前两天读到一则消息，新钢集团公布了他们的“AI成绩单”：截至2026年3月，全集团已落地100个AI应用场景与智能体，其中自研AI智能体40个。智能配煤系统每年带来1300万元降本效益，热轧产线自动排程使用率超过70%，石灰竖窑月均产量提升5%以上。

这不是孤例。今年1月，工业和信息化部等八部门联合印发了《“人工智能+制造”专项行动实施意见》，明确提出到2027年推出1000个高水平工业智能体、推广500个典型应用场景、选树1000家标杆企业。

政策有了，标杆有了，问题来了：普通企业该怎么跟？

别把“AI+制造”想简单了

很多老板一听说“AI+制造”，第一反应是买几台机器人，或者上个视觉检测系统。但真正跑通的企业会发现，这事没那么简单。

中国工业互联网研究院院长鲁春丛提过一个特别清晰的框架：工业互联网的应用场景覆盖了从单个设备、一条产线、一个车间，到整个工厂、企业乃至产业生态的多重层级。他主张“分级推进”——由表及里、由浅入深，从设备联网、数据上云等基础应用做起，逐步深入到生产流程优化、供应链协同，最终实现企业经营决策的智能化。

我把这个框架理解为六个台阶。不是所有人都要从头开始，但每个企业都得知道自己现在在第几层，下一步该往哪走。

台阶一：设备层——让“工具”长出“小脑”

设备层的核心，是把传统的“听话工具”变成“会动脑子的助手”。

深圳华龙讯达有一款基于龙芯芯片的大型PLC，控制着一条具身智能焊接机器人产线。操作员不需要写代码，只需要把产品的CAD设计文件导入系统，数字仿真平台就会自动规划路径、进行碰撞检测，然后生成指令发给机器人。

这套方案带来的改变是实打实的：产品换型周期从传统的3-5天缩短到4小时以内，设备综合效率提升超过25%，不良品率降低30%。

苏州有家制造企业更直观：原来一名员工最多只能看护6台设备，通过数字员工技术，一人便可统筹全厂25台设备运行。

设备层的本质，是让设备从“被动执行”走向“主动感知”。就像给每台设备装了个“小脑”，让它能感知状态、理解指令、自我调整。

台阶二：产线层——让“单点”连成“系统”

单个设备智能了，下一步是让它们协同起来。

新钢的热轧产线提供了一个样本。过去排产靠老师傅经验，订单来了要人工排、开会讨论、反复调整。现在智能排产系统依托产销研一体化平台和生产执行数据，自动进行计划排程，自动排程使用率超过70%。

这套系统不只是“算得快”，更重要的是“算得准”——它能实时感知订单变化、物料状态、设备负荷，在复杂约束中找到最优解。

产线层的本质，是从“单点优化”走向“系统协同”。设备之间开始对话，数据在产线上流动起来。

台阶三：车间层——让“局部最优”走向“全局最优”

再往上，是车间级的数据打通和全局优化。

新钢的石灰竖窑曾长期存在一个问题：化验数据滞后，炉况调整依赖人工经验。他们搭建了炉况数据分析平台，构建多目标优化决策模型，实现了对产量与成品质量的实时预测，并能动态推荐工艺参数。结果是月均产量提升5%以上。

车间层的难点在于工序壁垒。炼铁、炼钢、轧钢各有各的逻辑，各有各的老师傅。打通它们，让数据在车间里流动起来，才能实现真正的全局最优。

台阶四：工厂层——让“智能体”组成“团队”

当车间跑通了，就可以考虑构建工厂级的“智能体矩阵”。

新钢的废钢智能检验系统是个典型案例。用海量废钢照片“投喂”训练，这套系统练出了一双“火眼金睛”，能自动完成废钢抽样和判级。不仅大幅降低人工劳动强度，更以透明、公正的判级过程，彻底消除了廉洁风险。

他们还有两个获奖的AI智能体：一个是“文”的——硅钢智能公文写作问答小助手，依托大模型一键生成生产报告、工作总结；一个是“武”的——铁水液面与重量双向预测模型，能精准测算下铁工序中的铁水液位，及时提醒操作人员规避“冒铁”风险。

多个智能体各司其职、协同工作，工厂就开始有了“团队作战”的能力。

台阶五：企业层——让“数据”驱动“决策”

工厂之上是企业层。这一层的核心不是技术，而是组织。

新钢从“制造”到“智造”的转型，背后是一整套组织变革。2025年2月，中国宝武启动“2526”工程的当天下午，新钢数智化部就召开内部启动会，整合55名技术骨干成立AI研究院。随后开展覆盖全公司的AI应用场景需求调研，收集需求120项，识别出60项具备落地条件的场景。

他们还与北京科技大学、江西理工大学、宝信软件等开展技术交流，累计组织8场AI宣贯培训，覆盖管理人员、技术人员300余名。

有全国人大代表调研后发现一个普遍问题：复合型人才极度匮乏，“人才结构不变，技术再先进也落不了地”。企业层的本质就在这里——技术只是油门，组织和人才才是方向盘。

台阶六：产业链层——让“企业”连成“生态”

最高层级，是跳出企业看产业。

政策层面已经在布局。八部门的意见明确提出，要推动人工智能赋能重点行业，形成特色化、全覆盖的行业大模型，培育2-3家具有全球影响力的生态主导型企业。地方层面，陕西省最近发文，今年要启动海外智能工厂培育工作。

产业链层的本质，是从单打独斗到协同进化，从国内领先到全球布局。当数据和智能在产业链上流动起来，整个生态的效率都会被重新定义。

为什么要现在动？

普华永道最近发布了一份全球工业制造展望报告，里面有一个数据让我印象深刻：

到2030年，预期实现高度自动化的制造商比例将从目前的18%升至50%。但在最具创新力的20%“未来适配型”企业中，这个比例将达到65%，而其他企业只有45%。

什么意思？跑得快的会越来越快，跑得慢的会被甩得越来越远。现在不动，三年后差距就不是“差一点”，而是“差一个时代”。

新钢从2025年2月成立AI研究院，到今年3月落地100个AI场景，只用了一年时间。这100个场景里，有每年省1300万元的智能配煤，有让产量提升5%的石灰窑优化，有让废钢判级不再“靠感觉”的智能检验。每一个都是真金白银的回报。

六个台阶——设备层、产线层、车间层、工厂层、企业层、产业链层。没有标准答案，但每个人都可以拿这个框架照照自己。

政策给了方向，标杆给了参照，剩下的就是：从你现在站的那一级，往上走一步。

如果您正在思考您的企业现在处在哪个层级、下一步该往哪走，欢迎私信交流。您的一个困惑，可能就是下一篇文章的起点。