在科學哲學家托馬斯?庫恩看來，“范式革命”指的是在某一學科或領域中，因新理論、方法或技術的出現，導致原有研究范式或實踐模式發生根本性變革的過程。如今，在制造業，從研發設計到生產制造，從供應鏈管理到產業鏈協同，AI技術的持續迭代和應用深化，正在重構制造業的底層邏輯，推動行業全價值鏈的“范式革命”。

與此同時，智能制造典型場景更是從產品研發、生產管理、生產作業等8個重點環節，凝練出40個典型場景，新增數字基礎設施建設、制造工程優化、智能經營決策等典型場景，突出AI在典型場景中的融合應用，加強對企業智能化升級的引領。

為了助力打造智能制造“升級版”，推動智能制造向更大范圍拓展、更深程度滲透、更高水平躍升。華為基于自身在AI領域的技術創新和應用實踐，以及服務行業數智化轉型的經驗積累，將持續深化與制造企業的合作，全面擁抱智能制造新時代。

在日前召開的華為AI+制造行業峰會2025上，華為以“三層五階八步”方法論為制造行業智能化加速提出實施路徑，并分享7大場景20個解決方案，基于自身實踐助力智能制造走深走實，推動技術革新成為業務高質量發展的核心驅動力。

AI重構制造業，華為用實踐給出啟示

我國擁有世界上最完整、規模最大的工業體系，廣闊的制造業領域以及巨大的轉型升級需求，為AI的發展提供了豐富的應用場景，這也使得制造業成為AI應用的主戰場。在過去十年間，我國制造業一直在積極推動AI的落地，加速向高端化、智能化、綠色化邁進。

對此，華為中國政企業務副總裁郭振興也表示，對于制造業來說，AI的應用不僅將大大促進行業的降本增效，也將推動行業加速邁向高端制造。與此同時，制造業借助AI技術還可以進行生產流程的優化、產品質量的提升和成本的控制，并探索新業態、新模式和新市場，給行業發展范式帶來深刻變化。

如今，AI正在重塑制造業釋放效率與創新的無限潛能。華為中國政企智能制造系統部解決方案銷售部部長馮睿也認為，制造行業的智能化將會從企業智能化和產品智能化兩個維度并行展開，在企業智能化層面，將從“制造”到“智造”賦能產業升級與價值鏈重構；在產品智能化層面，將從“功能”到“智能”重塑商業版圖和產品形態。

盡管AI推動行業數智化轉型的浪潮已經勢不可擋，但千行萬業要邁入數智世界仍存在巨大鴻溝。郭振興援引了一系列數據表示，目前，73%企業數據利用率<40%，80%企業因老舊系統成本增加30%，60%的企業在AI項目中存在技術與實際場景需求脫節，僅有25%的AI試點項目能規模化推廣，60%的中型企業因算力不足無法開展AI模型訓練。

面對這一鴻溝，華為已經用自身的實踐，為制造業數智化轉型總結出“三層五階八步”的方法論。即針對“重新定義智能業務、AI開發與交付、持續運營智能應用”三大層級，通過“場景、流程、組織、數據和IT”五大階段，按照“明確目標、場景識別、重塑流程、組織變革、數據和知識工程、AI建模與發布、AI融入業務應用、AI持續運營”八大步驟，推動AI落地應用，助力企業實現數智化轉型。

得益于長期的應用實踐積累和成熟方法論支撐，華為能夠深度理解制造業企業的核心業務流程，并精準把握其在不同發展階段可能面臨的挑戰。同時，華為基于自身實踐+領先的ICT技術，也打造出多個能力外溢的解決方案，從而幫助更多制造企業實現數智化轉型。正如馮睿所說，華為源于制造，更懂制造，當然也能更好地服務制造。

技術和應用雙輪驅動，激發AI飛輪效應

當前，雖然AI在制造業的應用正向著各個細分行業和各個關鍵環節不斷滲透和拓展，但AI技術在制造業的應用深度和廣度仍有待提升。尤其是AI在制造業的大規模推廣應用，仍受到多種因素的制約和影響，需要產業界各方共同努力解決。對此，郭振興表示，華為正在致力于從以下四個方面去提升企業部署AI，跨越數字鴻溝。

首先，基礎設施建設是發展AI的先決條件。在數智化時代，制造企業在基礎設施建設與實現效率提升間仍有較大差距，為此，企業的研產供銷服等各個團隊需基于基礎設施，圍繞數據的采傳存、算管用去構建技術支撐體系，并形成一套數據價值變現體系。“只有將技術支撐和數據價值兩大體系建設起來，才能打通AI應用的任督二脈。”郭振興強調。

