在科技浪潮奔涌向前、AI實際應用深處的當下，我們正站在一個時代的浪尖。制造業，這一國民經濟的堅實基石，在全球經濟格局重塑與技術飛速迭代的雙重驅動下，迎來了前所未有的轉型契機。華為，作為這場數智變革的積極探索者與實踐者，不僅實現了自身的跨越式發展，更以前瞻視野擁抱時代新挑戰。

正是在這樣的背景下，

我們匯聚羊城，共同矚目——華為AI+制造行業峰會2025

在這里，智能制造的脈搏強勁跳動，前沿科技與產業實踐深度交融，共同擘畫制造業數智未來的宏偉藍圖。

AI+汽車研發的引擎轟鳴

華為與廣汽的深度合作，成功融合流程、數據與智能技術，為傳統汽車研發注入全新活力，構建起一個“數字原生+AI驅動”的高效智能化研發體系，顯著提升了研發效率、質量，并推動商業模式的升級。

華為憑借其ICT技術優勢，與在汽車領域經驗深厚的廣汽深度合作，構建了一個包含流程、數據、智能的立體化框架，重塑了汽車研發模式。

IPD流程重塑——打造研發“骨架”： 合作重新設計了IPD流程，使其更標準化、敏捷化，通過跨部門協同打破壁壘。例如，AION車型量產周期因此縮短了6個月。虛擬驗證覆蓋80%碰撞測試，物理試驗成本降低40%。模塊化設計使70%零部件可復用，開發成本降低35%。這些優化為高效研發奠定了基礎。

大模型與AI——激活智能“神經中樞”： 華為盤古大模型和AI技術為研發注入智能。在產品設計中，生成式設計通過盤古大模型優化車身曲面，風阻系數優化至0.197，比傳統方式提升20%，開發周期縮短3個月。在自動駕駛研發領域，合成數據引擎每日生成100萬公里極端場景數據，長尾場景覆蓋率達99.9%；自動化標注效率提升50倍，L4泊車算法迭代壓縮至2周。AI顯著加速了復雜技術研發。

華為助力廣汽實現了研發范式、組織能力、商業模式的“三重躍遷”，研發周期縮短18個月，單車型成本降25%，軟件迭代提速10倍。此模式成為傳統車企轉型的標準范式。

華為如何從自身煉就“更懂制造”的轉型密碼

“源于制造，更懂制造，服務制造”是華為在智能制造領域的核心優勢所在，華為的業務遍布全球170多個國家和地區，產品線橫跨通信設備、消費者終端、云計算、汽車部件等To B和To C領域，每年服務著海量的客戶。管理如此龐大、復雜的全球化研發、生產、供應、銷售體系，其自身的運營和管理挑戰是極其巨大的。

正是這種親身經歷的“痛”與“變”，讓華為對制造業的挑戰和需求有著最深刻的理解。他們不是從理論出發去幫助別人，而是將自己在數字化、智能化轉型過程中趟出的路、積累的經驗、構建的能力，轉化為服務外部的能力。這句話的深層含義可以從以下幾個層面解讀：

源于制造——基因決定視角： 華為的創立和發展史，就是一部制造業的奮斗史。從早期的通信設備制造，到如今涵蓋多元硬科技產品，華為積累了與所有制造企業類似的對產品研發、生產流程、供應鏈協同、質量控制等核心環節的深刻認知和工程實踐經驗。

更懂制造——實踐淬煉能力： “更懂制造”意味著知道流程，更是知道如何在復雜的制造場景下，利用數字化和智能化技術解決實際問題。自啟動數字化轉型，到將智能化升級戰略全面引入研、產、供、銷、服等各個環節，華為將數據和大模型深度融入作業模式，重構了內部運營體系。

在研發領域，華為將海量技術文檔和研發數據匯聚到統一平臺，利用AI助手進行智能分析和賦能。這使得軟件版本開發周期大大提升，效率提升是革命性的；在生產領域，華為整合市場訂單、研發BOM、倉儲物流、產線設備等各類數據，通過數據平臺進行高效處理。在問題診斷環節，利用AI大模型和知識圖譜，實現生產異常的秒級預警和分鐘級響應，使得現場問題診斷效率極大提升。最終使得產線提質降本增效。

因此，“源于制造，更懂制造，服務制造”是華為對其自身獨特優勢的準確概括，轉化為能夠切實幫助其他制造企業解決問題、實現智能升級的寶貴財富。

華為如何為百業智造“量體裁衣”

華為的智能制造解決方案并非一套通用模板，而是能夠深入到31大類制造企業的細分行業腹地，聯合伙伴，將通用技術與行業Know-how結合，打造定制化方案，并在機器人、電子家電、醫藥等多個領域取得了顯著的應用成效。

中國制造業門類眾多，不同行業的生產流程、產品特點、管理模式差異巨大。要服務好這樣一個龐大的體系，需要極強的行業穿透力和場景適配能力。華為中國政企智能制造系統部明確提出要服務于全國31大類的制造企業，這本身就體現了其廣泛覆蓋的戰略目標。除了前文提到的汽車領域合作，華為的智能制造能力正在更多細分行業落地生根，通過將自身ICT優勢與行業伙伴的專業積累相結合，解決各行業的具體痛點。以下是幾個不同行業的實踐縮影：

