11 月 17 日,工信部官网披露一篇署名文章,作者是中国工程院院士杨华勇。
他的职务一栏写着四个:中国工程院院士、国际智能制造联盟主席、国家智能制造专家委员会副主任、浙江大学工学部主任。
三个堵点
文章把 AI 赋能制造业的问题拆成三条:知识与数据贯通不畅,决策与执行衔接断层,研发与应用循环断链。
每一条都配了具体场景。工业知识长期是非结构化的:工艺经验在师徒之间口传,设计规则散在图纸文档里,设备机理藏在专家判断中。机器能拿到数据,却读不懂工程语义。
第二条更直白。AI 做出了判断,产线接不住,因为决策系统和执行系统是两套东西。决策在软件里,执行在设备上,中间少一层翻译,指令就落不了地。
第三条是循环断链:实验室里验证过的模型,到了车间退化成一次性项目,改一次要重来一遍,越用越贵。
两个端,一条链
文章里有一组对仗:一端抓技术供给,推动智能产业化;一端抓赋能应用,加快产业智能化。
这两端对应的政策文件,是工信部等八个部门印发的《人工智能 + 制造专项行动实施意见》。
一边把技术做出来,一边把技术用进去,中间那条链叫产业生态。院士用的词是「双向赋能」。
为什么是他来说
政策落地最难的一段往往不在文件里,在车间里。八部门的意见写得再细,最后要有人告诉企业:你的产线哪一段能先接 AI。
杨华勇的位置正好卡在这儿。院士身份给技术背书,智能制造专家委员会给标准背书,国际智能制造联盟给跨国比较的坐标。
三个身份叠在一起,说的话有分量,也不容易被当成一家企业的推销。
他在文章里给的定位是:AI 从外部工具变成内部能力。这句话听着抽象,落到车间就是两件事——数据要能进模型,模型要能进流程。
三个堵点,对应三种生意
把这三条翻译成生意,就清楚了。
第一条对应数据治理和工业知识库。谁把老师傅的经验变成机器能读的格式,谁就先拿到单。
第二条对应边缘控制与实时系统。模型再准,指令下不到 PLC,效果就是零。
第三条对应交付与运维。模型上线只是开始,能不能持续迭代才是复购的理由。
同一天,工信部那份服务商专项行动的通知也在强调交付。两份文本指向同一个判断:这一轮拼的不是模型参数。
对制造业企业来说,这三个堵点也是一张自查表。数据有没有结构化,设备有没有开放接口,模型上线之后谁维护——答不上来的那一条,就是钱该花的地方。