夜雨聆风
迈向共生时代:苏玥琦AI如何重塑制造业的未来格局
（编者按）在AI浪潮席卷全球的今天，工业制造业这一国民经济的基石正经历着一场前所未有的深刻变革。从材料科学的微观原子世界到宏大的智慧工厂蓝图，人工智能正以前所未有的方式赋能“新质生产力”，推动着生产范式、管理模式乃至商业逻辑的根本性重塑。
北京大学光华管理学院2022级校友、北京大数据研究院工业互联网研究中心主任苏玥琦博士，在一次面向清华北大EMBA及校友的“21期清北故事会”深度分享中，系统性地解构了这一变革图景。基于他在工业大数据与工业人工智能领域的长期研究与产业化实践，他勾勒出一幅人机共生、智能主导的“AI工厂”未来景象，其洞见不仅前沿，更深刻地映射了中国工业迈向高维竞争的机遇与挑战。
序言：AI浪潮中的工业新纪元
当AlphaFold破解蛋白质折叠难题，当深势科技的AI4S范式加速新材料发现，人们意识到，科学研究的范式已被AI深刻改写。而这场由“AI for Science”驱动的革命，正迅速溢出实验室，流向制造业的广阔天地。中国科学院院士鄂维南与英伟达创始人黄仁勋——两位顶尖华人科学家的前瞻视角，共同指向同一个未来：工业制造的智能化不是局部改良，而是从底层逻辑开始的系统性重构。
苏玥琦博士的实践与思考，恰恰连接了“AI for Science”的理论前沿与“AI for Manufacturing”的产业落地。他强调，这场变革的核心在于，AI不再是单纯的辅助工具，而是正在演化为能主动思考、自主执行的“智能体”，与人类形成新的合作关系，共同构筑起未来工厂的基石。
Part 1：从“辅助”到“主导”：研发设计的范式跃迁
传统制造业的核心痛点之一在于研发设计周期长、试错成本高。CAD、CAE等软件的普及，解决了“自动化”问题，但未解决“智能化”瓶颈。
1. 攻坚核心设计工具：以算力挑战“铁王座”
苏玥琦指出，当前的工业设计软件（如CATIA、UG/NX）在底层算法上主要依赖有限元分析等经典数值方法。随着问题复杂度的激增，即便投入海量算力，其计算效率也可能遭遇难以逾越的瓶颈，这已成为大算力时代工业仿真的一个巨大制约。想象一下，为一个复杂部件进行精密分析，可能耗时数周乃至数月。
然而，新路径已经显现。苏博士分享，其团队正在进行一项极具突破性的探索：尝试用基于Transformer等深度学习架构的全新算法，替代传统的有限元分析。其愿景是实现真正的“逆向设计”——输入期望的产品性能或结果（如某种材料的强度、一个零件的气动效率），AI智能体便能逆向推演出最优的材料配方、工艺参数甚至加工路径。这一理念被称为“AI引导设计”，旨在将AI从一个“执行者”升级为“设计主导者”。
2. CAX生态的AI化升级：“画个草图出数模”成为可能
分享中展示的现场演示片段生动说明了进展：设计师只需向工业大模型用自然语言下达指令，如“创建一个双螺杆转子”、“修改导程比例为4”、“将工作长度调整为60mm”，AI便能快速完成三维模型的生成、修改乃至初步仿真。
这意味着，未来的设计师与工程师，其核心职责将从具体的绘图、调参工作中解放出来，转向更高阶的需求定义、方案审定与跨域创新。设计流程的本质从“人驱动软件”，转向“人指挥智能体”。
Part 2：智能体驱动的工厂：人机共生的新形态
黄仁勋曾预言：未来的每一家制造企业都将拥有两个工厂，一个物理的，一个AI的。苏玥琦博士将此具象化为三个维度的变革。
1. 生产的变革：从被动应答到主动执行的“智能员工”
AI智能体正在渗透并重塑生产流程中的每一个专业环节：
第一，智能排产员：传统的APS（高级计划排程系统）需要专业人士操作。现在，智能体可以直接“使用”APS，甚至为没有APS的中小企业自动创建类似的排产功能窗口。它不仅能执行排程逻辑，更能主动监测物料、设备状态，进行动态调整。
第二，工业设备大脑：尤其在“具身智能”领域（如机器人、机械臂），AI智能体能够进行任务规划、动作编排到最终执行的全流程自动化控制。一个演示视频中，智能体操控机械臂自动完成材料的合成、反应与测试，高效而精确。
第三，全链条渗透：智能体的足迹覆盖从研发、供应链管理、智能工艺控制，到质量检测、客户满意度评估的全价值链。其核心价值在于“主动任务执行”的能力，大幅提升了响应速度与执行精度。
2. 管理的变革：当HR开始管理“AI员工”