機器人行業：助力科沃斯提升研發與創新效率： 隨著技術發展，機器人行業競爭日趨激烈，技術門檻相對降低，頭部企業也面臨轉型壓力。科沃斯作為機器人領域的領軍企業，將產品和技術多元化作為未來戰略。華為基于自身豐富的研發變革經驗，幫助科沃斯建立了IPD管理體系，重塑了結構化的研發流程，實現了研發質量與生產質量的協同管理，有效節約了研發制造成本。更進一步，在人工智能創新層面，科沃斯基于華為盤古大模型，對其新產品——廚師機器人進行了針對高檔餐廳菜品外觀、材質、風味等維度的訓練。這意味著通過大模型的賦能，機器人不再是簡單執行預設程序，而是具備了更復雜的認知和執行能力，有望在餐飲等服務業帶來新的智能化應用，開啟商業服務機器人的新篇章。

電子家電行業：美的全業務AI融合，提升綜合競爭力： 電子家電是另一個競爭激烈的行業。美的集團積極擁抱智能化，利用華為昇騰算力底座，融合大模型應用，并開發AI智能體。美的成功將12個大模型遷移適配到昇騰平臺上，將其應用深入到全業務場景。

這種全面的AI融合，不僅助力美的提升了生產效率、優化了產品和服務，更重要的是為全球客戶、內部員工、客服坐席等提供了高質量、高體驗的智能服務。例如，在生產端實現更精準的預測性維護和質量控制；在研發端加速產品設計和驗證；在銷售和服務端提供更智能的推薦和更高效的客戶支持。華為的算力底座為美的提供了強大的AI引擎，支撐其構建覆蓋研、產、供、銷、服全價值鏈的智能化能力。

這些案例只是華為在智能制造眾多細分行業實踐的冰山一角。它們共同展示了華為如何通過“深耕行業場景”，與具有行業專長的伙伴“并肩攜手”，將華為在底層技術和通用平臺上的優勢，轉化為解決各行業具體問題、提升核心競爭力的落地解決方案。這種深入細分、聯合創新的策略，是華為能夠廣泛服務于制造企業的關鍵。

華為中國政企智能制造解決方案部部長 馮睿

華為解碼未來智造的四大“驅動核”

面對人工智能這場通用科技革命，制造企業的數智化轉型本質是服務于戰略，核心在于構建高質量的競爭力。企業應圍繞“應用、數據、算法、算力”四大要素系統化推進，將AI視為新型生產要素，實現生產力的全面重塑和智能化場景的不斷解鎖。

華為中國政企業務副總裁郭振興指出，未來制造行業的智能化將沿著兩個維度并行展開：一是企業智能化，重點在于賦能產業升級和價值鏈重構，實現從“制造”到“智造”的轉變；二是產品智能化。

為了有效應對這場變革，專家提出了構建企業人工智能核心能力的“四位一體”系統化框架：

應用是龍頭：業務驅動，樹立標桿。 智能化的最終價值體現在業務應用上。企業首先要圍繞自身的關鍵績效指標（KPI），識別并打造能夠帶來實際業務收益的智能化標桿案例，形成示范效應。

數據是核心：高質量是關鍵“養料”。 數據是AI的基石，“數據質量決定模型高度”。企業需要加速數據的積累，尤其要重視構建企業自身的知識庫，對數據進行高質量的治理和管理，為訓練和應用業務模型提供準確、可靠的輸入。

算法是引擎：釋放數據價值，持續迭代。 算法，即AI模型，是驅動數據產生價值的引擎。企業需要構建或引入專屬的企業模型，讓沉淀下來的企業數據“活”起來，解決特定的業務問題。

算力是基礎：“機器可以等人，人不能等機器”。 強大的算力基礎設施是支撐AI應用和算法運行的基礎。一句形象的話概括了算力的重要性：“機器可以等人，人不能等機器”。這意味著算力必須是充足的、易獲得的、響應迅速的，不能讓業務創新和應用落地因為算力瓶頸而受阻。

AI如何重塑產業格局與競爭“核心認知”

隨著AI技術的加速突破和向通用人工智能（AGI）邁進，未來3-5年，AI將以前所未有的深度和廣度重構制造業的底層邏輯，在產品設計、供應鏈、智能生產系統、乃至企業認知層面引發顛覆性變革，最終競爭將聚焦于構建AI驅動的“制造操作系統”。

通過這次峰會，華為不僅展示了其自身在智能制造領域的探索成果和技術實力，更重要的是傳遞出了一種理念：制造業的智能化轉型是系統工程，需要從實際業務出發，構建堅實的技術底座，讓智能真正賦能一線，并需要產業鏈上下游的通力協作。華為正以其獨特的視角和能力，努力成為這場轉型中的重要賦能者和可信賴的合作伙伴。華為聯合伙伴深入7大場景孵化出20個解決方案，在制造行業落地眾多成功實踐，正是其方法論和能力落地的生動體現。

總的來說，它不是空談理論，而是基于實踐、注重落地、面向未來，我們有理由相信，隨著AI技術的不斷演進和與實體經濟的深度融合，中國制造業將迎來更加智能化、高效化、高質量發展的未來。華為的“三層五階八步”方法論，以及其所構建的技術底座和生態體系，無疑將在這場深刻變革中扮演越來越重要的角色。