鄂维南：工业AI落地，基础设施建设是核心
机遇在前，前提是打好基础设施
人工智能如何从局部应用走向制造业的整体变革？10月12日，在第二十六届中国国际工业博览会开幕式上，中国科学院院士鄂维南以“AI for Industry”为题作主旨演讲。他指出，人工智能为我国补齐高端制造业短板、提升产品创新能力带来重要机遇，而抓住这一机遇，“基础设施建设是核心”。
近年来制造业数字化转型中，AI多集中在质检、视觉识别等单点环节，如何从“点状应用”走向“整体变革”，始终是业界关注的难题。鄂维南的演讲给出了一个答案：先建基础设施，再谈场景落地。
在他看来，AI时代的工业将呈现新的特点：
- 软件与硬件逐步成为智能体
- 生产资料成为“行走的数据包”
- 产品和工艺设计转化为约束条件下的整体优化问题
由此，制造业有望扩大设计空间，更好满足个性化需求，并向整体优化、柔性制造发展。
四层架构：工业AI基础设施怎么建
支撑上述变化，需要建设完整的工业AI基础设施。鄂维南提出了四层架构：
- 底层：设备、工业软件和数据，尤其是工作流数据
- 改造层：让设备与工具能够被AI和智能体调用
- 核心层：建设工业机理模型、工业世界模型与工业基座模型
- 应用层：由智能体、数字员工执行具体任务
工业软件是其中的重要底座。鄂维南指出，商用工业软件面临开发、打磨和应用三大痛点，需要长期投入。他以九韶几何内核为例，介绍了团队从数学研究积累出发、持续迭代自主工业软件基础能力的探索。与此同时，仿真案例和评测数据也需同步建设，为工具验证和算法改进提供依据。
AI正在重塑工业软件研发范式
鄂维南认为，AI的发展正为我国构建AI原生工业软件体系、探索新的发展路径创造机会。演讲展示了自然语言驱动网格生成、面向高端五轴机床的AI原生数控装置等实践：让智能体理解工程目标、编排工具流程，并通过质量评测检验执行结果，逐步沉淀可复用的能力。
工业世界模型则进一步连接模拟与生产。它根据当前状态和动作，预测系统的下一状态，为决策提供参考。鄂维南介绍，相关探索已在国家管网管道巡护、管网调控仿真和本体防腐等业务中取得初步成果，但漏报、复杂边界工况及长时域预测误差仍需攻关。
这从侧面说明，工业AI并非把通用大模型直接搬进车间即可奏效，其难点在于对物理规律、工艺约束与长周期工况的准确刻画。
补齐底层能力，缩小仿真与现实的差距
因此，工业AI建设还需打牢底层软件与工具基础，发展不同场景的模拟算法，缩小仿真与现实之间的差距，并推动工业世界模型建设。
鄂维南强调，还要让设备、工具与数据具备面向智能体的调用能力，将产线和工作流程虚拟化，为企业构建包含模型、记忆、数据库与工具库的人工智能系统，支撑制造业持续创新与转型升级。
从这一路径看，工业AI的竞争，最终比拼的或许不是单一算法或模型的强弱，而是谁能先把基础设施的底座垒实。