AI导读：

文章探讨了AI赋能制造业的三大趋势：数据从成本变为价值增长引擎、既懂业务又懂AI的跨界人才成为刚需、创新链与产业链加快无缝对接。通过构建技术体系、培育复合型人才、建立协同机制等措施，推动制造业数字化转型。

　　趋势一：数据从成本变为价值增长引擎

　　数据，在人工智能赋能制造业中既是痛点也是增长点。清华大学新闻与传播学院/人工智能学院双聘教授沈阳指出，当前传统制造行业普遍面临数据孤岛、不标准化、质量低等问题。企业数据分散于ERP、MES、CRM等系统中，阻碍AI算法高效训练与有效洞察提取。

　　广电计量副总经理于莉莉认为，破解数据孤岛与质量难题的关键在于构建“技术筑基、治理护航、场景驱动”的体系。企业应夯实数据底座，通过工业互联网平台整合ERP、MES等系统，实现数据实时流动与智能清洗；建立治理规则，打破壁垒，提升数据质量与标准化水平。

　　最终，数据需转化为实际价值。广电计量为车企设计的数字化转型蓝图结合数字孪生与AI大模型，将数据转化为生产力，培育复合型人才，参与行业数据生态建设，实现数据可用性大幅提升与算法开发效率倍增，让数据成为价值增长引擎。

　　趋势二：跨界人才成刚需

　　记者调研发现，AI+制造业应用仍处于起步期，传统行业转型面临诸多痛点。制造业专业性与多样性强，技术需求与路线差异大，难以通过通用模型解决所有问题。中国社会科学院工业发展研究室主任邓洲指出，制造业场景多样性高，AI创造颠覆性创新的可能性相对较小，企业采用AI动力不足。

　　清华大学沈阳教授还提到，一线员工对“AI+”有顾虑，管理层缺乏系统认知，导致AI项目受阻，难以融入日常运营。传统行业企业人才结构亟待转型，缺乏既懂业务又懂AI的跨界人才，导致项目效果不佳。

　　趋势三：创新链与产业链无缝对接

　　AI重构传统制造价值链，如何实现创新链与产业链无缝对接？沈阳教授认为，“行业+AI+科研”三位一体协同机制至关重要。科研人员以“项目合伙人”身份进入企业，参与产品全生命周期，实现技术与场景深度融合。依托园区设立试验区，提供中试条件与应用反馈。

　　在此机制下，产业图谱与技术地图形成联通系统，AI辅助对接网络，打通产业需求与科研成果，生成适配方案与模拟部署效果，提升新技术引入效率，增强传统行业企业借力AI的信心。

（文章来源：广州日报）