从数据积累到知识沉淀，从单点应用到流程协同，制造业AI正在进入更深层次的落地阶段。AI不仅要“能回答”，更要真正融入生产流程，连接业务系统，将沉淀于一线的经验转化为可复用的流程能力。
10月23日，“问学极客行”专场季之制造业专场在合肥举办。本次活动汇聚制造业企业代表与行业专家，围绕半导体（881121）微显示、制造流程智能化、数字员工及企业AI办公等议题，共同探讨AI从单点验证走向规模化应用的实践路径。
本次活动由神州问学主办，信息侠、徽联智汇协办，洽洽食品（002557）股份有限公司数字化中心负责人左丛林担任活动主持。
场景之解：
聚焦一线实践，让AI真正走进业务
安徽熙泰智能科技首席数据官姜宇带来了《半导体（881121）微显示行AI应用实践》主题分享，介绍企业以“灵熙”行业模型为核心，将AI应用于质量检测、设备运维等场景的探索。其中，缺陷分类Agent识别准确率超过95%，人工成本降低40%以上。实践表明，AI不仅能够提升单点作业效率，还能将行业经验融入实际生产环节。
神州数码（000034）AIBG产研中心AI产品总监杜松以《神州问学驱动制造业由点-线-面的智能化跃迁》为题，分享制造业AI从单点应用走向流程协同的演进路径。他指出，企业应优先从高频、高价值场景切入，验证应用价值，再逐步连接智能体、人员与业务系统，推动AI从解决单项任务走向多环节协同。神州问学通过模型服务、知识治理、工作流智能与场景应用等能力，为企业构建AI原生流程提供支撑。
神州数码（000034）AIBG行业BU AI解决方案总监宁波作为制造业FDE骨干人员围绕《从单点验证到生产力变革》展开分享。他指出，传统数字化系统能够记录生产过程、发现异常，但问题分析与后续执行仍需要进一步打通。企业需要在现有数字化基础上构建数字员工，让AI不仅能够发现问题，还能结合业务知识参与分析与任务执行，推动生产流程持续优化。
神州数码（000034）AIBG公有云BU高级架构师李丁迪则分享了《企业AI办公的新解法》，介绍神州问学与Amazon Quick的协同应用思路。通过连接企业业务系统与知识资源，AI可以协助员工完成信息查询、跨系统协作及办公内容生成，降低日常工作中的信息处理成本，让AI从问答助手进一步走向任务执行。
落地之辩：
从数据治理到行业模型，共议AI规模化应用
在圆桌交流环节，航嘉电子IT总监惠森、志邦家居（603801）AI总监李兴东、神州数码（000034）AIBG产研中心AI产品总监杜松、神州数码（000034）AIBG行业BU AI解决方案总监宁波，围绕AI如何融入现有数字化体系、行业模型如何真正服务业务等议题展开讨论。
数据是基础，治理是前提。惠森指出，企业拥有数据并不意味着数据能够被AI有效使用，数据标准、系统间口径差异与访问权限等问题，都可能影响应用效果。李兴东也强调，企业需要关注数据质量、知识准确性与时效性，优先评估通用模型结合企业知识能否解决实际问题，再根据业务需求决定是否投入行业模型建设。
不必推翻现有系统，关键是打通业务流程。杜松认为，可以在既有MES、ERP 等系统之上构建AI能力层，通过数据语义化与知识结构化，让AI更好地理解和利用企业信息。宁波则强调，生产环境中的智能体必须具备明确的安全边界，并通过统一的治理机制保障应用可控。
技术路线应由业务价值决定。与会嘉宾认为，行业模型并非制造业AI落地的必选起点。企业可以先通过通用模型、知识库与业务语义体系解决具体问题，再结合高价值场景和投入产出情况，判断是否需要进一步训练或部署专用模型。AI应用最终要回到业务本身：能否完成实际任务、融入现有流程，并形成可衡量的价值。
走向流程协同：
让数据、算法与人共同驱动制造业智能化
从半导体（881121）微显示的质量检测与设备运维，到制造业流程协同，再到企业办公场景的探索，本次合肥专场呈现了AI深入制造业真实业务的多种可能。
现场交流也形成了一个共识：制造业AI的落地，不只是模型与工具的引入，更需要数据治理、知识沉淀、业务流程和组织机制的协同。只有让AI能力与既有系统、岗位职责和业务规则有效衔接，才能将局部效率提升转化为持续的生产力。
未来，神州问学将继续以神州数码（000034）AI for Process为指引，携手行业伙伴深入真实业务场景，推动AI从单点应用走向流程协同，将行业经验沉淀为可复用、可迭代、可规模化的流程能力，助力制造企业持续推进智能化转型。
“问学极客行”是神州问学面向重点行业推出的技术沙龙系列活动。继上海制造业专场后，合肥专场进一步聚焦AI与制造业深度融合的实践命题，与行业伙伴共同探索AI原生流程的落地路径。下一站继续落地合肥，聚焦AI与汽车行业深度融合的产业命题。
