圖為銳科鐳射黃石智慧光子產業園泵浦源生產線(下）及耦合工段複合機器人（上）。 受訪公司/供圖

　　深夜12點，銳科鐳射黃石智慧光子產業園的路燈已經熄滅，車間裏的鐳射器產線卻仍在忙碌運轉。AGV（自動導向車）往返轉運物料，複合機器人自動完成上下料；物料到位後掃碼建檔，設備依次執行透鏡耦合、點膠、固化等工序，整個過程無需人工干預。

　　這裡產出的鐳射器被稱為“最快的刀、最亮的光、最準的尺”，是支撐現代高端製造的工業利器。

　　證券時報記者近日走進這座卓越智慧工廠，看到支撐這座工廠運轉的，不只是先進的自動化設備，更是深度集成的軟體與數據系統。機器視覺和遍佈產線的感測器實時採集設備工況與產品性能數據，系統據此動態安排生產，調節生產進度。

　　隨著“人工智能+”行動深入推進、製造業智慧化升級提速，智慧“黑燈工廠”正從按預設程式自動執行，轉向基於工業數據的自主決策和持續優化，打造出“數據在奔涌，演算法在調度”的智造新範式。

　　破解精密量產難題

　　今年7月30日，數百公里之上的近地軌道，我國空間站某維護任務首戰告捷，依託銳科鐳射的鐳射器光源，實現了外太空大型設備的毫米級加工，也是世界首次將鐳射器成功應用於在軌艙外複雜環境。

　　據了解，鐳射製造對一致性、可靠性要求極高。光纖鐳射器所需的核心部件包括泵浦源、耦合器、特種光纖、合束器、傳輸光纜等，只有這些核心部件的性能參數高度匹配，才能製造出高精度且穩定的鐳射器。目前，數十種鐳射器核心器件銳科鐳射均已實現自研自產。

　　銳科鐳射旗下湖北智慧光子技術有限公司總經理李星告訴記者，公司早在2017年便佈局鐳射器的自動化生產線，並持續積極推進其“智慧化”發展。李星把全鏈路的智慧化改造分為三個階段：第一階段，人既動手又動腦；第二階段，機械動手、人負責決策；第三階段，人工智能介入，系統自動計算、改進、迭代。

　　最典型的案例是泵浦源鏡片耦合和光纖鐳射器整機測試。泵浦源把光源發出的光束折射進只有頭髮絲粗細的光纖內，是光纖鐳射器的 “心臟”，其鏡片耦合需實現微米級對位。李星介紹，過去依靠人工調試，工程師肉眼通過顯微鏡觀測鏡片位置，同時還需要結合光斑模式以及能量情況手動微調鏡片，微小的光路偏移很難被人察覺，直接影響泵浦源的發光穩定性。

　　如今，在泵浦源生產線上，記者看到，整條生產線通過機器視覺識別光斑，AI演算法實時迭代調整鏡片角度與位置，一次性就鎖定最優耦合點；物料到位掃碼建檔，耦合、點膠、固化全自動完成，AGV替代人工往返上下料。

　　另一制約產品一致性的硬骨頭是光纖鐳射器整機測試。一台鐳射器有幾十項電、光、熱性能指標，在目前的智慧化產線上，整機在線接入自動化測試平臺，系統自動載入多工況測試任務，連續採集輸出功率、光譜、散熱等全部指標，AI演算法實時對比標準閾值，自動識別異常特徵，提前篩除潛在故障產品。

　　在李星看來，這兩類工序都離不開海量且連續的微米級動態監測與參數調優，正是數據和演算法解決了拖累產品一致性的兩大難題。自2023年再次集中推進智慧化改造至今，公司產能提升1.2倍，人力壓縮44%。

　　改寫產業競爭格局

　　“傳統自動化是人把固定邏輯寫進設備，機器嚴格照做，所有邊界、參數、處置方案都是預先設定，遇到預設以外的工況，設備就只能停機等待人來處理。”李星認為，實現跨越最核心的一步，是從人工預設固定規則轉向基於全量工業數據的AI閉環學習體系。

　　以銳科鐳射為例，公司打通了從零部件來料、加工裝配、老化測試到成品出庫，以及後續產品運維反饋的全鏈路數據，不再只是單臺設備的數據孤島。同時，AI持續學習海量歷史良品、不良品、設備故障案例，建立工藝與產品品質之間的關聯模型，自主計算最優工藝調整方案，下發給設備執行，再將採集執行後的結果回傳給模型，實現自我迭代優化。

