算力赋能制造：探访中国智造新现场
在广东惠州的TCL王牌电器（惠州）有限公司生产基地，电视机的信号与功能端口连接由自动插线设备完成，显著提升了装配效率与产品质量。 “连接对精度要求极高，3D视觉与AI技术助力实现无人化操作。”TCL实业大显示制造管理平台资深工程师雷登似表示，自去年引入该自动插线设备后，产品合格率已达99.8%。 中国作为家电制造强国，产量居全球领先地位。其中，TCL电视机年销量突破3000万台。该企业已顺利完成从自动化、数字化到智能化的三阶段升级。 业界指出，凭借算力加持，中国制造业的“进化”不再仅靠人工经验积累、设备更
云南加速AI与制造业融合，2027年目标推出50余个标杆应用场景
为落实国家及地方战略部署推动人工智能和制造业深度结合助力全省工业升级转型↓↓↓核心任务聚焦：云南作为关键资源型工业基地，在有色金属深加工、稀有金属新材料、新能源电池与精细化工、绿色食品及药材精制等领域占据全国领先地位。至2027年，人工智能将在有色金属深加工、稀有金属新材料、新能源电池与精细化工、绿色食品与药材精制、以数字信息主干道驱动和电子制造为主的数字产业、高端装备制造等核心优势产业中实现更深层次融合，算力设施和服务能力也将显著优化。行动部署：针对上述愿景《实施方案》从筑牢人工智能基础、推进AI赋能工
AMTS 2026盛会：斯睿特智能展现AI视觉与具身智能，引领智能制造变革
2026年7月8日至10日，斯睿特智能（SRTAi）在AMTS上海国际汽车制造技术与装备及材料展览会上精彩登场。此次展会，斯睿特智能不仅展示了贯穿汽车生产全链条的AI视觉方案，还在《科技工坊Workshop智能家电装配与测试大会》上隆重推出了HaiBot具身智能机器人在家电柔性生产线上的闭环实践应用，彰显了从“感知”到“决策”再到“执行”的全面技术能力。01专注汽车制造，重塑智能质检新标杆在汽车制造展区，斯睿特智能着重呈现了四大核心产品与解决方案，直接应对冲压、焊装、涂装、总装等关键工艺的质量挑战。1.
工业AI迎来新纪元：从Copilot辅助到Autopilot自主生产
工业人工智能正在经历重大变革。两年前流行的工业Copilot（AI副驾），本质上只是协助人类工作的辅助手段；而在2026年，行业正式步入Autopilot自主驾驶阶段——AI不再仅提供建议，而是掌控工厂常规生产的全流程，真正实现无人化自主生产。一、通俗易懂地理解两代工业AI的区别✅ Copilot 辅助阶段（过去式）核心机制：人为主导，AI执行依赖人工主动操作和提问，AI仅负责排查故障、编写代码、生成报表、提供建议，不具备任何设备控制权限。所有生产决策、参数调整、设备启停，均需人工确认后执行。长处：提高岗
产业洞察丨AI重塑制鞋业：迈向个性定制与全链智能新时代
导读：本文依托六棱镜全球产业科技情报分析系统PatNavi，深入剖析AI与制鞋产业的融合实践。研究发现，人工智能技术的迅猛进步正促使传统制鞋业从劳动密集型向数据驱动、柔性生产的现代化模式转变。针对行业长期面临的个性化定制困难、人工质检效率低下、生产排程缺乏弹性、库存与需求匹配度差等核心难题，相关技术创新与专利布局已构建出多维度的技术路径体系，全面覆盖制鞋全产业链的设计、生产、质检及供应链管理等关键环节。AI 制鞋领域核心技术路径基于现有专利技术的创新方向与应用场景，AI 制鞋领域已确立四大核心技术路线，
超越视觉检测：AI重塑工厂布局与调度新范式
依托AI视觉技术，究竟怎样达成产线布局及设备调度的优化？今日，我们将深度解析一项正重构制造行业格局的核心技术——基于AI视觉的产线布局与设备调度优化。该技术不仅让机器拥有“视觉”，更赋予工厂“思考”的智慧。通过建立“感知-分析-决策-执行”的智能闭环，它助力制造企业突破效率瓶颈、显著降低成本，全面开启柔性智造的全新篇章。所谓智能闭环，简言之，即利用工业相机等传感器充当工厂的“双眼”，实时抓取数据；随后经由AI平台这一“大脑”进行分析与决策；最终通过MES、PLC等体系驱动设备落实优化指令。AI视觉优化的根
iRIC 深度解析：VLA 赋能工业机器人的确定性未来
视觉 - 语言 - 动作模型（VLA）驱动的 AI 机器人，可被视为一种具备更高智慧的机器人系统。它不再局限于执行预设的固定程序，而是能够借助摄像头感知环境，如同初学步的婴儿般逐步领悟人类指令，进而操控机械臂、夹持器或移动底盘来执行具体操作。简而言之：机器人先通过视觉感知周遭环境，继而解析人类下达的任务指令，最终驱动机械臂、夹具或移动平台完成作业。这正是 VLA 被视作未来具身智能核心发展方向的原因。因为它不仅具备物体识别能力，更能深入真实应用场景，胜任抓取、搬运、组装、分拣、上下料及拧螺丝等实质性工作。
算力革命破解三大瓶颈
立足根本原理，我们需追溯至生产与交易的核心约束条件。在现实世界里，生产即能量转化与信息重组。无论是制造汽车、编写代码，还是策划营销，均面临三大核心掣肘：认知算力的天花板、经验传承的局限性、以及个性与规模的根本冲突。从底层逻辑看，AI时代的领军者并非仅让机器具备智能，而是依托近乎无穷的算力和自主学习算法，重塑生产函数的核心参数。其突破聚焦于以下三个层面：🔑 第一维度：突破"认知算力"的物理边界——破解复杂系统的决策困境传统症结（根本层面的限制）：人脑工作记忆容量有限（约4-7个信息单元）。面对现代工业的高度