一个有趣的现象随之而来：当智能体成为“员工”，组织管理将面临剧变。传统的IT部门、HR部门将如何定义自己的新职能？他们需要管理的对象将同时包含人类与AI。未来的工厂CEO，或许需要具备同时管理人、智能体以及人机协同流程的复合领导力。围绕效率提升需求背后的组织阵痛，不少龙头企业也正在追求人机共生时代下的组织变革。虽然短时间内大部分工作岗位不会被完全消灭，但AI员工的渗透率逐年提高已是不可阻挡的趋势。
3. 商业的变革：AI成为竞对间决胜的“X要素”
“降本增效”的口号已喊了多年，但AI带来的不仅是成本的降低或效率的线性提升。苏博士强调，在未来的市场竞争中，拥不拥有AI能力，可能将成为企业间的“价值代差”。当对手已经通过AI工厂实现了产品研发周期指数级压缩、实现了极致柔性的C2M（用户直连制造）时，传统工厂的成本与效率优势将不堪一击。AI，将成为一种全新的、壁垒极高的核心商业能力。
Part 3：实践前沿：多智能体协作的落地探索
蓝图固然美好，但如何落地？苏玥琦博士分享了其团队的前沿实践。
1. “一体机”赋能千行百业：软硬一体的普惠化路径
一个显著的趋势是，硬件成本正快速降低。通过软硬件一体化的优化设计，一台桌面级的一体机已能以亲民的成本（如122B大模型本地化的解决方案）流畅运行专业级应用。这极大地推动了AI在电厂、体育场馆、酒店、工厂等各类场景的规模化部署。苏博士指出，其正探索的“多智能体一体机”解决方案，具备一键生成智能体、快速复制工作流的能力，对于具有特定场景和行业知识的企业而言，能以极快的速度完成部署并获得回报。
2. “科技金融”与技术转移新范式
更具启发性的，或许是苏博士作为长期科技成果转化实践者对创新模式的思考。他与校友们正筹备的“技术经理人事务所”模式，旨在探索一种更灵活的科技成果转化机制。他们提出了“选人、选品、选本”三大业务：
第一，选人：效仿“体育超级明星经纪人”模式，发现和陪伴尖端技术人才成长。
第二，选品：打造专注于硬科技的“MCN”，为优质技术产品早期市场赋能推广。
第三，选本：作为“科创制片人”，为优质项目提供团队、融资等组合式支持。
这一模式背后，是对国家大力推进技术转移转化趋势的深刻洞察，也是对传统科技成果转化路径的创新性补充。它以更市场化的方式，尝试连接学术界的前沿突破与产业界的实际需求。
Part 4：深刻冲击与深刻思考：AI时代的人类角色
技术的狂飙突进，必然伴随着对社会的强烈冲击。分享的后半段，在嘉宾与校友的对谈中，这些更为复杂甚至令人警醒的话题被不断抛出，苏玥琦的回应展现了一位科技前沿实践者的冷静思考。
1. 创造力与价值的再定义：AI创作的伦理悖论
苏博士以自身经历为例：他曾以95% AI生成的代码完成某区块链项目。这引出一个根本性问题：当AI输出的“成果”（无论是代码、设计还是论文）本身具备高度原创性和商业价值时，其创造者是谁？权利归属如何界定？
苏博士认为，关键在于“思想的源头”。人的核心价值在于创意与思想。AI是工具，它实现的只是从“想”到“实现”的跨越速度和形式的变化，正如从步行到飞机的跃迁。“一个有思想的源头，加上AI工具的赋能，其产出依然有价值”，最终的审判官应该是市场和实践——即产出的实际价值（Value）。至于法律层面的权属界定，他坦诚这仍是一条漫长的路。
2. “不可替代”的核心：情感、人脉、创意与规则制定
一个灵魂拷问是：在AI面前，人的核心竞争力究竟是什么？听众中甚至有校友戏谑讨论：“讨论来讨论去，未来不会被AI替代的职业，大概只剩下水管工了。”
苏玥琦对此给出了更为严肃和结构化的思考：
第一，情感链接与人际网络：消费服务业中“人对人”的服务体验、基于信任的人脉资源网络，是硅基生命难以模仿和替代的。“AI说是我校友，想谈合作，我不会相信AI。” 这种信任与情感羁绊，构成了商业社会的深层粘合剂。
第二，思想与创意：艺术鉴赏、哲学思辨、天马行空的非逻辑构想，依然是人类独有的精神殿堂。AI可以模仿，但原创性的思想火花，仍是最稀缺的资源。
第三，规则与框架的制定者：他特别提到了金融市场的案例。在量化投资中，AI在执行规则、适应规则的速度上远超人类。但市场规则本身，是由人类社会制定的，且可能发生根本性变化。人类的优势在于“改变游戏规则”的创造力与适应性。面对AI，人类最终需要依靠自己制定的规则和伦理性框架来引导科技向善。
3. 教育范式的底层挑战：从“学技能”到“铸灵魂”
