人工智能赋能制造业：迈向跃升的五大坚持原则
步入2026年，我国制造业向智能化演进的浪潮已迈入关键深水区。如今，AI技术正快速向实体产业融合，全面贯穿于研发、制造、供应链、营销及售后等各个环节，化作推动生产力实现质变的核心动力。
作为国家经济支柱的制造业，乃是人工智能深度结合的核心阵地。伴随国家“AI+”战略的推进、相关规划纲要及专门政策的出台，国内制造业的智能化升级已告别早期的局部试点，全面跨入大规模落地的精细化深耕期。
怎样让人工智能技术与制造业实际运作无缝对接，已成为该行业孕育新质生产力、达成降本增效目标的关键议题。
华为中国政企业务副总裁郭振兴
面对这一重要机遇期，华为中国政企业务副总裁郭振兴指出：坚守战略定力、重视架构指引、聚焦价值创造、推动基建先行以及强化组织与人才保障，这五大坚持是制造企业筑牢升级基础、达成“AI+制造”跨越式发展的必然选择。
01
时代趋势
2026年将成为“AI+制造”全面深耕期
在过往的一年中，AI与各行各业的结合明显加快，从产品研发到实际制造，从企业运营到服务提供，人工智能的应用范围持续扩大，展现出三大提升趋势：
首先，数字智能化投资规模大幅提升，企业在数智化方面的投入占营收比重预期将由2.5%上涨到3%至3.5%之间；其次，数智化基建水平跨越，针对AI推理应用的资金投入显著增长，市场潜力突破7000亿大关；最后，AI解决方案的核心价值升级，人工智能逐渐摆脱单一环节的创新，转向系统性解决业务痛点，实现价值可衡量、效益可计算。
这种跨越式发展绝非偶然，实则是政策导向与产业内部动力共同催生的产物。郭振兴强调，在各大行业全面拥抱AI的大环境下，2026年毫无疑问会成为“AI+制造”的深度耕耘之年。
首要因素是政策层面正大力促进AI同制造业的深度交汇。2026年年初，工信部联合八部委出台了专项行动意见，明确提出要推进3至5个通用大模型在制造领域的深度运用，构建100个高质量工业数据集，普及500个典型应用场景，并培育1000家标杆企业。此外，“十五五”规划纲要里，与制造业紧密相关的重大工程项目比例高达26%。高规格的政策护航，为技术的实际应用指明了清晰方向。
其次，更为深层的驱动力源自生产关系的重塑，人工智能已由单纯的“工具赋能”进化为“价值创造的核心”。企业数智化投入占营收比重由2.5%涨至3.5%，且AI领域的投资呈现翻倍态势。与此同时，伴随AI引发的生产力飞跃，企业内部的生产关系亦随之演变。当前，国内超三成规模以上制造企业已设立AI专职机构，组织架构正向专职化、矩阵式以及人机协作方向进化。AI不再是IT部门的专属，而是全面融入生产体系，直接转化为切实的经济效益。
最后，人工智能已全方位切入制造业的生产体系。根据华为2025年在制造业的AI落地经验显示：在研发环节，新产品开发周期能够缩短近50%；在生产环节，次品率下降20%，意外停机时间缩减40%；在供应链环节，整体排产效率提高15%；在销售环节，人均效能跃升3倍；在服务环节，故障响应等待时间缩短23%。这些均表明AI在制造业的运用已具备大规模推广的基石。
上述数据充分证实，AI与制造的融合已具备大规模复制的产业赋能价值，此时进行深度耕耘恰逢其时。
02
华为的落地经验
以体系化能力助推大规模应用
人工智能在制造业的深度落地，其关键在于利用成熟的技术底座来夯实业务场景，通过大规模的实践来检验产业价值，切实将AI的发展势能转化为制造业降本增效的内在动能。
然而，传统制造企业目前仍受困于信息壁垒高、重复建设频发、数据互通困难、系统协同不畅等诸多痛点。这就呼唤体系化能力的支持。华为不仅自身具备制造企业属性，更是赋能制造业的ICT技术供应方，在实践过程中已经搭建起涵盖算力底座、数据平台及行业应用的完备体系，足以担当制造业智能化升级的“同路人”。
