AI+制造 助力制造业数智化转型升级

人工智能在制造业的真正价值应体现在“降本增效、提质创收”上，必须将判别式AI与生成式AI有效结合，推动企业从局部自动化走向全局智能化。当前智能工厂发展可分为三个阶段：初级阶段的局部智能依赖于工控系统和自动化设备；中级智能阶段实现信息系统与设备反馈的闭环协同；而最高阶段的生成式智能工厂，则融合工业大模型和多种AI技术，实现工艺自主设计、产业链实时优化和全流程仿真决策。

用友提出的“企业级AI”架构，全面覆盖研发、制造、采购、营销、财务、人力等九大企业核心领域。该架构以AI中台和YonBIP大模型为支撑，可灵活调用多家主流大模型能力，并结合企业实际数据快速构建行业专用解决方案。例如某大型钢铁集团通过用友AI平台，实现了日成本分析、设备健康管理和供应链策略优化，显著提升精细化运营水平。

在智能制造方面，用友已打造多个行业标杆案例。与钢铁企业共同建设的“佰智AI”平台，构建了从数据层、平台层到垂直行业AI的全栈能力。该平台开发出营销专家系统，可基于上百个参数实时评估订单可行性与优化报价；通过“岗位精算AI”将管理行为分解为“人—机—物”量化模型，月度节省工时相当于减少近30个人力投入，直接经济价值显著。

在为某全球材料企业部署的多基地智能工厂系统中，用友提供了从集团级计划到底层集成的全面规划，实现了跨工厂协同排产与智能备料，有效提升全球多基地的资源配置与订单履约效率。

面向装备制造企业，用友提供的三级计划优化方案采用先进排程算法，替代传统MRP/MPS逻辑，实现从需求到工序执行的全链路数智化排产，大幅提升生产响应能力。

面向制造企业推进AI改造的实际挑战，叶秀林提出三点建议：

● 第一，必须夯实数据基础。“如果数据质量不足，任何AI算法都无法发挥真正作用”；

● 第二，行业知识与AI技术需深度融合，“用友不可能懂所有行业的工艺，必须与企业共创”；

● 第三，应采取“点-线-面-体”渐进路径，从具体场景切入，选用适当模型，明确价值目标，逐步扩展至企业级应用。“端—边—云”协同架构十分重要，小模型应部署于工厂边缘侧，而大模型可构建于云端，实现全局优化与局部敏捷的平衡。

制造业的AI转型没有一家企业能够独自完成，需要我们携手共进。