当AI走出互联网大厂的服务器机房，进入养猪场、机床车间、汽车工厂等最基础的生产环节，传统产业智能化的天花板到底有多高？日前于上海举行的华为全联接大会2026上，与会企业人士和专家表示，随着人工智能技术加速向实体经济渗透，传统产业智能化改造空间正在加快释放，但数据、人才等基础短板仍待补齐。
明亮整洁的全封闭猪舍里，智能巡检机器人沿轨道缓缓滑行，来回穿梭于猪舍上方，24小时不间断检测环境、群体、个体等数十项生长指标……记者在农牧养殖智慧化展台看到了这样的场景。在邻近的汽车智能制造展台，从零部件到整车制造全链条，人工智能技术都已深度渗透。
“养猪和造车，智能化的底层逻辑其实是一致的。”华为副总裁、制造与大企业军团CEO刘超向记者表示，“不同行业工艺和目标虽有差异，但场景背后的痛点逻辑和落地路径具有较强共通性。”基于多个标杆项目实践，相关单点验证能力正被沉淀为可跨行业复用的标准化方案。
在生猪养殖领域，年出栏约7000万头的牧原股份将设备参数、运维经验与算法结合，对饲料产线关键设备故障提前预警，以避免产线停机对生猪生长造成不可逆损伤。
“在汽车领域，我们与长安汽车联合开发的碰撞测试方案将同类工作周期从三周压缩至30分钟，准确率超过95%。”华为车厂本体架构军团（研发制造）总裁张颖慧告诉记者。
更多行业的样本正在涌现。通用技术集团机床有限公司总会计师张颖介绍，公司推动AI与机床深度融合，“十五五”期间按计划落地100个高价值场景，推动工业母机向自感知、自学习、自决策、自执行、自适应升级。安踏集团IT副总裁王宏星表示，安踏持续推进“AI 365”战略，自研四大垂域大模型和“小安”智能体平台，正以数字化及AI驱动迈向“世界的安踏”。
“从中长期趋势来看，传统产业智能化改造空间加快释放是大势所趋。”同济大学国家创新发展研究院研究员宫超认为，此前，大型企业持续推进产线的自动化，如今大模型、机器视觉、工业AI等技术门槛下降，以及一些典型应用场景日益成熟，加之政策端的支持，传统产业智能化改造会逐步加速。
同时，业界对“人工智能+制造”面临的现实挑战保持清醒。“传统产业利润率相对较低，效率提升带来的边际价值更为显著，但智能化改造的关键不在技术本身，而在企业自身的消化能力。”刘超表示，当前算力和模型供给能力总体跑在场景需求前面，企业数据基础、流程机制和人才结构成为主要制约。
宫超认为，目前传统产业智能化改造面临三大挑战：一是成本问题，制造业本身利润率比较低，智能化改造的前期投入高，收益难以量化；二是数据问题，大量工业数据掌握在不同的企业、机构手中，数据不共享，且数据标准、接口、格式不一致，很难进行提取使用；三是安全问题，工业系统对稳定性要求极高，尤其是能源等关键产业，更是对核心环节或核心业务的智能化改造慎之又慎。
值得注意的是，针对这些挑战，不少企业正在探索破局路径。以传统制造向先进制造转型最关键的产线换型环节为例。“传统制造普遍存在工控架构碎片化、设备协同能力弱、工艺迭代成本高、端侧智能缺失、核心装备依赖进口等结构性瓶颈，难以适配先进制造‘高精度、多批次、快迭代、高可靠、强自主’的现代化发展要求。”华龙讯达总经理龙小昂介绍，华龙讯达依托国产算力底座、工业鸿蒙分布式架构与自研全品类PLC集群体系，在华为全联接大会期间正式发布智枢具身智能柔性制造示范线，将先进制造产线换型周期压缩至分钟级。
业界专家表示，随着梯度培育政策深入推进、标准化方案增多和应用成本持续下降，人工智能与传统产业深度融合的空间有望进一步打开。技术红利正在向实体经济最基础的环节渗透，为制造业高质量发展培育新动能。
亿策略提示：文章来自网络，不代表本站观点。
