AI进厂，从“外挂”走向“原生”

一年减少2400吨废钢，能省下多少钱？

2026年人工智能产业大会的“智能原生”圆桌对话上，联通数据智能有限公司数据科学基础研发部副总经理谢云龙讲起了一家重工企业的故事。

这家企业每年消耗十几万吨钢材，利用率却只有78%左右。大量钢材变成废料，每年造成数千万元损失。为了减少浪费，企业决定引入人工智能。

联通数智的技术人员与企业业务专家一道，将物料清单、生产线、订单等数据关联起来，建立智能底座。改造之后，钢材利用率得到提升。

换算成实物，就是每年减少2400吨废钢，带来千万元级经济效益。

“企业客户花钱，就要让人家看到真正的降本增效。”谢云龙说。

但降本增效，只是人工智能进入工厂的第一步。

这场圆桌讨论的主题是“智能原生”。与在既有业务上叠加AI工具不同，智能原生强调从设计之初就将人工智能融入业务架构、生产组织乃至商业模式，使其成为企业运行的一部分。

“如果没有AI，我们的业务还能不能跑得下去？”谢云龙抛出了一个判断标准。在他看来，企业不必推倒已有系统，更不必贪大求全。先找到能够产生效益的环节，再让人工智能理解业务、参与决策、嵌入流程，逐步形成业务闭环。

当AI从辅助工具走向生产流程，考验便不再只是单个环节的效率，而是能否融入整套生产系统。

这一问题，在山东港口青岛港的实践中有了更具体的体现。

青岛港自动化码头已连续13次刷新世界纪录。当自动化水平达到这样的高度，人工智能还能从哪里提高效率、突破上限？

在山东港口青岛港常务副总经理吴宇震看来，青岛港把突破口放在了集装箱配载上。

集装箱怎么装、装在哪里，不是简单的空间排列问题。配载涉及300多项约束要素，箱位安排还要与堆场运输、设备作业相衔接。

青岛港利用五年的历史数据训练智能体，让智能体参与配载优化。经过迭代，配载处理速度提升23%，部分核心作业指标提升10%。

目前，青岛港已从规划的80个人工智能应用场景中选取26个推进落地。

从配载优化到全要素调度，青岛港正在探索让AI从单点应用走向系统协同。但港口24小时运转，生产环节相互衔接，人工智能不仅要提高效率，还必须满足安全、稳定、可追溯的要求。

“港口积累了大量数据，但数据不等于高质量数据集。”吴宇震说，大风等极端工况发生频次较低，相应的数据样本不足。人工智能在常规条件下能够作出判断，遇到训练数据中少见的情况，又该如何决策？

为此，青岛港着手将生产流程和专家经验转化为知识库，开发全要素调度智能体，让积累在老专家头脑中的经验成为系统可以调用的知识。

这也触及智能原生的另一道门槛：当人工智能从提供建议走向参与决策，如何确保它的判断符合工业生产规律？

国家级人才、青岛科技大学教授王殿辉将问题指向了算法本身。

在他看来，工业人工智能不能只依赖数据训练，还必须将工艺知识、物理规律嵌入学习系统，使模型输出符合生产要求。

工业生产有其运行规律。人工智能即使能够从数据中寻找规律、生成方案，如果预测结果违背物理约束，就难以用于实际生产。如何让模型既具备学习能力，又符合物理规律，是工业人工智能应用需要解决的问题。

从谢云龙强调的业务价值，到吴宇震关注的系统协同，再到王殿辉提出的算法可信，三位嘉宾的讨论逐步深入，也勾勒出工业企业迈向智能原生的路径：先让AI在生产中创造价值，再让AI融入业务流程，最终使其具备参与生产决策的能力。

对企业而言，这意味着人工智能的应用不再止于安装几个智能工具、开发几个应用场景，还涉及生产流程、组织方式和技术底座的调整。

AI能做多少事，决定了它作为工具的价值；AI能在多大程度上融入生产流程、承担业务职能，则决定了企业距离“智能原生”还有多远。

（大众新闻记者 杨成 吕乐 王瑛琪）