《AI 链化制造》——工业 AI 的下一站，到底是不是中科院画的这张饼？

摘要：8/19 世界机器人大会发布、由中科院学部咨询项目课题组牵头的《AI 链化制造》战略研究报告，到底是真范式还是新词？工业软件老兵拆给你看：报告里有 3 个真东西，也有 1 个大问题。

▌ 一、院士牵头的报告，到底在说什么

8 月 19 日，北京亦庄，世界机器人大会。由中国科学院学部咨询项目课题组牵头、毛明院士作为首席科学家，发布了一份叫《AI 链化制造》的战略研究报告——"成链—强链—驱链"三步走，内外双链架构，目标是把中国具身智能真正落地到装备制造业里。听起来很硬核、很权威、很有未来感。但作为一个在工业软件这条路上趟了十几年的老兵，我看完报告之后，脑子里冒出来的第一个问题不是"我们要不要照着做"，而是——我们到底被"链"过几次了？

工业 4.0、智能制造 2025、工业互联网、数字孪生、AI+ 制造……过去十年，每隔两三年就会冒出来一个"链"字头的新词。每一个词都气势汹汹，每一个词都配 PPT、配报告、配标准。十年过去了——我们的车间连起来了多少？我们的数据真打通了吗？我们的工程师真的少加班了吗？我不是要否定中科院的工作，院士牵头的报告框架严谨、数据扎实，里头有不少我这种一线工程师看不到的全局视角；但作为落地者，我必须诚实地说——报告里有 3 个真东西，也有 1 个大问题。

▌ 二、3 个真东西

【真东西 ①】把"链"具象化成"内外双链"。 报告把"链化"拆成两条具体可执行的链：外部供应链（芯片、零部件、系统集成、场景应用）和内部产品链（研发设计、仿真试制、生产监测、质量检测、运维保障）。这跟过去十年"工业互联网"的抽象叙事最大的差别在于——它真的能落地到车间里。我们以前做 MES、做 PLM 的时候，天天喊"打通数据孤岛"，喊了十年，该孤的还是孤。为什么？因为没人去定义"孤岛"长什么样。报告这次明确告诉你：外部孤岛长在芯片和场景之间，内部孤岛长在设计和运维之间。有了形状，就能打。

【真东西 ②】直面了"虚实鸿沟"。 报告原话："当前具身智能领域呈现'大脑袋、小身体'的阶段性特征——虚拟空间能力强大，物理实体落地却短板明显。"这句话点到了 2026 年中国具身智能最尴尬的处境——我们在大模型、Agent 这些虚拟能力上已经和美国不相上下，但在物理落地层面（机器人的步态、机械臂的力控、产线的实时性）还有 2-3 年的差距。报告没有回避这个差距，反而把它当成"换道超车的战略机遇"来写。这很反直觉，但是很老练。

【真东西 ③】把"链式思维"上升到了产业逻辑层面。 报告引用了柯达、Walkman、黑莓这些老牌玩家的衰落——旧范式的崩溃，常常不是因为对手更强，而是没看见新赛道已经成型。这句话不是说"我们要取代谁"，而是说"我们要想清楚新赛道长什么样"。做工业的人最怕的不是被颠覆，而是被颠覆了还看不见。报告至少在提醒我们：别再迷信"我做了多年 MES/PLM，所以我懂工业"——懂工业和懂工业的下一站，是两回事。

▌ 三、1 个大问题：链是线性隐喻，但真实的工厂更像网

"链化"这个词，自带一种线性的、刚性的、不容修改的隐喻。但做工业的人都知道，真实的工厂从来不是一条链，它是一个网——设计改了工艺要改，工艺改了仿真要重跑，仿真过了采购清单要刷新，采购到了车间排产要调整，车间生产了质量数据要回流，质量出了问题售后要追责。每一个环节都在影响前一个环节，每一个环节都被后一个环节反过来定义。这不是链，这是活的生态系统。

"链"这个隐喻最让人担心的是它隐含的工程哲学——一切可以被规划、被编排、被序列化。这种假设在软件开发里成立（代码本身就是线性的），但搬到工业现场就水土不服。我过去十年见过太多"中央 MES 统治一切"的项目按计划完美落地，结果投产第一年就被现场各种"小意外"打回原形——计划赶不上变化，是工业的常识。

