在制造业转型升级持续推进的背景下，“人工智能+制造”正从概念走向车间一线，成为重塑生产组织方式、提升质量效率的关键抓手。
近日，在参加湖南省“人工智能+”重点领域推进会后，中联重科中科云谷总经理曾光接受采访时提出，制造业引入人工智能，不仅意味着单点设备自动化水平提升，更重要的是带来系统层面的敏捷化、柔性化与智能化升级，进而形成可持续的新增长动能。
问题：传统智能制造“强自动化、弱柔性”的瓶颈仍待突破。
曾光指出，过去一段时期，许多智能制造实践更多聚焦固定流程、固定节拍和规模化产出，在单一品种、大批量的场景中成效明显，但面对订单波动、产品迭代加快和多品种并行生产，产线切换成本、排产复杂度以及质量一致性控制等问题随之凸显。
对于工程机械等制造链条长、工序复杂、产品型号多的行业而言，如何在保持效率的同时兼顾灵活性，成为制造升级的现实课题。
原因：外部环境与产业逻辑变化叠加，推动制造体系向“可重构、可自适应”演进。
一方面，市场需求日益个性化、交付周期被压缩，企业需要以更短的响应时间完成配置变化与产能调整；另一方面，国际竞争加剧倒逼企业在成本、质量、交付与服务等维度形成综合优势。
同时，传感、算力、算法与工业网络等基础条件不断成熟，使得以数据驱动的生产决策、以模型支撑的优化控制成为可能。
曾光认为，制造业与人工智能深度融合的核心，在于让工厂具备“自感知、自决策、自执行”的能力，实现从“经验驱动”向“数据与模型驱动”的跃升。
影响：从产线切换到经营决策，人工智能带来全链条重塑。
以中联重科获评“国家级领航工厂”的挖掘机共享制造智能工厂为例，生产线可实现混合生产100多种不同型号产品，短时间内完成型号切换，体现出柔性生产对订单变化的快速适配能力。
相关能力的提升不仅意味着单位时间产出提高，更意味着库存、在制品占用和交付风险下降，有助于企业在复杂市场中保持韧性。
更重要的是，人工智能的引入使生产控制、质量追溯、设备运维与供应链协同形成闭环，进而推动制造模式从“单点优化”转向“系统最优”。
对策：以数据底座为牵引，构建“平台+模型+场景”的融合路径。
曾光表示，人工智能技术演进可分为基于固定算法的传统应用与具备持续学习能力的更高阶段能力。
当前，企业在加快搭建人工智能工业互联网平台，汇聚设备、运行与管理等数据，为经营决策优化和设备能力提升提供支撑。
同时，通过在典型场景中持续验证与迭代，把智能能力沉入工序与岗位，形成可复制、可推广的应用体系。
业内人士认为，推动“人工智能+制造”落地，需要企业在数据标准、系统集成、工艺知识沉淀和人才组织协同上同步发力：既要打通“信息孤岛”，也要将行业机理与现场经验转化为可计算、可训练、可执行的规则与模型，并以安全、可靠、可控为前提稳步推进。
前景：未来10至20年，深度融合将催生变革性生产力，竞争格局或将加速重排。
曾光判断，新一代人工智能正从语言、多模态等方向延伸到车间与产线，向更贴近物理世界的应用拓展，制造业将迎来以效率跃升、组织重构和能力升级为特征的新一轮变革。
可以预见，率先完成数据资产沉淀、形成模型化生产能力并建立规模化应用体系的企业，将在交付效率、质量稳定性与成本控制上形成更强竞争优势。
相反，若缺乏战略投入与组织变革支撑，技术红利可能难以转化为经营成效，甚至在国际竞争中失去主动。
人工智能赋能制造业的过程，本质上是一场生产力的深刻革命。
中联重科的实践表明，当企业能够将先进的人工智能技术与深厚的制造业经验相结合时，就能够突破传统生产模式的束缚，实现从效率驱动向创新驱动的转变。
在新质生产力的时代背景下，谁能更好地掌握和应用人工智能技术，谁就能在激烈的市场竞争中占据主动。
这对我国制造业的转型升级具有重要的示范意义，也为更多传统产业的智能化改造指明了方向。