人工智能走进生产现场，数实融合向产业链延伸

近日，2026中国互联网大会南京分站暨人工智能赋能数实融合产业大会在南京举行。会上，一场关于新质生产力的主旨报告谈到，企业引入人工智能后，能否改善质量、成本和交付，取决于模型能否接入现有业务系统，以及模型给出的结果能否被现场人员采用。

企业可以从一个具体的生产问题入手。以质量检测为例，识别出异常只是第一步，接下来还要明确由谁复核、怎样记录处理结果，以及是否需要调整工艺。这样的流程也决定了企业需要采集哪些数据、模型多久给出结果、算力如何配置。等到现场能够稳定使用，再看误检率、返工情况等指标有没有改善，才有依据判断这套方案是否值得推广。

制造业积累了大量工艺记录、设备运行数据和现场经验，但这些资料往往分散在不同系统中。同一种设备的运行状态，如果在不同车间采用不同的记录口径，数据就很难直接用于同一个模型。报告提出，推进数实融合，需要改善数据质量，推动设备和系统之间的标准对接，同时培养既懂数字技术又熟悉行业流程的人才，让方案从试点走向日常使用。

人工智能进入生产环节，也对高端芯片、底层软件框架和关键工具链提出了要求。报告指出，这些领域仍需持续攻关。对制造企业而言，选用技术方案时，可以结合任务特点区分算力需求。模型训练和现场推理的要求各有侧重，前者需要考虑训练任务的资源开销，后者则要看响应速度能否跟上生产节拍，以及能否与现有设备和业务系统配合。

南京已启动面向冶金制造的人工智能应用中试基地建设，围绕行业数据集、模型和中试验证平台开展工作。中试可以让方案先在接近实际生产的条件下接受检验，找出设备接入、数据质量和流程配合方面的问题。经过验证的方案也更便于向产业链上下游推广，逐步用于研发设计、生产管理和供应链协作。

人工智能在生产现场能解决什么问题，最终要由使用结果来回答。当一个环节的改进能够稳定复现，相关数据和经验也能被其他环节采用，数实融合才有条件从单个车间延伸到整条产业链。