而"链式"工具的设计一旦预设了这个隐喻，就会天然倾向于"主从架构"而不是"对等协同"——每加一个"链节"整个系统的协调成本就上升一级，每做一次"链主"切换所有"链节"都要重新适配。这是分布式系统里最经典的扩展性陷阱，在工业现场会被放大十倍，因为工业系统的"节点"不是规整的 API，而是几十家供应商、上百个班组、上千个工人。这跟我们过去十年踩过的"中央 MES 统治一切"的坑，是同一个坑的换皮。

▌ 四、为什么我们这一代工业老兵，看任何"范式"都会本能警惕

不是因为我们保守，是因为我们见过太多了——2014 年喊工业 4.0，车间老师傅摇头："不就是 PLC 上网吗？"后来事实证明工业 4.0 比 PLC 上网深远得多，但当时没人能解释清楚它到底是什么；2017 年喊智能制造 2025，去投标，每份 PPT 都在说"数据中台"，后来的结果是"数据中台"成了大厂专属名词，中小企业没人真正建起来；2020 年喊数字孪生，每家制造业上市公司都宣称自己有"数字孪生工厂"，真正能跑通物理—虚拟双向闭环的，2026 年了我还没见过几家；2023 年喊 AI+ 制造，每个老板都在问"我们要不要买几个大模型 API"，结果买了一堆 API 没人用。

到 2026 年，轮到《AI 链化制造》登场。每一次我们都信心满满地说"这次是真的"，每一次落到车间里都有点不一样。这不是坏事，这恰恰是工业的本质：没有哪一次范式是终极范式，每一代范式都只解决上一代没解决的问题。 所以我看完《AI 链化制造》之后的判断是——报告不是饼，框架是真东西，院士的视野值得学习；"链"作为隐喻需要警惕，真正的工业是"网"不是"链"；作为一线工程师，我们应该做的不是"接不接范式"，而是"挑能用的工具用"。

▌ 五、那我们具体能怎么用？

1. 用"内外双链"画自己的车间地图。 拿一张 A3 纸，左边写外部供应链（你的供应商、芯片来源、场景客户），右边写内部产品链（你的设计、仿真、生产、质量、运维），对照报告框架找你的孤岛。这一步不花钱、不上系统，但你大概率会第一次看清自己公司的真实架构——大多数工厂画完这张图会发现，自己内部至少有 7-8 个孤岛，其中 2-3 个孤岛已经"孤"了 5 年以上。

2. 把"虚实鸿沟"变成项目优先级。 如果你是做机器人的，先死磕"小身体"——硬件稳定性 > 算法先进性。如果你是做工业软件的，先死磕"物理接口"——你能不能让工程师真的用上，而不是工程师绕开你。报告把"虚实鸿沟"上升到了产业战略层面，我们一线人不需要谈战略，只需要把这件事变成下个季度的 KPI。

3. 用"链式思维"拷问每一个新工具。 下次有人给你推"AI+X 平台"，直接问三个问题：这个工具，让我的外部供应链上的哪一环变快了？让我内部产品链上的哪一环打通了？是把我当"链主"还是把我当"链节"？如果对方答不上来——这不是工具，这是 PPT。

▌ 六、写在最后

我们这一代工业老兵，对范式免疫不是因为顽固是因为经验。经验告诉我们：真正的范式，从不在报告里。在车间里。《AI 链化制造》值得读，值得学，值得警惕；但最终决定它是不是真范式的，不是中科院，不是工信部，是我们，是明天早上 8 点走进车间、打开电脑、面对那个跑不起来的仿真软件的那个工程师。如果范式让他少加两小时班，那它就是真范式；如果范式让他多开了三个会，那它就是——你知道的。

▌ 参考资料

• 中国科学院学部咨询项目《AI 链化制造》战略研究报告（2026/8/19）

• NVIDIA GTC 2026 主旨演讲（Jensen Huang："every industrial company will become a robotics company"）

— 完 —