在安徽省合肥市肥西縣的新港新能源汽車産業園，一座佔地1500畝的超級工廠正在高負荷運轉。在衝壓、焊裝、涂裝、總裝等車間，自動化産線持續工作，物流調度與設備數據在系統中實時流動。這個被稱為“尊界超級工廠”的製造系統，成為AI深入製造業核心生産環節的一個縮影。

尊界超級工廠鳥瞰

　　過去，質檢是最依賴人工經驗的環節。在尊界超級工廠，安徽江淮汽車集團股份有限公司（以下簡稱“江汽集團”）曾經需要150多個分散的小模型來完成不同工位的檢測任務。一條新車型産線的適配，往往意味著數月甚至更長時間的模型重新訓練與反復調試。

　　現在，這種碎片化模式已成為歷史，質檢模型“整裝上陣”。在引入華為盤古CV大模型之後，江汽集團把原本碎片化的視覺能力整合為統一的大模型體系。在新車型快速迭代的生産節奏下，單工位只需要50到100張樣本圖片，就可以完成模型微調訓練，缺陷攔截率達到99.99%。目前，這一能力已經覆蓋1500多個檢測場景，實現“一模型多場景通用”，支撐起全平臺化智慧質檢。

　　“過去人工目檢，工人盯著零部件看，眼睛疲勞、精力有限，漏檢率降不下來。現在用AI視覺替代人工復檢，檢出率和一致性大幅提升，而且不會受疲勞或情緒波動影響。”江汽集團數字化管理中心副總經理丁志海説。

　　更深刻的變化發生在系統層。“江汽集團並沒有把AI當成一個個‘點狀工具’，而是用‘小切口、大縱深’的方式推進變革。”丁志海介紹，“先從質檢這樣最具確定性的場景切入，再逐步向研發和管理體系延伸。”比如，在研發端，過去需要工程師反復整理與分析的失效模式，如今通過讓AI學習5000多條歷史設計規範與數據，DFMEA（設計失效模式及影響分析）智慧體可以在數小時內完成失效模式分析，使效率大幅提升。AI還可推動管理決策智慧化。“AI時代，數字化進入新階段，我們解決的是決策問題。”丁志海説，“過去是被動記錄發生了什麼，現在要主動預測接下來會發生什麼；過去是人在系統裏找數據，現在是數據主動來到需要它的人面前。”在他看來，這是從“流程在線”到“智慧驅動”的轉變。

　　對於産品迭代越來越快、品質要求越來越高的汽車行業而言，這種轉變尤為迫切。傳統數字化方式已經難以支撐複雜生産體系，必須讓AI真正介入生産與管理決策。對此，江汽集團搭建起“三統一”的知識問答體系，把分散在工程師、維修人員和一線員工中的經驗重新結構化。一個維修工程師原本需要兩個小時才能定位的問題，現在系統可以在20分鐘內給出答案。

　　製造業的AI升級從來不是簡單的技術問題。把技術進步和行業流程、組織知識進行深度結合，才是發展的必由之路。（資料來源：江汽集團）