QQ群
当前，AI已成为推动全球经济增长的重要引擎，制造业也正加速迈入新一轮变革阶段，由传统自动化工厂逐步转向“具备学习能力的工厂”。但要让技术真正赋能实体经济，仍需跨越多重门槛：从试点验证走向规模落地，从单纯提升效率迈向系统性重构，从工具替代升级为人机协同。如何在真实工厂场景中让AI持续创造可量化的价值，已成为全球制造业共同关注的关键问题。
我们不应只把人工智能拿来与现有技术作比较，更重要的是为它找到恰当的定位。若将 AI 视为提升人类生产力的工具，合理设定预期并持续投入，我们很快就能在效率、灵活性与系统韧性之间实现更好的平衡。
——工业富联首席数据官兼科技服务事业群总经理刘宗长
刘宗长先生围绕学习型工厂的关键能力、灯塔工厂的实践经验、AI的大规模应用落地以及未来产业发展机遇等主题，分享了工业富联的观察与思考：
可以改写为：
01“善于学习的工厂”，最核心的能力是什么？
如果你想要，我也可以继续帮你改成更正式、营销感更强，或更口语化的版本。
要真正将传统自动化工厂与“具备学习能力的工厂”区分开来，核心就在于三项关键特征：
第一，从“固化AI”走向“进化AI”。传统自动化工厂依赖预先编写的程序，只能机械地重复既定任务；而学习型工厂则具备感知、认知和自主协同能力，能够迅速适应新的任务需求。它获取新能力的方式也不再依赖反复重新编程，而是可以通过自然语言进行实现。随着数据规模持续扩大，AI将逐步更深入地融入各类应用，为工厂运营带来前所未有的灵活性。
第二，从“被动响应”转向“主动预见”。传统工厂往往是在问题出现后才进行修复，而学习型工厂则能够提前识别偏差、主动介入并持续优化，从而始终保持最佳运行状态。
第三，劳动力转型应从“替代”转向“赋能”。传统工厂通常借助自动化设备替代人工，而在学习型工厂中，AI更像是一种增强工具，能够赋能人类，提升并放大其生产效率和判断能力。例如，一名操作员可以同时管理多个智能体或人形机器人，从而显著提升整体产能。
02 灯塔工厂有哪些值得借鉴的最佳实践？
灯塔工厂不仅是数字化转型的标志性成果，更是迈向学习型工厂的重要里程碑。工业富联目前已建成9座内部灯塔工厂，助力打造13座产业灯塔工厂，并逐步构建起从数据互联、AI赋能到自主运营的能力升级路径。
2019年，工业富联率先建设首批灯塔工厂，着力打通设备、产线与工厂之间的数据联接，夯实数字化运营基础。
2021年，在推进自动化部署的同时，开始大规模引入 AI 预测性维护与机器视觉检测技术，并在手机机构件制造等关键业务场景中实现规模化应用，推动制造体系由自动化向智能化升级。
2024年，在服务器灯塔工厂建设过程中，围绕高品种、低产量生产模式下的物流协同、物料排程和工程设计等挑战，进一步引入AI，以提升运营效率和准时交付能力。
自2025年以来，伴随全球化布局不断深化，围绕供应链韧性、跨区域协同和人才能力建设等重点议题，已在越南等海外灯塔工厂引入供应链控制塔、主动调度体系及大语言模型应用，推动全球制造体系加速迈向自主运营。
每一座灯塔工厂，都是工业富联转型升级道路上的关键节点。它不仅印证了新技术、新模式的商业价值，也沉淀出可复制、可推广的方法论与能力体系。灯塔工厂不仅代表先进制造的标杆，更是推动企业持续创新、业务增长，并迈向学习型工厂的重要动力。
可以改写为：
1. 03 如何突破试点孤岛，推动系统性规模化？
2. 03 如何打破试点壁垒，实现系统化扩展？
3. 03 如何摆脱试点孤岛，走向系统性规模复制？
4. 03 如何从试点走向全局，实现规模化落地？
5. 03 如何破除试点局限，推进系统性规模推广？
如果你希望更偏正式、标题化或更有传播感，我也可以继续帮你再改一版。
不少企业都容易陷入“局部试点成功、却难以在全公司推广”的困境。以往的经验表明，真正能够在组织层面实现全面规模化落地的企业，通常具备三个关键因素：
首先，要坚持以业务为导向，而不是以技术为导向。每座灯塔工厂背后都应有一个清晰的“变革故事”，围绕核心业务难题和竞争力提升展开，并将明确的运营与财务KPI与数字化解决方案相匹配，从而实现更优的财务回报和更具实用价值的创新。
其次，应高度重视系统化框架和底层平台的建设。在数据治理与 IT 架构方面保持持续投入，尽管短期内可能难以直接体现成效，但这将为后续的大规模推广与落地打下坚实基础。
最后，要持续加强组织能力建设。再强大的 AI 工具，最终仍离不开人的洞察来发现创新机会。因此，必须不断提升员工技能，营造敏捷、鼓励学习的工作氛围，推动人才与技术协同进化。
可以改写为：
04 如何有效运用人工智能，抢占实体经济中的发展机遇？
面对 AI，首先要建立恰当的预期。如今，人们常常把人形机器人或智能体 AI 与现有自动化系统相比较：和自动化机器相比，它们效率未必更高；和人类工人相比，它们又显得不够灵活。但如果一直停留在这种对比框架里，就很可能错过未来的机会。
事实上，AI并非简单的自动化设备，也不是用来取代人类，而是提升生产力的有力工具。未来，员工或许可以同时协同管理多个智能体或人形机器人，从而显著提高工作效率。与此同时，AI还能把人的知识与经验转化为可沉淀、可复用的数字资产，甚至推动全新的商业模式诞生。
因此，行业应重点关注大型语言模型和 VLA 模型的发展。只要保持合理预期、持续投入，并找到最适合 AI 的应用场景，就有望在效率、灵活性和系统韧性之间实现更理想的平衡。
“会学习的工厂”并不是遥不可及的乌托邦，而是我们应对高波动、高复杂性挑战的必然路径。未来的工厂将不再只是物理空间中的生产单元，而会进化为具备“工厂大脑”的数字生命体：它借助数字孪生在虚拟世界中提前推演未来，依托 AI Agent在现实世界中自主执行，并在人机协同的闭环中持续迭代升级。从设备互联，到 AI 赋能，再到自主决策与执行，工业富联正携手全球灯塔网络，把这一愿景转化为可复制、可落地的产业实践。
