AI全面赋能与普惠发展并重之道

（来源：新华日报）

从语言大模型到具身智能机器人，人工智能（AI）正以前所未有的深度融入现实生产与生活。那么，在制造业这一核心主战场上，“人工智能+”的突破口与价值增长点究竟何在？近日，中国工程院院士戴琼海在南京出席相关活动时，对此进行了系统阐述与前瞻分析。

历次产业革命的根基，无不深植于基础研究的突破。戴琼海院士回顾道，从蒸汽时代的机械动力，到信息时代的比特洪流，再到如今以Token为代表的数据智能新要素，每一次核心生产要素的革新，都驱动工业制造实现跨越式发展。他以工业视觉检测为例说明：在超高分辨率成像等前沿技术支撑下，无论是芯片封装环节的微米级缺陷筛查，还是动力电池、航空发动机涡轮叶片等关键部件的质量管控，其检测效率与精准度均得到了革命性提升。

要让AI系统精准理解并有效干预物理世界，清晰、全面的感知是首要前提。戴琼海院士及其团队自主研发的扫描光场成像技术，成功实现了对复杂工业部件的高清、全视角三维观测。该技术已在多个高端制造场景中落地应用，为后续的智能诊断、工艺优化与自主决策构建了可靠的数据基石。

然而，要彻底打通AI与物理世界间的“最后一公里”，仅靠感知层创新远远不够，更需要强大、可靠的工业AI大模型进行全面赋能。未来的核心方向，是实现“场景可理解、任务可编码、动作可执行”的智能决策闭环，确保AI在工业控制、精密装配等关键环节中足够可信与可靠。戴琼海强调，高效、稳定且精确的智能算法模型，能够直接赋能边缘计算设备与端侧传感器，大幅提升生产现场设备的“自适应”与“自诊断”能力。这具体体现在柔性化多任务装配、复杂工艺参数的实时闭环调控、设备健康状态的预测性微诊断等多个维度，从而为高端智能制造提供核心驱动力。

除了算法与模型，人工智能实现规模化、工程化应用的另一大基石是高质量、高价值的行业数据。戴琼海指出，只有当制造业全链条、各工序、各岗位所产生的海量数据都能被高效采集、清洗、分析与应用时，AI的落地实践才会更加顺畅与坚实。他特别谈到，江苏作为我国制造业与科技创新高地，在推动人工智能与制造业深度融合方面已形成先发优势。下一步，应重点推进细分行业的标准化数据集建设，促进通用大模型与垂直领域小模型的协同创新与联合攻关，积极探索AI在制造业中实现规模化落地与商业化成功的有效路径。

“最终，我们需要推动‘All in AI’（全力投入人工智能）与‘AI for All’（人工智能赋能千行百业）的双向奔赴与协同发展，”戴琼海总结道，“‘人工智能+制造’必将催生颠覆性的生产效率与商业模式。”这不仅是全球技术演进的大势所趋，更是中国制造业迈向高质量发展的必然战略选择。