AI +工业制造/研发=？

当下，AI（人工智能）技术正以前所未有的速度重塑工业生产范式，充分彰显出其在工业场景里以“数据驱动决策”的核心价值。在工业内部运营流程中，那些高度重复、机械化的工作，容错率相对较高、风险处于可控范围内的业务岗位，以及能够借助AI深入挖掘用户需求、释放数据价值，进而驱动业务实现增量的场景，均是AI技术极具典型性且十分适宜切入的应用场景。

 

那么，现阶段AI技术在工业制造和研发领域究竟涌现出了哪些成功案例？又为企业带来了哪些实实在在的价值？未来AI在工业场景的终极形态又是怎样的呢？

 

坤维：AI技术赋能六维力传感器生产与设计，助力具身智能快速发展

近年来，AI技术的普及推动着传统制造业公司在工业自动化进展中的企业升级与转型，作为一家致力于高性能力觉传感器研发、生产、销售及服务为一体的高新技术企业，坤维（北京）科技有限公司也在积极拥抱AI技术。

熊琳，坤维（北京）科技有限公司创始人

在传统工业领域，“经验依赖”与“响应滞后”一直是制约生产效率与质量提升的两大难题。坤维（北京）科技有限公司创始人熊琳以六维力传感器的生产和设计场景为例，分享了AI技术带来的创新性突破。

在工艺参数优化方面，以六维力传感器生产为例，过去工人主要依据多年经验设定机床切削参数，如切削速度、进给量等。但材料批次差异、刀具磨损等因素变化时，如果要保障产品的质量稳定，大多都需要依赖有经验的工人来进行人工维护，因此高额人工成本和生产效率低也成为了六维力传感器生产过程中的痛点问题。如果能专门训练出六维力传感器生产的AI模型，快速分析当前工况，精准计算出最佳工艺参数，实现实时动态调整，就可以大大提升六维力传感器生产良率和效率。

同样六维力传感器的设计也存在经验依赖导致工艺参数优化进展缓慢的问题。坤维也在研究六维力传感器的设计与AI结合的可行性。六维力传感器产品设计面临型号多、参数多等现实情况，这导致整体设计效率低下。如果能将符合其设计的AI模型开发和应用好，将对六维力传感器设计中的参数优化得到很大提升，也能够大大提升设计效率。

“在医疗和运动健康领域，我们一直在致力于将AI大模型和生物力学结合，通过软硬一体综合解决方案给医学治疗和运动康复领域提供大数据分析和个性化治疗或优化方案。”熊琳分享了其解决方案的两大应用场景。

坤维科技能做到以上两个场景，最硬核的产品就是坤维的六维力传感器给予的力量控制和感知能力。“多年来六维力传感器一直被国外厂商卡脖子，而坤维科技凭借着20余年的航天级力测技术经验，研发出了独家算法解耦、结构解耦和六维联合标校与检测技术。这些技术都与AI算法密不可分，相当于给六维力传感器装上了‘最强大脑’，在复杂的力场中也可以精准捕捉六维力的信号，并通过独家的解耦技术以力的数值形式传导到机器人的电机系统来让机器人实现精准的力控水平。”熊琳表示。

据悉，坤维的六维力传感器其准度（含串扰）优于0.3%FS，精度突破0.1%FS，达到了国际顶尖标准，实现了100%的国产化替代，目前已经应用于人形机器人、协作机器人、工业机器人等多个领域。值得一提的是，坤维还是国家标准GB/T 43199-2023《机器人多维力/力矩传感器检测规范》的主要撰写者之一。

谈及构建数据闭环体系和企业数据孤岛的困境，熊琳表示，构建工业数据闭环和打破数据孤岛是一个系统工程，不可能一蹴而就。数据闭环的本质是“从数据中来，到物理世界中去，再带着反馈回归数据”，形成一个持续优化的智能循环。坤维会选择对于当下最具业务价值的一个场景先来构建工业数据闭环，比如六维力传感器仿真设计场景，分三步走逐步完成：第一步即数据采集，随后进行建模与分析，再闭环反馈，这个“设计-仿真-优化”的虚拟闭环，大幅减少了传统“试错式”设计的成本和时间。

