据。首先，它们高度分散。同一家工厂里，一张设计图纸存放于不同的地方，生产进度记录和进销存管理数据分别存在MES和ERP里，老师傅的操作经验存在自己的大脑里；其次，工业数据具有很强的专业性，一组温度、压力或加工参数，脱离具体设备、材料、工艺和生产条件，往往很难解释其意义。
因此，无论对具身智能，还是工业AI企业而言，拿到数据之后还要跨过的一道门槛是，如何将分散在设备、系统和工人经验中的信息，转化为具有明确工业语义、能够持续更新、又可以安全使用的知识。
在黑湖科技展台，一位“黑湖老师傅”正在为几位企业主做诊断。这些企业主迫切地想知道，AI能不能解决当前工人年龄老化、订单小而密集等难题。
现场“坐诊”的是黑湖科技工程师刘亚雄，只见他点开一套面向机械加工企业的系统，然后Agent只需要读取一张工程图纸，便可以识别出零件结构、加工工艺和所需材料，并据此辅助计算报价，“大概一分钟内完成图纸和工艺解析，准确率约为95%”。
对于大量依赖工程师经验估价的中小制造企业而言，这项能力颇具吸引力。但对于企业主而言，这还不够。一位制造企业负责人提出了一个很常见的场景：如果系统根据图纸测算，一件产品的加工成本是8元，但工厂真正生产下来花了10元，AI能不能知道自己算错了？如果下一次再遇到类似订单，它能不能自动修正成本估算？进一步说，当订单利润可能低于企业能够接受的水平时，系统能不能提前提醒负责人，这笔生意接下来可能不划算？
这也恰恰是周云杰在开幕式演讲中提及的一个问题：在全球供应链重构、市场需求波动的背景下，如果订单、库存、产能、物流之间无法协同，一旦发生插单、供应中断或需求变化，生产体系仍可能陷入被动，“制造AI化不是简单叠加大模型，而是让AI可以深度贯穿研发、采购、生产、供应链服务等全链路，并且可以动态迭代、持续进化”。
海尔正在做一个尝试，依托卡奥斯工业互联网平台推进生产体系升级，同时建设企业级智能体开放平台，让员工能够自主开发岗位专属AI应用，目前海尔一线员工自主开发的制造类AI助手已接近1000个，这些应用覆盖了研发、生产、物流、办公等不同环节，一线员工正从AI工具的使用者，进一步成为生产流程的改进者。
黑湖科技的一组决策型工业Agent也在试图解决这个问题。记者在现场了解到，从图纸和工艺解析，到生产排程、异常跟踪和交付保障，这些Agent并非各自独立运行，而是围绕同一张订单协同工作：工程Agent读取图纸、分析工艺，报价Agent据此计算成本，排程Agent安排生产，后续的生产、质量和交付信息又可以进入系统，为其他环节提供依据。
如今，AI刚刚进入工厂，Agent开始尝试参与生产过程中的判断与决策，而未来十年，工业AI的发展路径应是将不同环节连接起来，用最真实的场景、最优的数据、最硬核的检验，形成可灵活调度、及时调整、具备韧性能力的生产体系，助力中国制造。
智造无界
如果说工业数据和决策闭环，解决的是AI如何真正进入一家工厂，那么对于已经连续举行26届工博会的上海而言，还需要回答另一个问题：如何让智能制造不只是少数龙头企业的能力，而成为更多制造企业都能够使用的生产工具？
企业和科学家讨论AI如何深入制造业的同时，上海给出了推进新一代智能制造的具体行动方案。
开幕式上，“上海市加快发展新一代智能制造行动”正式启动，根据发布内容，上海将围绕供给能力、融合创新、工厂建设和产业生态，实施四大工程、19项重点任务，并明确提出要打造“智能工厂梯度培育工程”，到2028年，上海计划培育500家先进级智能工厂，实现重点制造企业智能工厂全覆盖。
简单来说，上海市并不要求所有制造企业一步到位建设最高等级的智能工厂，而是根据企业现有的数字化、自动化和智能化水平，分层培育、逐级提升。尤其对大量中小制造企业而言，智能化的第一步未必是购买机器人，而是能不能真正用得起、用得好AI。
智能制造改变的不只是生产线，也包括一座城市如何组织产业。
开幕式上，上海还发布了2026版产业地图及30个“市区协同”千亿级产业集群名单。这份产业地图包含4类41组、共101张地图，汇集了近900个重点公共平台、近700家核心专业服务机构、超过100项重要政策，以及300多家产业基础环节企业的信息。
AI时代的制造业发展越来越依赖产业集群，一台工业机器人可能同时需要机械设计、精密传感器、芯片、AI算法、工业软件和整机制造等多方面能力；一家智能汽车企业，同样离不开芯片、软件、材料、装备以及上下游企业的协同。
此次公布的30个千亿级产业集群，覆盖浦东集成电路、生物医药、智能网联新能源汽车、徐汇人工智能、宝山机器人及高端装备等不同领域。它们并不是简单地把企业聚集在同一个区域，而是希望形成更紧密的产业分工与创新协作网络。
不过，这份地图能否进一步转化为真实的合作网络，仍需要企业之间持续的供需对接、技术交流和数据流动。
无论如何，对于上海这样一座拥有完整制造业体系的城市而言，新一代智能制造的意义，不只是建设更多的智能工厂，而是将技术、数据、经验与生产协同这些曾经限制企业的壁垒，彻底打破，让AI逐渐成为更多工厂触手可及的能力。