AI进厂,不是来打工的,是来当老板的

AI进厂，不是来打工的，是来当老板的

4月27日，杭州开了一场会。

不是那种”领导讲话、下面鼓掌”的常规会议，而是直接甩出一套”135N”体系，头一回正式提出”AI工厂”这个概念。三天后，工信部和国家数据局紧接着发文，启动2026年”模数共振”行动，面向20个重点行业打造”智能体工厂”。

一周之内，地方和国家两级政策同时落子。这个信号太明确了：AI进工厂这件事，已经从”试点示范”进入”批量复制”阶段。

杭州的”AI工厂”不是换个名字那么简单

杭州提出的”AI工厂”分三星。

一星，在关键场景搞点状AI应用。比如用AI做图纸解析，效率提升30%。萧山有家企业已经在干了。二星，多场景协同的智能决策。三星，数据驱动的智能闭环，对标国家卓越级智能工厂。

注意这个梯度设计。它不是一刀切地要求所有工厂一步到位，而是承认现实：大部分工厂连一星都还没摸到边。先让AI在单点场景证明自己，再逐步扩展。

这比前几年动不动就”灯塔工厂””黑灯工厂”的喊法务实多了。不是每家厂都能上西门子的数字化双胞胎，但AI图纸解析、营销智能体这些，中小企业也摸得到。

正凯集团用营销智能体拿了2.3亿新增订单。云尖科技AI图纸解析提效30%。这些数字不大，但胜在真实可复制。

工信部的”模数共振”行动，名字听着有点抽象。但拆开看，它要解决的问题非常具体：数据孤岛、模型泛化不足、场景适配低效。

说白了就是三件事：

第一，你的数据出不来。工厂有数据，MES系统一堆，ERP一堆，但各是各的岛。AI模型想吃一口完整的生产数据，门都没有。

第二，通用模型不懂你的工艺。GPT写文案一把好手，让它判断一批钢材该不该回炉，它懵了。制造业需要行业专用模型，但训练这些模型需要行业专有数据，而这恰恰是最难拿到的。

第三，场景找不准。很多工厂想上AI，但不知道该先从哪个环节下手。花了钱搞个大模型，最后就用来写写会议纪要。

“模数共振”给出的解法是：建行业通识数据集，打造行业模型，梳理高价值场景，然后让三者形成飞轮。行业模型帮应用提效，应用产生场景数据，场景数据反过来优化模型。

这个逻辑是对的。但能不能跑通，关键看”数据”这一环能不能真正流通起来。通知里提到了”模数共振空间”这个概念，鼓励与国家数据基础设施互联互通。如果这个空间能解决数据确权和数据定价的问题，那才是真正打通任督二脉。

回到一个更本质的问题：AI进厂到底在改变什么？

天合光能扬州基地给了很好的参照。388台AGV组成集群，用AI做路径规划和调度。人工转运物料一趟25分钟，AGV只要8分钟，效率提升68%。跨工序物料响应速度提升75%。替代110名专职转运人员，年省人力成本超千万。

但更关键的细节是：AI系统把洁净区人员介入频次降了60%，物料污染风险降低55%，问题定位效率提升90%。

这才是AI进厂真正的价值所在。它不只是让人少干点活，而是做了人做不到的事。人工转运可能出错、可能偷懒、可能带进去一颗灰尘毁掉整批产品。AI调度系统不存在这些问题。

汉诺威工博会上展出的AgileONE人形机器人，能适应不断变化的生产环境做精密装配。以前只有熟练工才干得了的活，现在机器人在学。

底层逻辑已经从”自动化替代体力”变成”智能化替代判断力”。

第一，别再等了。”模数共振”行动明确说了，效果好的区域和企业会在政策和项目上得到倾斜。早入场意味着早拿到数据集、早进入模型迭代飞轮、早吃到政策红利。等别人把行业模型训练好了，你就是被标准化的那一个。

第二，先找准场景再上AI。杭州的三星分级就是最好的参考。一星就做单点突破，质检、排产、图纸解析，哪个痛点最痛就先上哪个。别一上来就想搞全厂智能化，大概率会翻车。

第三，重视数据资产。这次”模数共振”最核心的一句话是”基本形成数据、模型、场景应用良性互促的循环”。循环的起点是数据。谁先把自己的工艺数据梳理清楚、标注明白，谁就是下一轮竞争里手握筹码的人。

AI进厂这件事，2026年是真正的分水岭。政策、技术、案例三线齐备，不再需要”证明AI有用”了，现在需要的是”证明你跑得够快”。

参考资料：

推动”人工智能制造” 杭州今年将首次培育50家”AI工厂” — 第一财经 (2026-04-28)
工信部、国家数据局启动2026年”模数共振”行动依托重点城市打造智能体工厂 — 企鹅号 (2026-04-28)
杭州今年将首次培育50家”AI工厂” — 光明网 (2026-04-28)
AI助力扬州制造业升级：”光伏超级工厂”引领智造新潮流 — 搜狐 (2026-04-28)
汉诺威工业博览会显示：人工智能正以超预期速度改变工厂 — 企鹅号 (2026-04-24)
工业和信息化部办公厅国家数据局综合司关于联合实施2026年”模数共振”行动的通知 — 工信部官网 (2026-04-28)