然而往往每个环节都有自己的数据闭环系统后就会出现数据孤岛的问题，这就需要考虑如何再保证数据安全的前提下打破数据孤岛，实现跨系统协调。坤维期待将来能够搭建统一的工业数据平台，通过统一的API网关提供服务，实现“数据可用不可见”。

“总而言之，对于六维力传感器这样的高端精密产品，构建数据闭环已不再是选择题，而是生存和发展的必答题。”作为坤维科技的掌舵人，熊琳表示希望企业能以价值场景为驱动（如提升标定与检测效率），逐步打通设计、生产、销售、服务的全价值链数据。最终，让数据不仅在内部顺畅流动，更能与客户、合作伙伴安全地连接起来，从而将一款简单的硬件产品，升级为一个持续进化、创造价值的智能服务载体。

“我认为AI与工业的融合正经历从‘点状尝试’到‘线状渗透’的深刻变化，但整体仍处于高级辅助工具的初级阶段。尤其在六维力传感器制造这类高精度制造领域，这一特征更为明显。之所以是‘高级辅助工具’，源于六维力传感器的制造对确定性结果有极致要求。六维力传感器的性能关乎整个力控制系统的安危，目前我们还无法将整体的制造都交给AI，只能让AI成为工程师最得力的‘增强智能’副手。”采访尾声，熊琳如是分享道。

AI技术无疑推动了具身智能行业的爆发式发展。人形机器人作为具身智能产业最主要的方向之一，将在未来的十年期间展示出强劲的市场潜力与发展空间。而六维力传感器作为产业链深水处的关键部件，也迎来了市场的快速爆发。坤维科技早早意识到这一点，提早布局推出了专门适用于人形机器人的六维力传感器HRS30-96系列，满足人形机器人对六维力传感器尺寸小、量程大、高过载、高刚性、轻量化的需求。未来，当AI推动人形机器人发展走进工厂、家庭等无处不在的场景中时，回过头看坤维作为头部六维力传感器企业走的每一步，都在为中国具身智能产业筑牢技术上的“新长城”。

 

ifm易福门：AI工业助手让“智”造变得更简单

在工业自动化中，传统模式受“经验依赖”与“响应滞后”制约——工艺靠老师傅“手感”调参、设备按固定周期巡检维护，易引发质量波动与突发停机。以抽气系统过滤器维护为例，企业常按制造商规格定期更换，既浪费过滤器寿命，又让工人更换时暴露于有害颗粒物，存在健康风险。

对此，ifm易福门的moneo IIoT平台AI工业助手模块，可以借助IO-Link技术实时采集传感器数据并边缘计算，结合机器学习深度挖掘历史数据。在抽气系统中，通过进出口压力传感器监测过滤器压差（压差越大堵塞越重），分析历史压差数据生成磨损趋势曲线。企业可直观看到压差指数级增长，精准判断过滤器不同堵塞阶段，准确预测剩余寿命，实现过滤器维护智能化。

张荣， ifm易福门电子工业4.0项目经理

ifm易福门电子工业4.0项目经理张荣表示，ifm易福门将IO-Link传感器技术与moneo IIoT平台AI工业助手深度融合，打通“传感—数据—决策”全链路，面向工业客户交付真正的“即插即用”智能化方案：在moneo IIoT平台的可视化界面里，无需编写一行代码，即可把IO-Link传感器字段拖拽到AI模型。以空压机能效优化为例，工程师只要把压力、温度数据拖入“能效分析模型”，系统便即时给出加载率优化建议，完成从底层采集到顶层决策的闭环。

“我们将复杂的工业AI技术简化为易于使用的工具，使得生产维护人员能够轻松运用AI技术，无需具备复杂的编程或数据科学知识。”张荣说道。

他认为，工信部提出的“工业智能体”与制造业对可靠性的需求本质上是协同关系——AI需先在预测性维护、能效优化等强需求场景中证明其稳定性，才能推动更深度的创新。“我们moneo IIoT平台AI工业助手也是从客户的历史数据中学习，然后再考虑利用率的变化和环境条件的突变。”

