近日，工信部人工智能标准化技术委员会(MIIT/TC1)人工智能标准行暨工作组成立会在山东济南成功举办。本次大会邀请产学研各界专家学者，围绕“人工智能+制造”作系列专题报告。为系统传播大会成果、汇聚产业共识，我们推出“AI+制造”专家谈系列，将专家在会上的报告整理刊发。
本期聚焦中国科学院工业人工智能研究所刘意杨研究员的专题报告《人工智能赋能工业提质增效》——报告从质量检测、智能装配到柔性生产，系统梳理了AI赋能工业提质增效的全链条落地路径。当产线不再依赖人工巡检、换型周期由“月级”压缩至“天级”、融合孪生仿真的装配精度达±0.2毫米，这些已不再是远景预言，而是跑通的工程现实。
一、从“执行指令”到“自主决策”：
自动化的范式跃迁
刘意杨研究员开篇即指出，人工智能正在推动自动化技术发生根本性变革：自动化的核心，正从“由人离线调整模式”升级为“由系统自主在线完成”。
传统自动化与“自主智能自动化”的本质差异，体现在四个维度：
(1)决策与执行：前者执行预设流程、依赖外部指令；后者自主完成“感知—认知—决策—执行”的闭环。
(2)环境适应性：前者是固定程序，难以应对变化；后者通过机器学习自适应环境与任务。
(3)人机关系：从“人监控机器”走向“人机协同，机器成为智能伙伴”。
(4)体系结构：从层级控制、信息孤岛，走向多智能体协同、系统级优化。
埃森哲在2025年的研究中预测，到2040年将迎来“全自主的超级自动化工厂”——工厂大脑自主识别和理解产品设计与生产任务变化，数字孪生在决策执行前完成模拟，具身智能的
机器人及其它生产设备自适应完成任务。
政策层面，这一趋势已有清晰导向：国家“十五五”规划建议明确提出坚持智能化、绿色化、融合化方向；2025年8月国务院印发《关于深入实施“人工智能+”行动的意见》，要求推动工业全要素智能联动；2026 年1月工信部等八部门联合印发《“人工智能+制造”专项行动实施意见》，提出全方位、深层次、高水平赋能新型工业化。
二、让“看不见的缺陷”无所遁形：
AI 视觉检测的硬突破
在“工业智能检测”部分，刘意杨研究员聚焦一个长期痛点：高反光、镜面类表面的缺陷检测。这类表面镜面反射区域小，传统3D结构光相机难以获取表面形貌；而人工检测效率低、稳定性差，工艺缺陷还难以追根溯源。
团队的解法是“融合AI的视觉检测方法”——以机器视觉为基础，搭载深度学习、多传感器融合与实时推理算法。其中，偏折成像算法(Phase Measuring Deflectometry)通过测量反射光的相位变化来计算表面形状与高度分布，重建精度优于200纳米，帧率高于25fps，单次成像小于1秒。
更关键的是“融合AI的计算偏折成像”：建立高反光表面的各种缺陷立体形貌与缺陷图像的显示数学映射关系，通过随机生成各种缺陷形貌，生成大量缺陷数据，再通过模型蒸馏把“多次投采”压缩为“少次投采”。
落地成效颇具说服力。在吉利涂装产线漆面缺陷检测及抛磨修复系统中：缺陷检出率超过98.3%，单台车检测耗时小于60秒，最小可检缺陷 0.15毫米，误检率低于5%；涂装线人数减少50%，缺陷流出率降低10倍，累计检测已超12万辆——该系统自2023年第二季度在吉利主机厂涂装车间上线。
三、会“思考”的机器人：
具身智能与数字孪生
“具身智能”是本次分享的重要部分。刘意杨研究员梳理了其系统构成：感知、记忆、决策、行动四大模块，其中感知、记忆、决策由“大脑”负责，行动由“小脑”负责。以大模型为代表的生成式AI，正赋予机器人更强的迁移泛化、感知认知与决策规划能力。
一个典型场景是高精度、高柔性的汽车门盖自动装配——门盖安装精度直接影响整车美观，衡量指标是车门与车框之间的间隙和面差，误差需小于0.3毫米。难点在于：铰链拧紧会造成车门形变，装配策略必须考虑这一物理过程。
团队的路径是“融合物理过程建模的装调工艺控制策略学习”：用物理信息网络建模铰链拧紧的弹性形变，提前预测拧紧后的形变，再以物理引导的域随机生成各种装配误差的工况，从数字孪生生成大量“数字表亲”并行训练，实现虚实迁移(Sim2Real)。基于强化学习的装调控制策略，无需标注训练数据，且能良好适配变化车型与工件。
蔚来ES8后盖装调的案例给出了硬指标：精度±0.2毫米、节拍10秒；装调一次成功率90%@0.2毫米，高于行业平均水平；适配新车型、新工艺时，柔性适配效率从2小时/次提升到15分钟/次。
四、天级换产：
柔性生产的系统工程革命
在“柔性生产新模式”部分，刘意杨研究员把视野拉到生产系统层面。高端装备更新迭代不断加快，对生产系统的敏捷响应与柔性适应能力提出新要求——美国已布局2031年“1小时柔性换产”目标；智能弹药等装备种类近年平均年增长30%以上。
破局的思路，是形成“工艺规划创成化、产线调度智能化、生产管控自主化”的AI驱动柔性生产新范式。对比鲜明：当前针对既有产品模型的生产系统，工艺规划、控制程序编程靠人工离线调整以“月级”计；而未来AI驱动的新范式从模型确定开始，实现工艺和控制程序的自动生成与仿真验证，研发周期缩短80%，换产自主调整周期缩短90%，达到“天级”。
支撑这一范式的是“自主智能自动化装配系统的创成设计工具链”：从产品结构特征自动识别、可装配性评价，到产线作业流程自动规划、装配过程孪生仿真、控制代码自动生成，可缩短新产品制造响应周期50%以上，替代50%以上的工艺设计师与产线电气工程师。
这些探索已获得行业高度认可：“面向批量定制的自适应可重构柔性控制系统”入选“2023 中国智能制造十大科技进展”，“弱刚性大型航天构件数字孪生精密装配技术”入选“2024 中国智能制造十大科技进展”。
结语
从一项检测算法的纳米级精度，到一条产线的天级换型，刘意杨研究员的分享勾勒出AI赋能工业提质增效的清晰路径：它不是单点技术的炫技，而是“感知—认知—决策—执行”全链路的系统重构。从更准的检测到更柔的装配、更快的换产，工厂正沿着这条路径，由“执行指令”走向“自主决策”。前沿技术要走向规模化、可复制的落地，离不开标准体系的引领与支撑；当标准与一线实践同频共振，新型工业化的底座才会更加坚实——这也正是我们整理推出本系列专家观点的初衷。
(本文根据刘意杨研究员《人工智能赋能工业提质增效》专家 PPT 及“标准行”活动现场分享整理，数据均引自专家报告。)
