當AI走出互聯網大廠的伺服器機房，進入養豬場、機床車間、汽車工廠等最基礎的生産環節，傳統産業智慧化的天花板到底有多高？日前于上海舉行的華為全聯接大會2026上，與會企業人士和專家表示，隨著人工智能技術加速向實體經濟滲透，傳統産業智慧化改造空間正在加快釋放，但數據、人才等基礎短板仍待補齊。

　　明亮整潔的全封閉豬舍裏，智慧巡檢機器人沿軌道緩緩滑行，來回穿梭于豬舍上方，24小時不間斷檢測環境、群體、個體等數十項生長指標……記者在農牧養殖智慧化展臺看到了這樣的場景。在鄰近的汽車智慧製造展臺，從零部件到整車製造全鏈條，人工智能技術都已深度滲透。

　　“養豬和造車，智慧化的底層邏輯其實是一致的。”華為副總裁、製造與大企業軍團CEO劉超向記者表示，“不同行業工藝和目標雖有差異，但場景背後的痛點邏輯和落地路徑具有較強共通性。”基於多個標杆項目實踐，相關單點驗證能力正被沉澱為可跨行業復用的標準化方案。

　　在生豬養殖領域，年出欄約7000萬頭的牧原股份將設備參數、運維經驗與演算法結合，對飼料産線關鍵設備故障提前預警，以避免産線停機對生豬生長造成不可逆損傷。

　　“在汽車領域，我們與長安汽車聯合開發的碰撞測試方案將同類工作週期從三周壓縮至30分鐘，準確率超過95%。”華為車廠本體架構軍團（研發製造）總裁張穎慧告訴記者。

　　更多行業的樣本正在涌現。通用技術集團機床有限公司總會計師張穎介紹，公司推動AI與機床深度融合，“十五五”期間按計劃落地100個高價值場景，推動工業母機向自感知、自學習、自決策、自執行、自適應升級。安踏集團IT副總裁王宏星表示，安踏持續推進“AI　365”戰略，自研四大垂域大模型和“小安”智慧體平臺，正以數字化及AI驅動邁向“世界的安踏”。

　　“從中長期趨勢來看，傳統産業智慧化改造空間加快釋放是大勢所趨。”同濟大學國家創新發展研究院研究員宮超認為，此前，大型企業持續推進産線的自動化，如今大模型、機器視覺、工業AI等技術門檻下降，以及一些典型應用場景日益成熟，加之政策端的支持，傳統産業智慧化改造會逐步加速。

　　同時，業界對“人工智能+製造”面臨的現實挑戰保持清醒。“傳統産業利潤率相對較低，效率提升帶來的邊際價值更為顯著，但智慧化改造的關鍵不在技術本身，而在企業自身的消化能力。”劉超表示，當前算力和模型供給能力總體跑在場景需求前面，企業數據基礎、流程機制和人才結構成為主要制約。

　　宮超認為，目前傳統産業智慧化改造面臨三大挑戰：一是成本問題，製造業本身利潤率比較低，智慧化改造的前期投入高，收益難以量化；二是數據問題，大量工業數據掌握在不同的企業、機構手中，數據不共享，且數據標準、介面、格式不一致，很難進行提取使用；三是安全問題，工業系統對穩定性要求極高，尤其是能源等關鍵産業，更是對核心環節或核心業務的智慧化改造慎之又慎。

　　值得注意的是，針對這些挑戰，不少企業正在探索破局路徑。以傳統製造向先進製造轉型最關鍵的産線換型環節為例。“傳統製造普遍存在工控架構碎片化、設備協同能力弱、工藝迭代成本高、端側智慧缺失、核心裝備依賴進口等結構性瓶頸，難以適配先進製造‘高精度、多批次、快迭代、高可靠、強自主’的現代化發展要求。”華龍訊達總經理龍小昂介紹，華龍訊達依託國産算力底座、工業鴻蒙分佈式架構與自研全品類PLC集群體系，在華為全聯接大會期間正式發佈智樞具身智慧柔性製造示範線，將先進製造産線換型週期壓縮至分鐘級。

　　業界專家表示，隨著梯度培育政策深入推進、標準化方案增多和應用成本持續下降，人工智能與傳統産業深度融合的空間有望進一步打開。技術紅利正在向實體經濟最基礎的環節滲透，為製造業高品質發展培育新動能。（記者 吳蔚）