关于高考选专业这一实际到令人焦虑的问题，苏玥琦给出了双重建议：
第一，务实层面：短期内，热门、保就业的专业逻辑仍需要尊重。在就业压力可能因技术变革而加剧的周期里，先立足、先生存依然是理性选择。
第二，远见层面：教育观念需要从根本上转变。“选择专业不等于结束，拿到文凭更不等于开始”。在AI能够快速吸收知识的时代，一个专业的知识壁垒可能在四年学习期内就被AI消解。因此，学习的目标不应再是“掌握技能”，而是“锻造灵魂”——培养独立的思考能力、跨界的创新能力、复杂关系的协作能力以及对个人与社会价值的本质洞察。他说，“乱世出英雄”，未来可能会出现更多不拘泥于学历的少年英雄，能够在AI浪潮中找到独特的价值生态位。
尾声：数据，智能时代的新干粮
在整个分享中，一个贯穿始终的关键词被反复提及——数据。苏玥琦强调，当前AI开发正从“以模型为中心”转向“以数据为中心”。无论是AI4Metal项目对高质量金属加工数据的需求，还是他探讨数据资产流动性时提出的“上十把锁”的隐忧，都揭示了同一个事实：在即将到来的AI产业竞争中，高质量、专有领域的数据集，将成为比算力更为稀缺和核心的战略资产。
数据要素的治理、交易、确权和流通问题，远未像技术那般高速演进。当企业开始像守护金矿一样守护自己的“数据干粮”，如何建立高效、可信的要素市场，如何衡量数据的价值，如何设计合理的交易机制，这些问题将成为横亘在AI技术潜力完全释放前的最后一公里，也是最崎岖的一段路。他透露，其关于数据资产流动性及IoT-SFT等探索，正是对此命题的深刻试水。
短短1小时的分享干货满满，苏玥琦博士为我们描绘的，远不止于一项项具体的技术应用。它是一个从原子级科研创新到工厂级智能升级，再到产业级生态重构的全景图。在这个图谱里，技术的进步势不可挡，社会的适应则充满挑战与反思。
人工智能终将如电力、互联网一样，成为新时代工业文明的基础设施。未来的制造企业，或许将不再仅仅是制造产品的“实体”，而是一个由物理系统与智能系统深度融合、人与AI和谐共生的复杂有机体。这既是一场技术与效率的竞赛，更是一场关于人类创造力、协作方式和伦理边界的深刻探索。
工业制造，正在进入一个前所未有的“人机共生”时代。而我们每一个人，都将是这个时代的见证者、参与者，以及规则的共同塑造者。
个人简介：苏玥琦，北大光华2022级校友（ExEd–新生代领创项目2期）、利物浦大学计算机科学与软件工程博士、上海交通大学科技金融MBA，长期从事工业互联网与人工智能领域研究与产业化。
【核心成就】
（1）现任北京大数据研究院工业互联网研究中心主任，担任江苏省工业互联网标准化技术委员会委员、国家技术转移东部中心淘金合伙人。
（2）主导江苏省重点研发计划“面向工业互联网的多模态算网融合关键技术研发及示范”，曾作为秘书长参与北京大学国家重点研发计划。
（3）牵头起草及立项国家标准累计7项，已授权国家发明专利15项，并连续担任“数据要素×”大赛江苏分赛工业制造赛道决赛评委。
（4）长期负责科技成果转化与企业孵化，先后担任6家工业人工智能领域科创企业负责人。
联系方式：
备注：本文基于苏玥琦于2026年4月10日晚做客“清北故事会”，面向清华北大EMBA同学及校友所做的内部主题分享，文字内容已经本人审阅。全文5000余字。
★往期精彩文章推荐：
汪才华：以价值咨询为服务起点，构建地方项目与政策资金结合业务生态链
【“清北E谈”公众号简介】
“清北E谈”是面向清华大学、北京大学EMBA群体的垂直类公众号，一方面通过EMBA同学的深度访谈与跨界交流，另一方面报道清北E同学们举办的各类活动，以构建高端商业交流和知识分享平台。分享平台固定在每周五晚9点线上播出，采用“语音直播+腾讯会议+公众号文章”的组合传播策略，兼顾深度阅读与社交传播需求。为节省运营成本，本公众号与“港股上市”共用同一个频道。
“清北故事会”是专门面向清华北大EMBA及校友的线上访谈和分享的公益节目，以“激荡行业智慧，架设友谊桥梁”为宗旨。现向本群每位同学发出诚挚邀请，欢迎您积极报名“清北故事会”讲述您的精彩故事，助力您在2026年，打造个人全新IP！
播出时间：每周五晚21:00-22:00，腾讯会议+微信群语音直播
只需一部手机，随地可以参加；如果您也想报名参加“清北故事会”做主题分享，可与编辑部13682324681王彬老师联系（仅接受微信）。
“清华北大是一家，携手努力振中华”