　　這種AI加持下自我迭代優化，使得智慧工廠具備了“自我思考”能力。李星認為，AI重構的不只是車間工序，更是整條產業鏈的組織方式。柔性產能與均質品質，讓大批量、多型號訂單的交付週期明顯縮短。

　　目前，銳科鐳射擁有九大智造基地，集團級工業數字化中臺把各基地的產能、設備負荷、庫存、訂單、品質數據匯為一體，按訂單需求和工藝特長智慧排產，跨基地調度任務與物料；成熟的AI工藝模型和品質標準一鍵下發，保證同型號鐳射器在任何基地生產、判定邏輯完全一致。每台產品全流程可溯源，一旦出現問題可以快速定位，支撐產品迭代優化。

　　從鐳射設備行業看，工廠裏積累的能力正加速轉化為市場話語權。近年來，國產光纖鐳射器在工業領域加速替代進口，萬瓦級鐳射器成本從進口產品的約800萬元降至國產產品的8萬元。行業數據顯示，2013年國內鐳射設備市場中，美英品牌合計佔有率達85%；如今攻守易勢，國產設備市佔率升至85%。目前，行業頭部企業集體切入萬瓦級鐳射的應用場景，智慧製造水準成為重要護城河。

　　中國企業資本聯盟副理事長柏文喜接受記者採訪時表示，過去中國製造靠規模與成本進入全球鏈。AI深度嵌入後，工廠能以柔性化、高良率承接小批量、多品種複雜訂單，推動向研發設計、品牌服務兩端延伸。面對全球再工業化，中國可憑藉完整產業鏈+AI快速迭代，以全要素生產率優勢重塑“技術+標準+服務”輸出能力，提升“微笑曲線”位勢。

　　智慧化仍需久久為功

　　智慧工廠是智慧製造的主要載體，是製造業數字化轉型、智慧化升級的主戰場。當前，我國分基礎級、先進級、卓越級和領航級四個層級開展智慧工廠梯度培育。根據工業和信息化部的數據，截至今年上半年，我國累計建成5.6萬餘家基礎級、9000余家先進級、500余家卓越級智慧工廠，培育15家領航級智慧工廠。

　　李星説，黃石的鐳射器產線獲評工業和信息化部等部委評出的卓越級智慧工廠並非終點，公司已把目光投向更高的領航級。

　　作為國內最早規模化佈局自動化產線的光纖鐳射器企業，銳科鐳射的智慧化幾乎沒有成熟範式可循。隨著能力沉澱，公司的數字化效應開始沿產業鏈外溢，並向上游核心器件供應商傳導，牽引配套環節同步升級。

　　在李星看來，真正建成一座會思考的工廠，關鍵不在於採購了多少先進設備，而在於能否先打通數據、把工藝知識沉澱為可復用的數字資產。公司選擇從鏡片耦合、整機測試等品質瓶頸工序切入，分步投入、滾動驗證效益，而非一上來就全盤重構。

　　這一判斷，與專家的觀察不謀而合。柏文喜表示，當前最大的誤區是“為AI而AI”。一些企業盲目上馬智慧工廠、堆砌大模型，卻忽視底層數據治理和工藝的沉澱，結果項目淪為展示工程。他指出，眼下真正的堵點集中在三處：工業數據仍困在彼此割裂的孤島中，高品質訓練數據標注困難，既懂工藝又懂AI的複合型人才短缺。

　　柏文喜建議，數量龐大的中小製造企業宜走“小快輕準”路線，不必追求一步到位，可優先選擇AI質檢、設備預測性維護、智慧排產等痛點明確的場景切入，借助輕量工具單點突破、分步複製，儘量避免重資產投入，“先見到效益，再逐步擴展”。

　　對銳科鐳射來説，智造升級路上，仍有不少硬骨頭要啃。越往高端走，越容易碰到機器不容易拿捏好分寸的“手感”問題。公司的整機裝配車間，至今仍保留不少手工工位，光纖柔韌、形態不規則又極易損傷，自動固定、盤繞、對接仍是世界性難題，國際同行同樣未能完全解決。

　　李星坦言，目前只能先記錄參數、採集數據，由AI給出改進建議，“就像人形機器人疊被子，從0到1實現了，從1到100的優化仍需付出很多努力。”而在機器尚難企及之處，人的經驗和智慧，依舊是這座智慧工廠裏不可替代的一環。

　　這個尚待合攏的閉環提醒各方，智慧化是一場比拼耐心的長期工程。秉持長期主義，行則將至，雖遠必達。從卓越級到領航級，從一條產線到一個行業，一座座工廠學會思考的過程，終將匯聚成中國製造向價值鏈高端攀升的底氣。