中國工業報 耿鵬飛

在今天，制造業數字化轉型的焦點已不再是外圍環節的簡單數字化改造，而是核心生產環節場景應用的“真正提升”，讓新技術真正發揮價值，打通全域的數據，實現最高價值轉換。AI技術的發展，推動制造業數字化轉型邁入數智化轉型的新階段。

2024年，新能源汽車的火熱，不止“帶火”了車機系統、自動駕駛的智能化熱度，也讓幕后的智能生產車間走向臺前。近日，中國工業報走進位于重慶市渝北區的長安汽車數智工廠——這是長安汽車目前智能化程度最高、工藝設備最先進的新能源汽車制造基地。

作為長安汽車數智工廠建設過程中的重要參與者，華為為我們闡述了背后堅實的數智底座，以及對于企業數智化轉型的深度思考。華為的答案是，數智化轉型不是簡單的技術驅動，而是自上而下的戰略驅動，戰略為根本，數據是基礎，智能是方向。

助力打通汽車制造業三個核心業務流

10月21日，長安汽車數智工廠正式揭牌。在第四屆長安汽車科技生態大會上，長安汽車董事長朱華榮這樣介紹說，長安汽車數智工廠廣泛應用5G、AI、數字孿生等40余項領先技術，工廠的制造效率綜合提升20%、成本降低20%、能耗降低19%。平均每60秒，就有一輛新汽車從這里下線。

這也意味著，剛揭牌一個月的長安汽車數智工廠，達到了生產節拍規劃60JPH（JobsPerHour），可帶來每年28萬輛的新能源汽車綜合產能。這背后，離不開華為的技術支撐。

華為中國政企智能制造系統部總經理楊萍告訴中國工業報，華為與長安充分合作，通過“一云一網一平臺”的華為智慧工廠解決方案新架構，為數智工廠構建起堅實的數智化底座，助力長安打通汽車制造業三個核心業務流——工程數據流、生產工藝流、商業信息流。

工程數據流的打通實現產品數據快速從研發端向制造端傳遞，商業信息流是聯接市場需求與制造環節的紐帶，生產工藝流是從計劃排產、物料準備、生產執行、設備維護、整車測試到整車下線生產全流程。“華為希望通過數據治理和人工智能技術，幫助長安汽車實現業界領先的柔性制造能力，讓訂單、研發、生產、供應以及交付協同起來，快速適應市場的變化，生產高品質的智能車，構建企業的核心競爭力。”楊萍說道。

據了解，華為與車企的合作不僅僅在制造環節。在數字化研發領域，華為助力頭部車企構建數智化研發平臺，搭建了自主創新的研發工業軟件體系，將以往30多款工業軟件、10多套研發數據管理系統數據打通。實現新車型研發周期從36個月縮短到24個月，并且實現了30多款研發軟件的自主創新。

在售后服務領域，華為與頭部車企合作，利用大模型技術和人工智能算力底座，將過去的維修手冊、維修記錄、維修案例以及維修專家的經驗數據，通過大模型進行訓練，構建售后維修的知識圖譜，讓每一個維修的技師短時間具備專家的能力。

以確定架構應對場景的不確定性

近兩年，隨著大模型、人工智能興起之后，企業智能化升級需求迫切。華為從2018年啟動了整個集團全面的人工智能的戰略。“華為用人工智能和大模型技術支撐從產品管理到軟件發布部署的全流程。”楊萍說道，通過AI開發助手實現了讀代碼、寫代碼、調代碼、測代碼及查代碼全流程智能化，大幅提高編碼效率。

楊萍坦言，華為的主張是，與客戶共同打造制造行業的大模型，以架構的確定性來應對場景的不確定性。

華為在研發、生產、供應、銷售、服務各個領域與客戶進行共創互補，相互賦能、相互協同。除了汽車之外，在裝備制造、新能源、電子、家電、輕工、醫藥等行業和領域，華為已經服務超過全國7500家制造客戶。

在華為中國政企CMO邱恒看來，華為能夠實現“能力外溢”的根本在于強大的技術創新和行業成功實踐的積累。

以生物制藥為例，“開發一款新藥投入通常至少是10億美金起，然后新藥從開發到上市至少要10年的時間。”這是制藥業存在“雙10定律”。

華為針對藥企在藥物分子結構發現，臨床試驗以及基因體征分析方面提供盤古醫藥分子大模型，已訓練超過17億個醫藥分子。“超級細菌有耐藥性，我們開發的速度要和耐藥的速度賽跑。華為盤古醫藥分子大模型為頭部醫藥企業，每周可以篩選3億的分子結構，一個月內幫助客戶找到目標分子結構。”楊萍說道。

近年來，機器人受到大家關注之后，機器人頭部企業科沃斯面臨行業內卷的激烈競爭。華為將IPD（Integrated Produc tDevelopment，即集成產品開發）幫助頭部機器人企業重塑結構化研發流程，實現了研發質量與生產質量的協同管理，降低了研發成本，在研發的有效性方面實現大幅提高。

持續深耕讓數智世界一觸即達

事實上，華為自身數字化轉型從2014年開始。多年來，華為內部建立了全要素的連接和實時反饋系統，將在生產領域的600多萬的裝備，以及裝備之間的幾十種通信以及上百個品牌的設備實現全連接。

楊萍分享對于華為從數字化到數智化賦能定位的理解，戰略是根本，無論是數字化轉型，還是智能化升級定位，華為要服務和賦能制造業行業企業的主業成功，聚焦華為所長，面向制造的千行百業，和伙伴一起完成從底層到應用開發的整體解決方案。

其次是數據治理，楊萍建議，企業要有高質量的數據，前提是要做好數據治理工作。“提前做好數據治理的頂層架構、頂層設計，然后扎扎實實地持續去做數據治理，否則就達不到數智化的目的。”楊萍說道。

在楊萍看來，企業數智化轉型是一個持續過程。未來，隨著人工智能技術的興起，智能化才是最終方向。但在當下階段，企業在探索智能化應用的過程中，不要急于把盤子做大，而是在“一厘米”的切口做深，做“一公里”的深度應用探索。同時，企業應當聚焦一兩個高頻的場景，實現應用縱深，借助技術解決其中的難題，進而培養自身的素質和能力，再去進行智能化的探索。

采訪中，針對企業數智化轉型中面臨的“數智鴻溝”問題，邱恒給出他的答案：華為希望“把復雜留給自己，把簡單帶給客戶”，通過“伙伴+華為”的體系，幫助國內的大中小型企業輕松數智化。華為不僅提供先進的技術支持，還通過“伙伴+華為”體系，帶來貼心的、就在客戶身邊的服務，并基于自身和豐富的行業數智化實踐經驗，通過在各行業廣泛復制，讓更多行業客戶與“數智世界一觸即達”。

“隔行如隔山，但隔行不隔理”邱恒說道，盡管不同行業的需求不同，但數智化轉型的服務邏輯是共通的。華為通過架構先行、平臺先行、場景創新和迭代前進的方法，幫助各行業打造智能體參考架構，推進智能感知、聯接、平臺建設以及AI大模型的應用。

華為希望通過以應用為牽引，以技術為支撐，為制造行業的數智化轉型積累充足的人才儲備。“面向制造業管理者、架構師、開發人員、運維人員、生態伙伴等8類人群，華為針對企業數智化轉型的3個不同階段即規劃階段、建設階段、運營階段，打造數智化管理、數智化應用、數智化技術3大人才培養體系。過去的三年累計為制造企業、高校戶培養了數字化人才超過了2萬人。”楊萍說道。