在算力基础设施方面，华为不断加码昇腾AI计算产业，能够满足全场景业务诉求，目前已惠及超过2700家客户；昇腾超节点设备已累计装机超500套，赋能逾50家客户。在基础软件维度，CANN架构实现全面开源，支撑昇腾生态汇聚了超410万名开发者。凭借繁荣的算力生态，为制造业AI大模型的训练及高并发推理提供了强有力的保障。
在网络连接领域，华为推出了星河AI网络，借助自研的Wi-Fi 7零漫游技术，有效化解了柔性制造过程中的设备延迟、数据丢失等痛点，完美适应复杂的工业场景，确保生产流程的持续稳定。为工业数据的即时传输与设备的协同运作打下了坚实的网络基础。
在数据平台层面，华为融合了知识库、KV Cache库与记忆库三大核心能力，实现知识检索准确率高达95%，且检索延迟控制在50毫秒以内。此外，依托华为存储的UCM技术，采用以查代算的策略，极大降低了重复计算量，优化了推理效率与用户体验，使得推理吞吐量翻倍，首Token延迟最高削减90%。高效解决了制造业面临的数据处理效率低下及推理成本高昂的难题。
在行业应用维度，华为的落地实践贯穿了“研产供销服”整个链条。通过深耕制造业的全场景链路，树立起众多可复制、易推广的标杆案例。比如，在生产制造环节，智慧工厂解决方案已在江淮尊界工厂成功部署，其柔性制造能力可支持上万种个性化配置；在五粮液智慧园区内，借助AI多模态大模型实现了安防、交通及运营的一体化管理，使运营效率提高了20%以上。诸多实践证明，体系化的技术能力与行业深度结合，乃是驱动“AI+制造”真正落地的有效途径。
03
奋楫笃行
用五大“坚守”，筑牢升级基础
制造业的智能化升级属于一项系统工程，牵一发而动全身，对此郭振兴也给出了推进升级的五点建议。这些建议直击制造企业在智能化转型进程中的典型痛点，并立足于产业演进的客观规律，堪称一套经过实践检验的行动指南。
首先需坚守战略定力。智能化升级是一场深层次的变革历程，企业势必会遭遇短期资金压力、技术匹配难关以及组织架构调整的阻力等重重考验，只有保持战略上的坚定，才能走得稳、走得远。
其次需重视架构指引。缺失顶层架构规划的升级，极易造成系统割裂与数据孤岛。唯有以架构为蓝图、以AI为中枢，方可规避盲目投资与重复造轮子，保障升级方向准确无误、资源投放有的放矢、建设成果立竿见影，从而为后续的大规模推广及持续迭代夯实架构底座。
再次需聚焦价值导向的场景筛选。智能化升级的根本目的在于创造商业价值，若脱离价值导向去挑选场景，极易陷入“为了AI而AI”的表面文章，导致资源错配与升级低效。因此，需借助科学的方法论来锁定高价值场景，从价值产出、数据基础、成本投入、潜在风险及技术可行性等多个角度评估场景成熟度，优先切入具备清晰商业回报的领域，稳扎稳打，确保升级的每一步都切实可行。
四是需推动基建先行。算力、存储及网络等资源是智能化升级的重要依托，平台尽早搭建、团队尽早试用与磨合，能够让组织能力在实战中不断沉淀。事实上，尽早布局算力、存储与网络等底层设施，有助于企业构建契合自身业务的AI算力集群、工业网络架构及数据治理平台，防止因基建滞后而拖累升级步伐，实现基础设施与业务拓展的同频共振。
五是需强化组织保障与人才孵化。在智能化升级中，技术是基石，组织是后盾，人才是核心。升级不仅是技术层面的跃升，更是组织形态、管理机制及人才体系的深刻重塑。为此，郭振兴倡议：企业应当成立专项运作团队，明确一把手责任，畅通跨部门协作通道；实行预算独立核算，赋予执行团队充分的决策权；加速培育既“精通业务”又“懂技术”的复合型人才。
综上所述，在“AI+制造”的深度耕耘之年，紧抓跨越式发展机遇，筑牢升级底座，制造企业方能在智能化的洪流中孕育出新质生产力，阔步迈向高质量发展的崭新征程。