随着全球制造业迈入智能化转型的深水区，人工智能（AI）作为核心驱动力，正以前所未有的深度和广度重塑产业格局。如何将AI技术有效融入智能制造体系，已成为行业关注的焦点。工业和信息化部智能制造专家咨询委员会委员、著名制造业信息化专家蒋明炜在接受专访时指出，AI融入智能制造并非简单的技术叠加，而是一场以数据为燃料、以软件为引擎的深刻变革，其中，应用软件服务扮演着至关重要的角色。

一、AI融入智能制造：从“机器换人”到“智慧赋能”

蒋明炜专家首先回顾了智能制造的发展历程。他指出，早期的自动化、数字化解决了“机器换人”和流程可视的问题，而当前阶段的智能化，核心在于通过AI实现“智慧赋能”。这不仅仅是让机器更高效地执行既定程序，更是赋予其感知、分析、决策和持续优化的能力。AI的融入，使得制造系统能够从海量数据中自主挖掘知识、预测趋势、预防故障，并动态调整生产策略，从而实现质量、效率、成本、柔性的全面跃升。

二、应用软件服务：AI价值落地的“转换器”与“倍增器”

在谈及AI如何落地时，蒋明炜着重强调了应用软件服务的关键作用。他认为，先进的AI算法如同“高纯度矿石”，而面向特定行业、特定场景的工业应用软件，则是将这些“矿石”冶炼成可实际使用的“特种钢材”的熔炉。

1. 场景化封装与集成：AI技术本身具有较高的专业门槛。优秀的应用软件服务能够将复杂的AI模型、算法进行“场景化封装”，形成诸如智能排产、视觉质检、预测性维护、工艺参数优化等开箱即用或易于配置的功能模块。这极大降低了制造企业，尤其是广大中小企业的应用门槛，让AI能力能够快速、精准地嵌入到具体的研发、生产、物流、服务等环节。

1. 数据价值深度挖掘：智能制造的核心生产资料是数据。应用软件服务构成了从设备采集、边缘计算到云端分析的全栈数据管道与管理平台。它不仅负责汇聚多源异构的工业数据，更通过内置或集成的AI工具，对数据进行清洗、标注、特征工程和模型训练，将原始数据转化为驱动智能决策的“燃料”，释放数据的内在价值。

1. 知识沉淀与持续进化：AI模型的效能需要在实际应用中持续迭代优化。应用软件服务提供了一个稳定的载体和环境，能够将工程师、老师傅的实践经验（隐性知识）和AI从数据中学习到的规律（显性知识）相结合，形成可复用、可扩展的行业知识库与模型库。这使得制造系统的智能化水平能够像生命体一样，在实践中不断学习和进化。

1. 构建开放协同生态：蒋明炜指出，未来的智能制造生态将是“平台+应用”的模式。以工业互联网平台、云平台等为基础，各类专业、细分的AI应用软件服务作为“工业APP”蓬勃发展。这种架构促进了知识的共享、资源的优化配置以及产业链的协同创新，加速了整个制造业的智能化进程。

三、挑战与建议：聚焦价值，务实推进

蒋明炜也坦言，当前AI在制造领域的融合应用仍面临数据质量不高、复合型人才短缺、投资回报周期不确定、安全与伦理等挑战。对此，他提出几点建议：

• 价值导向，分步实施：企业不应为“AI”而AI，而应聚焦于解决如提升良品率、降低能耗、缩短交付周期等具体的业务痛点，从小处着手，由点及面，务实推进。
• 强化“软件定义”思维：制造企业需提升对软件，特别是蕴含AI能力的应用软件的重视程度，将其视为核心竞争力的重要组成部分，加大投入。
• 深化产学研用合作：鼓励软件服务商、AI技术公司、装备制造商与垂直行业的制造企业深度合作，共同开发更贴合行业需求的解决方案。
• 重视数据治理与安全：夯实数据基础，建立完善的数据治理体系，并在应用AI过程中，同步构建涵盖算法安全、数据安全和操作安全的全方位防护网。

###

蒋明炜道，AI与智能制造的深度融合，是一场静水深流的产业革命。在这个过程中，以解决实际问题、创造业务价值为核心的应用软件服务，是连接尖端技术与复杂工业场景的桥梁，是驱动智能制造从“概念”走向“实效”的关键力量。只有牢牢抓住应用软件服务这个牛鼻子，才能让AI真正在工厂车间里生根发芽，结出丰硕的果实，最终推动中国制造业向全球价值链中高端稳步迈进。