5月15日，合肥。新港新能源汽车产业园内，一座占地1500余亩、建筑面积54万平方米的尊界超级工厂——华为联合江汽集团举办的“跃升行业智能化·AI+制造行业峰会2026”在此召开。会上，江汽集团与华为联合举行 “迈思特” CV 质检大模型发布仪式，标志着双方在智能制造领域的合作迈入全新阶段，为汽车行业树立了AI赋能质量的标杆。
江汽集团控股公司董事，江汽集团股份公司党委副书记、总经理李明总表示，数智化早已不再是锦上添花的“选修课”，而是关乎一个生死存亡的“必答题”。
智能经济进入国家战略，“人工智能+制造”成为十五五核心抓手，江汽集团这家累计交付超千万辆产品的综合型国有汽车集团把AI写进战略坐标。“必答题”三个字，给中国制造业当下的处境做了一次精确标注。
智能经济到来
理解“必答题”，先看政策坐标。
2026年3月发布的十五五规划纲要（草案），把“加快高水平科技自立自强、引领发展新质生产力”放到战略高位。纲要中的109项重大工程，有28项与制造业强相关，占比26%。同年政府工作报告首次提出“智能经济”，一种以人工智能为核心驱动力、以数据为关键生产要素、以算力与算法为重要底座的新经济范式，被定位为新质生产力的核心载体。
紧接着，2026年1月，工信部等八部委发布《“人工智能+制造”专项行动实施意见》，把目标量化为一组进度数字：3~5个通用大模型在制造业深度落地、100个工业领域高质量数据集、500个典型应用场景、1000家标杆企业、2~3家全球影响力生态主导企业。
市场体量在加速。IDC预测，到2029年中国AI总投资规模将达1114亿美元。按照国务院《关于深入实施“人工智能+”行动的意见》部署，到2027年新一代智能终端、智能体等应用普及率超过70%，2030年超过90%，2035年中国全面步入智能经济和智能社会发展新阶段。
华为中国政企业务副总裁郭振兴在主题演讲中给2026年贴了两个标签：深耕之年，AI已全面进入制造业生产系统，开始与企业流程深度融合；跃升之年，行业迎来三大结构性机会。
华为中国政企业务副总裁 郭振兴
2025四维答卷与2026三大跃升
两个标签的支撑，是一份2025年的答卷和一张2026年的路线图。
2025年的市场验证已经成立：
价值能量化，ROI清晰可算；
客户愿投资，大多数央国企对AI追加了专项预算，从免费试点变成集团级采购；
方案可复制，华为2025年面向智能制造发布7大场景、20大解决方案，已在上百家企业规模复制；
生态渐成熟，昇腾联合3000家伙伴、服务超过20个行业的5000家客户、支持65个系列化主流开源大模型，800余家ISV基于昇腾开发行业应用。
沿着“研产供销服”五大业务流，AI的实际成效有了具体数字：新品研发周期降低近50%、生产不良品率降低20%、综合排线效率提升15%、销售人效提升3倍、人工接待量降低40%以上。
2026年的三大跃升，从这份答卷长出来。
第一，数智化投资的跃升。企业AI从“工具赋能”转向“价值创造核心”，数智化投资/收入占比从2.5%提升到3%~3.5%，其中AI部分倍增。对一家年收入千亿的企业，这意味着每年30亿投入数智化建设。某家电头部企业计划未来5年AI投入300亿、不设上限，160+智能体覆盖研发生产经营，2025年通过AI实现降本6亿元，2026年规划降本9亿元以上。
第二，数智化基础设施的跃升。从“通用IT”向“行业专属数智底座”演进，市场空间预测7000+亿元、年增速45%。
第三，AI行业解决方案价值的跃升。AI从“单点创新”走向“系统解决业务问题”，价值可量化。
架构重构：从烟囱到智能化新底座
走到这一步，企业绕不开第一道关：架构。
