“制造企业智能工厂建设不仅仅是简单的设备更新与技术升级，而是搭建一套靠数据流转、系统互通、生产协同的现代化制造体系”，虢彦指出，搭建智能工厂的核心目的是提升企业应对市场变化、客户需求、产品技术迭代，以及全球化背景下各类不确定问题的能力。而如何对标智能工厂分级标准，根据未来发展进行建设规划升级成为了摆在众多制造企业面前的难题。对此，虢彦认为，企业应首先明确建设方向与业务痛点，将智能工厂的建设和企业业务目标紧紧绑定，要关注实际业务收益，将智能工厂作为核心枢纽，打造以客户需求为线索的产业链。此外，企业还应关注人才与组织架构的塑造，做好专业人才储备。

然而，许多企业智能工厂建设面临着顶层规划与执行脱节的现状，在OT与IT融合的背景之下，企业面临着整合数据孤岛、数据湖建设的需求痛点，林帆介绍道，戴尔作为众多知名制造企业的合作伙伴，在智能工厂建设方面积累大量经验，不仅拥有强大的咨询团队，更为企业提供端到端解决方案，助力企业智能工厂建设。

谈及如何规划智能工厂路径时，虢彦提到，“自动化、数字化、智能化是智能工厂的基石”，中联重科智能工厂建设以打通端对端的全产业链为核心思路，贯彻“横向到边，纵向到底”的策略，实现快速响应市场和客户需求，以及从工厂到供应链的全效拉通。坚持“整体规划，协同推进”，中联重科从整体规划、打造数字化与AI平台，到推动管理模式变革、商业模式及运营模式的转型，统一数据标准，最终实现智能工厂供应链、产业链的共享，形成了一套长期可运转的智能制造体系。林帆认为，企业要结合自身实际情况规划智能工厂建设路径，搭建数字化平台的能力要做到“与时俱进”。从服务器到数字化能力建设，除了硬件设施，戴尔还为企业提供综合平台，物联网平台建设等解决方案服务。在智能制造方面，林帆指出，戴尔始终践行智能解决客户实际问题的理念，智能制造赋能企业业务，实现提质降本增效。

关于AI如何赋能智能制造、支持企业智能转型，虢彦认为，AI正在改变生产管理的底层逻辑。越来越多的企业让AI学习生产规律，适配生产变化，并实现自主优化规则。但与此同时，AI的应用也为生产带来了数据质量参差不齐、模型迭代与样本量短缺、一线业务人员对AI缺乏信任感三大难点。中联重科针对以上难点，建设AI训练平台，实现辅助决策，将设备AI具身智能化，用人形机器人替代人力，解决重复性工作，优化传统工业机器人实施路径，通过软件、硬件两种方式，改善现有的数字化管理决策体系与机器工业设备，最终实现AI智能工厂的升级。

从单点试验到全局智能，不少制造企业的AI实践已然开始走上正轨。然而，对于企业工业样本数据以及储备环境数据不足的共性问题，“如果没有很好的数据喂养，即使算力再强大，企业也无法破解业务价值痛点，实现效率提升”，林帆指出，在AI时代背景下，针对企业数据合规存放和流通以及数据安全等问题，戴尔以其综合解决方案，对企业云、算力、数据及安全挑战进行逐一破解。企业在智能工厂的建设过程中要做到“既不焦虑，也不跟风，选择具有全球化视野的战略级合作伙伴”，林帆强调，企业要从自身价值出发，避免“本末倒置”。

超过400位制造企业CIO及数智化管理人参与了此次直播，为接下来企业智能工厂培育、升级实践，以及AI转型提供了经验积累和路径参考。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。