在山东,一些面向制造业的“AI能力中心”正在成为工厂改造的新选择。它不是某个企业自建算力平台,也不靠售卖算力盈利,而是面向产业链提供公共技术底座,让不同规模的工厂都能用上人工智能。

过去,想把AI装进产线并不轻松。企业可能要先采购硬件、组建算法团队,再训练专属模型,投入大、周期长。一旦产品或工艺发生变化,原有模型的精度还可能下降,需要继续投入。
能力中心首先解决的是算力问题。它把分散的需求集中起来,搭建可统一调度的弹性算力池。训练缺陷识别模型、进行复杂工艺仿真、处理大批量高清质检图像时,可以调用高性能资源;产线实时质检和设备状态监测,则使用低延迟的轻量算力,按任务需求分配。
工业AI不能只靠通用大模型。通用模型熟悉语言和互联网内容,却未必掌握某个产业的具体经验,比如怎样分辨零件表面的划痕与水印,或怎样识别化学反应中的泄漏前兆。因此,能力中心还要贴着本地产业集群的真实工况,开发垂直模型。

以浪潮云洲为例,公司已在德州、潍坊、临沂等地建设面向食品、机械装备、不锈钢等支柱产业的AI能力中心。食品工业更关注黄金批次优选、生产过程管控、供应链协同和肉制品高值分割;装备制造则侧重视觉检测、设备预测性维护、生产过程管控和数字孪生。
为了让一家工厂跑通的成果能被更多工厂使用,能力中心还会整理一套标准化工业AI工具箱。其中包括基础行业模型底座、多品牌设备协议转换组件、数据治理工具、模型评测模块、场景模板,以及安全与质控校验工具。工厂不必每次从零开始,可以根据自身工艺按需组合。
工业数据能否安全共享,也是企业最在意的问题。原料配方、关键工艺参数和良品率曲线,都可能关系核心竞争力。能力中心通过统一数据治理规则,让原始生产数据留在厂区内部,平台只提取建模所需的数据特征,在多方协同训练的同时避免直接接触彼此的原始数据。

这也为县域产业集群补上了智能化的一块拼图。大型企业可以依托中心探索前沿工艺和下一代智能方案,中小企业的工艺工程师也能调用现成组件,完成模型定制、测试与上线。AI由成本高昂的单点项目,逐步变成车间里能够按需迭代的常规技改选项。
OpenClaw—AI研究