郭振兴的判断很直接：“90%的企业数字化转型失败，都是无架构、堆系统、补丁式建设。”中国制造业过去十几年的信息化大多走的就是这条路：研发、生产、供应、销售、服务各一套系统，各有服务器、数据库、操作系统，对外接的还是相互隔离的生产网与办公网。信息孤岛、重复建设、数据共享难、系统联动难，四个老问题到AI时代被放大。AI需要打通的数据被烟囱挡住，AI需要联动的设备协议七国八制，AI需要的持续迭代被孤立子系统切碎。
华为的解法是统一标准、统一架构、统一数据格式、分层解耦、持续迭代的制造行业智能化架构。
智能感知层。基于OpenHarmony打造“一个品牌、一套标准、N种发行版”的统一终端底座，让智能工装、AGV、传感器、机械臂、PLC等万种设备遵循同一套API规范，通过工业软总线实现万种、万台设备互联。
智能联接层。星河AI生产网构建生产连接底座。柔性生产场景，独家WIFI 7 ASFN技术让信号无缝覆盖、漫游0丢包；工业环境IP41防护、长期工作温度-40°~75°保证业务全连接；面对勒索病毒风险，AI引擎与网安联动构建端、网、安一体化防御。截至2026年3月，华为在智能制造领域部署超1000张生产网，覆盖汽车、电子、光伏、机械等行业。
智能底座层。
智能算力底座。郭振兴特别强调一句话：“智能化的可持续，首先是算力的可持续。”万亿参数模型训练、推理TPOT低于10ms的需求面前，传统服务器堆叠走不通。华为以超节点计算架构开辟新路径，资源池化、规模扩展、长稳可靠。
智能数据底座。当前AI落地最大瓶颈在数据，华为AI数据平台整合知识库、KV Cache库、记忆库，协同UCM推理记忆数据管理技术，多模态知识检索精度大于95%、推理吞吐提升2倍、首Token时延最高降低90%、Agent推理精度提升30%，长过程复杂任务从小时级提升到周级。。
智能平台层。跨云协同+Data&AI双轮驱动。混合云、公有云与边缘云协同联动，数据治理、智能数据湖、AI训推平台与行业智能体打通成完整链条。
AI生态层。硬件开放、软件开源、模型百花齐放。昇腾平台已拥有超过410万开发者、服务超过2700家客户、为超过70个大模型提供0Day适配支持。
千行百业的“必答题”
架构的生命力，最终要在真实场景中验证。
在汽车制造行业，江汽集团联合华为发布了“迈思特”CV质检大模型。成功实现从“小”精准到“大”智能的蜕变。把过去6名AI工程师耗时9个月开发150余个零散小模型的传统范式，压缩成“一个或少数几个通用大模型覆盖多类检测场景”。单工位更只需50-100张图片即可完成模型微调，实现整车缺陷拦截率99.99%，真正做到“一模型多场景通用，全平台化赋能生产”。
在医药研发行业，瀚宇药业基于盘古药物分子大模型构建了专属的智能化私域数据库，生产参数决策效率提升90%，批次合格率大幅提升22%；柳药集团引入天筹AI求解器算法，构建起智能物流网络，人工排车流程从小时级压缩至分钟级，仓间调拨及物料成本降低约20%，配送与舱内拣选效率提升15%-18%。
从汽车的总装车间，到药企的研发实验室，再到复杂的物流配送网络，AI大模型与智能算力正在全域重构实体经济的生产要素与商业模式。
写在最后
对大多数制造企业而言，“怎么做到”才是真正的挑战。郭振兴在演讲尾声给所有制造企业开了一张“过五道关”的清单：
1.战略决心：一把手明确方向、保持长期战略定力；2.架构引领：以架构为蓝图、以AI为核心、参考行业智能体架构夯实底座；3.价值场景选择：用“三层五阶八步十二问”选定场景，从价值、数据、成本、风险、技术五个维度量化AI场景成熟度；4.基础设施先行：智能化时代效率提升是系统工程，平台早建设、团队早使用；5.组织保障：专班运作、一把手责任制、跨部门协同，培养行业场景专家和AI技术专家，建议设立独立预算、有跨部门决策权的数智化部门。
深耕落地，价值跃升。这份“必答题”已经有了样卷，接下来要做的，是让更多企业一起作答。