至于AI在工业场景的终极形态，张荣认为将是“自主运行系统与人类决策中枢的协同共生体”。当前AI更多扮演辅助决策角色，例如通过moneo IIoT平台自动生成清洗效率优化建议；未来3-5年，AI将逐步具备半自主控制能力，如直接调节空压机加载率；而长期来看，随着工业大模型与多智能体技术的成熟，AI有望实现跨工序自主优化，但始终需要保留人类专家的监督接口。

 

喜科：AI强势赋能，解锁真正的预测性维护

喜科（上海）软件系统有限公司总经理Bruno Lhopiteau（浦乐诺）认为，现代工厂比以往任何时候都更加自动化、机器人化、计算机化，但对难以找到的高技能人员（技术人员、工程师和管理人员）的依赖程度却更高。在这种背景下，AI能否帮助行业从缓慢的、依赖人类经验的决策转向更快的、数据驱动的解决方案？

 

Bruno Lhopiteau（浦乐诺），喜科（上海）软件系统有限公司总经理

预测性维护常被视为容易实现的目标，但很少有解决方案能够通过概念验证或试点阶段。“自动响应警报并不是预测性维护，根据定义，这只是一种高阶的纠正性维修形式。”浦乐诺表示。

在他看来，在维护的各个方面，从定义维护策略到规划、安排、工作准备等，做出需要采取维护干预措施的决策，最耗时且最容易出错的是复杂信息的收集和分析。类似的流程也适用于所谓的预测性维护，但同样适用于基于时间的预防性维护，甚至纠正性措施。

然而，如今大多数维护信息系统（所谓的EAM或CMMS）仍然无法提供上下文中的必要信息。相反，工程师必须在各种系统中搜索，以获取历史工作记录、过去故障分析、下次维护日期等信息来做出决策。许多记录由于记录本身或底层数据结构的问题而错误或缺失。为了做到这一点，工程师必须应用只有少数专家才能掌握的方法、标准和知识。这导致了严重的效率不足，错误的决策可能会带来灾难性的后果。AI可以在这一过程的几个步骤中发挥关键作用。

例如，喜科在上海的研发中心——Bluebee实验室，将AI应用于克服维护管理的主要瓶颈。它基于数十年的专业知识，而不是单一的技术进步。

对中国的EAM解决方案的调查显示，大多数设备数据库高度不完整，不协调，经常包含过时的信息，大多数企业仍然在这个基础步骤上挣扎。喜科首先是从构建工厂的技术数据库开始优化。在柬埔寨金边供水管理局（喜科交付的“一带一路”项目之一），喜科基于人工智能（AI）的数据准备模块被用来通过从运维手册中提取数据自动构建预防性维护工作指令，节省了通常用于此类任务的90%以上的劳动时间，并达到了与专业工程师相同的准确度水平。

在规划和安排过程中，AI取代了传统的调度工具，并且可以进一步通过应用其他规划方法、分析历史维护数据、设备健康度评分和运营限制来动态优化调度。“我们自己的研发工作已经完全转向人工智能（AI）规划和调度，有两个互补的方向，一个使用NVIDIA CuOpt作为核心优化引擎，以及其他来自英伟达企业级AI平台堆栈的组件，以及我们自己为特定目的训练的DeepSeek LLM。”

对于决策支持，包括预测性维护的自动化决策支持，喜科的bluebee®设备健康评分模块优先考虑历史数据而不是实时传感器输入。只关注传感器的实时数据会存在错误的设计、故障频发以及高昂的维护成本等问题，这些问题始终制约着单纯依赖传感器方案的长期可行性。据悉，bluebee®设备健康评分模块已经在上海的一家头部水务公司投入使用。

谈及企业如何构建数据闭环体系以及如何打破“数据孤岛”的问题，浦乐诺表示，异构、低质量的数据是工业维护中的一个持续挑战，破坏了预测性维护和长期战略发展的基础。喜科的方法是优先考虑结构化数据收集，由ISO 55000（在中国是GB/T 33172）和相关标准指导。“我们的‘ISO 55000循环’使AI能够处理丰富的历史数据用于预测性维护，这与缺乏上下文的仅依赖传感器的解决方案不同。”