其次，數據準備是一大難點。在制造業推動AI落地應用過程中，一個高質量的數據集對于優質模型的構建來說至關重要，為此，華為不僅可以在數據的采傳存、算管用為企業提供技術支撐，也在元數據清洗、結構性和非結構性數據整理等方面，為企業打造了一系列數據治理方法和數據清洗工具，以幫助制造企業更加高效地挖掘數據價值。

第三，場景的選擇和創新要選好切入點。郭振興表示，制造企業在AI應用上要選擇堅持“小切口，大縱深”，一厘米的切口要做出一公里的深度，只有這樣才能把AI的價值充分釋放出來。同時，企業還要選擇高頻、剛需且價值大的場景作為試點，先易后難，從而快速實現商業循環，增強企業落地AI的信心。

第四，制造企業要構建一個確定性的架構。為了助力制造業數智化轉型，華為推出“行業智能體”參考架構，從感知、聯接、基礎設施、大模型、應用等多個層面入手，為制造業提供全方位技術賦能；同時，華為秉承開源、開放的理念，也在更多細分行業攜手合作伙伴，共同打造更多面向不同業務場景的解決方案。

華為不僅可以為制造業提供“智能聯接、智能存儲、智能算力、智能平臺”端到端的全棧新型基礎設施，也在與合作伙伴一道探索行業場景，聯合打造研發工具鏈、智能駕駛開發平臺、工程設計仿真、智慧工廠等行業解決方案，共同推動央企重工、車輛裝備、半導體電子、新能源等近十個制造細分行業加快數字化轉型與智能化升級。郭振興強調，只有切實幫助制造企業實現商業變現和價值閉環，才能充分激發AI的飛輪效應，實現良性的發展循環，真正跨越數智鴻溝。

持續點亮行業燈塔，讓AI之光照亮數智未來

馮睿表示，華為與伙伴和客戶攜手，共同打造出重慶長安智慧工廠、賽力斯智慧園區、廣汽研究院數字化研發平臺、徐工集團全光工廠等行業解決方案樣板點，持續點亮行業燈塔，引領更多制造企業邁向數智化轉型。

廣汽研究院通過與華為合作，借助IPD流程重構、iDME數據治理、大模型與AI技術，已經構建起“流程-數據-智能”三位一體的數字化轉型框架，推動研發體系從傳統模式向“數字原生+AI驅動”躍遷，實現研發周期縮短18個月，單車型開發成本降低25%，軟件迭代速度提升10倍等一系列突破，成為傳統車企轉型標準范式。

科沃斯集團借鑒華為研發變革的經驗，已經構建起IPD管理體系，重塑結構化研發流程，實現研發質量與生產質量的協同管理，大幅降低研發制造成本。在AI應用上，科沃斯基于華為盤古大模型，正在對廚師機器人進行高檔餐廳的外觀、材質、風味等維度訓練，從而為顧客提供更加便捷的就餐服務。

美的集團基于華為昇騰算力底座，通過融合大模型應用和AI智能體開發，已經完成12個大模型在昇騰上的遷移適配。借助AI與全業務場景的融合，美的集團的生產效率、產品和服務都實現了全面升級，可以為全球客戶、員工、坐席等提供高質量、高體驗智能服務。

柳州醫藥借助華為天籌求解器，建立供應領域數學模型、自動求解算法，已經形成最優揀貨、調度、排線、采購、運輸策略。比如，通過AI線路規劃+裝載規劃算法，配送效率預估提升15%；通過3D建模可視化倉庫分區，倉內揀貨效率預估提升18%。目前，柳藥集團路徑規劃時間已經從3小時縮短至30分鐘，年度供應鏈綜合成本降低3%。

當前，我國AI的發展已經進入新階段，并正在打開新質生產力新的發展空間。對于制造業來說，DeepSeek等AI技術正從效率提升、成本管控到模式創新，持續推動傳統制造業數智化轉型，全方位重塑制造業競爭力，為制造業高質量發展帶來新機遇。隨著AI技術的不斷成熟與應用場景持續拓展，華為也將繼續發揮自身技術優勢和行業經驗積累，穩步推進AI與制造業的深度融合，加速制造業數智化轉型，并讓AI在推動制造業向智能化、高端化、綠色化發展方面發揮更大的作用。