“人工智能+制造”落地：从通用大模型到工艺大模型

来源：工业和信息化部　|　转载日期：2026-06-18　|　栏目：行业资讯

2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，提出推动工业全要素智能联动，加快人工智能在设计、中试、生产、服务、运营全环节落地应用。一年多来，各地在制造业场景上的推进路径逐渐清晰。

通用模型与工艺模型的差别

通用大模型擅长语言交互和通用知识，但对具体产线的工艺机理、设备特性、异常模式并不了解。制造业真正需要的是“工艺大模型”：它吃的是本厂的工艺参数、设备运行数据、质量检测记录、故障诊断历史，输出的是可执行的参数建议和异常判断。

广东省工业和信息化厅相关处室负责人在公开场合有一个比喻很准确：通用大模型主打通用场景交互，工艺大模型则是扎进产线、吃透工艺机理的“智能制造特种兵”。

三个最容易见效的场景

第一是质检：视觉模型替代人工目检，尤其在电子、五金、注塑等外观件行业；第二是排产：在订单多品种小批量时，用算法代替Excel排产；第三是工艺参数优化：注塑、压铸、焊接、热处理这类工艺，参数与质量的关系复杂，模型可以从历史数据里找规律。

别从“建平台”开始

常见误区是先建一个AI平台，再想往上放什么应用。更有效的顺序是反过来的：先选一个痛点明确、数据可得的场景，做出可量化的效果，再复制到第二个场景。模型的准确性依赖数据质量，而数据质量又依赖设备联网和工序追溯——这两件事没做好，AI只能停在演示阶段。

本文转载自工业和信息化部网站公开信息，著作权归原作者所有。本文仅用于行业交流，不构成技术选型建议。原文链接：https://www.miit.gov.cn/