对于AI未来在工业领域如何能更好地发挥作用，浦乐诺表示，当AI不太显眼时，它效果最好。这不是将人工智能作为一种营销噱头，而是作为一种实现工业目标的工具，在幕后平稳运行。“在喜科，我们也相信以人为本而不是以机器为中心的解决方案：作为决策中心的AI将赋予技术人员和管理人员能力，弥合专业知识差距，并推动可持续的工业进步。AI服务于工人，从车间操作员到工程师，再到高层管理人员，让他们能够根据现场的真实数据做出日常决策，无论是巡检期间、工作准备期间、故障排除帮助、更换还是预算决策。在未来，这可能会成为构建基于经过验证且透明方法论的全自动系统的基础。”

 

智化科技：“AI化学家”颠覆传统研发模式

在化工、医药研发领域，AI又能发挥怎样的作用呢？

传统路线设计靠经验、靠化学家检索，容易陷入思维定式。智化科技ChemAIRS平台汇聚了7000万条反应数据，通过深度学习模型，用户只需输入目标分子，系统便可在数分钟内输出多条合成路线，并同步给出产率、成本与工艺风险评估。
目前，ChemAIRS 已在国内外多家制药公司的药物合成部门落地，成为新药早期路线设计的“标配”。

 

夏宁博士，武汉智化科技有限公司CEO

高效平台加持下，前沿成果不断拓宽新的应用场景，武汉智化科技有限公司CEO夏宁博士分享了多个成功案例。例如，ChemAIRS不仅可为尚在临床试验阶段的新型减肥药提供了更简洁、可控的合成路线，合成步骤从27步锐减至16步。其还可以应用在农药，譬如针对新型除草化合物A4，平台设计的两条极具工业化潜力的合成路线，经验证不仅可显著除草，且对玉米、水稻等作物更安全。

更值得一提的是，智化科技将人工智能软件与自动化硬件深度结合，打造出“无人实验室”整体解决方案。智化科技将传统实验过程中人需要做的任务拆分成投料、反应、取样、分析、分离等多个不同的动作模块，用自动化的形式去实现。AI 生成的方案，交由全自动实验平台无缝执行；机械臂精确称量、反应器自动调控温度与 pH值……整个流程无人干预，却井然有序。机器人全流程参与，数据实时上传，实现全流程闭环。新药研发有多个环节，其中，化合物合成是最费时的环节之一。一位成熟的化学家设计一条合成路线，通常需要 2 个小时以上。而通过“AI化学家”，5分钟就能给出最优的合成路线。一天可以做上千个反应，比起人工，效率提升20倍到40倍。“我们帮客户将研发效率提了上去，成本降了下来。”夏宁说，经合作方验证，接入该方案的实验室，效率最高提升50%以上，成本降低40%，项目研发周期缩短近3倍。

此外，智化科技已将市场触角拓展至全国乃至海外，与辉瑞、人福医药等百余家中外药企达成长期稳定的合作。

“不仅是医药行业，越来越多制造型企业也开始找到我们，希望优化工艺、降本增效。”夏宁透露，近两年公司还将业务拓展至当前迅猛发展的新型材料领域，例如光刻胶、新型显示等行业。为进一步满足业内对人工智能辅助研发的需求，智化科技计划于近期进一步升级ChemAIRS，新的大模型将支持自然语言交互和多模态识别，进一步降低化学家使用门槛，让新型合成化学品的研发，像聊天一样简单。

“一个更加高效、智能的AI化学家‘智造’时代，正在到来。”夏宁表示，随着技术不断成熟，“人工智能+自动化实验室”的模式，在不久后将彻底颠覆相关行业的研发模式。

 

“技术只是入场券”，场景才是王道，我们欣喜地看到，AI技术已经在多个行业的多项场景中落地。当技术深度融入业务场景，不仅能实现效率的指数级提升，更能重构产业价值链条。未来，随着AI在更多垂直场景的渗透，“技术+场景”的双轮驱动，必将催生更深刻的产业变革。

 

来源：荣格-《智能制造纵横》

原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。