在本次峰会上，赛美特智能制造专家顾问卞浩围绕《AI智能制造解决方案，助力制造业高质量可持续发展》主题，进行了精彩的分享。卞浩在演讲中表示，智能制造已经成为了制造业高质量发展的必选项，而AI将引领智能制造的新趋势，“人工智能+制造”必将成为企业可持续发展的新引擎。

赛美特智能制造专家顾问 卞浩

精彩观点

智能制造产业未来规模宏阔，预计到2029年，全球智能制造市场规模将达到约5000亿美元。智能制造业的市场已进入高速增长期，CAGR将超过15.5%。针对智能制造，国家政策也持续利好，工信部提出到2026年，建设500个智能制造示范工厂，重点覆盖化工、汽车、医疗器械等关键行业。在这样的高速增长期内，如何利用智能制造技术提升制造企业的核心竞争力，成为了关键问题。卞浩介绍了赛美特帮助制造企业成功的智能化解决之道。

三大驱动力

卞浩介绍说：“智能制造已经不再是可选项，而是决定竞争力的必修课，并且智能制造有三大驱动力，分别是AI+制造、绿色低碳、产业链安全。”

“十四五”期间制造业增加值增量预计达8万亿元，这个数字中不仅显示出先进制造加速壮大，更彰显了创新动能不断增长的力量。在智能制造的三大驱动力中，AI不仅能够直接促进制造业的业务增长，还可以对绿色低碳、产业链安全起到促进作用。

以工信部提出建设的500个智能制造示范工厂为例，这些工厂重点覆盖化工、汽车、医疗器械等关键行业。其中化学工业的重点在于绿色低碳与安全，倒逼行业加速智能化转型；装备制造业中汽车行业要让智能制造转型提速，实现体系升级；医疗器械行业则要完成高质量合规驱动智能化发展。从中可以看出，这三大行业的诉求表面上不同，但实质则指向同一个未来：让“人工智能+制造”成为企业可持续发展的新引擎。

国务院在《关于深入实施“人工智能+”行动的意见》中也提出，加快形成人机协同、跨界融合、共创分享的智能经济和智能社会新形态。但在政策持续向好，智能制造市场高速增长的条件下，在人工智能+制造的推进过程中，却存在不少难点。其中最大的难点在于要在这个领域让AI应用发挥作用，不仅要具备算法能力，以及包括边缘计算、云计算、数据平台在内的通用技术，更重要的是要具备丰厚的工业智识及经验，依靠行业专家经验，才能完成设计验证、仿真推演，解决制造企业内部的个性化需求。

从点到面式发展

在当前的智能制造浪潮中，谁能满足制造企业个性化需求，谁就将在细分市场中胜出。而针对这样的需求，赛美特完成了一次由点到面的蜕变。

由于半导体行业需要更多的智能应用，才能满足较高的业务需求，所以长期以来，半导体行业的数智化转型一直走在了制造业的前列。而赛美特公司的策略是深耕半导体行业，再将半导体领域积累的数智化经验复用于通用行业。

通过自主研发，赛美特公司确立了以自主研发产品为核心，涵盖MES、SPC、APS、YMS、WMS等系统解决方案。并且赛美特公司还将AI嵌入重点产品中，让自己的产品具备智能化能力。目前，赛美特公司已在APS（通过认知型、推理型 AI 优化排程）、YMS 良率分析等产品中嵌入了AI能力。

经历了一系列在制造业市场的攻城掠地之后，赛美特公司由点到面的策略取得了成功。赛美特公司不仅在半导体行业成功立足，还服务于化工、医疗器械、电池制造、光伏、装备制造、汽车零部件等领域的头部客户。

共创落地的威力

从信息化到数字化，再到现在的智能化转型，制造行业的一大遗留难点就是个性化需求。对此，赛美特公司祭出了一大法宝——场景需求多由客户提出，双方共创落地。智能制造的核心难点在于场景挖掘，而赛美特公司的法宝有效解决了这个问题：以甲方需求为导向，通过甲乙双方协同，赛美特公司依托技术与跨行业经验赋能共创。

以离散加工（如SMT）的工序联动质量管控环节举例，这一环节的痛点在于传统AOI检测，发现问题时已出现批量不良，且离散加工缺乏化工行业DCS那样的过程反馈系统，前后工序调整滞后。而赛美特公司给出的解决方案则是让AI实时监测各工序参数变化，提前识别潜在质量风险，快速定位问题工序并反馈调整，避免批量不良，提升良率。

再以大型铸件加工中的加工精度实时补偿为例，这一环节的痛点在于大型铸件（如风车部件）定制化程度高、加工周期长（数天）、成本高，加工过程中刀具磨损、材料性能变化、底座形变等易导致尺寸偏差，引发成品报废。而赛美特公司给出的解决方案则是通过坐标测量仪器获取实时数据，AI识别热变形、刀具磨损等导致的偏差后，实时调节加工程序，保障加工精度与成品质量。

制造行业数智化还有一大难题，就是虽然全可以归入制造行业，但其中的细分行业数智化需求却千差万别。

医疗器械行业的诉求是搭建合规体系电子化，但医疗器械制造企业却面临多数企业工艺文件、生产追溯记录及 DHR（设备历史记录）等仍以纸质、Excel或PDF形式存在，模板杂乱，数据难以电子化，无法满足FDA、cGMP等合规审查要求。对此，赛美特公司基于设定的DBL固定模板，通过AI推理模型对多版本历史数据进行翻译、归纳与结构化处理，实现从文件结构化到生产追溯记录，再到合规性EDHR生成的全电子化流程。

化工行业企业普遍面临配方调优与“黄金配方”挖掘的困扰，要实现“产量最高、质量最好、能耗最低”的“黄金三角”目标（如多晶硅生产中追求高致密料占比、低单位能耗）。但如果化工企业依赖历史经验公式或限定规则的仿真软件，难以突破经验边界挖掘最优解。赛美特公司整合DCS实时数据与人工/经验计算的影响因子，通过AI自主调用多种算法拟合曲线，推算最优参数，获取“黄金配方”。

通过一个行业，又一个行业的积累，赛美特公司借助AI技术，实实在在地帮助制造企业提升了智能制造能力与行业竞争力，而赛美特公司也在完成积累的同时，开启了全球化业务布局。

商务合作：

小希：15701060895 微信：ciotimes

媒体合作：

小欧: 13641177280 微信: 同手机号

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。