“人工智能将跳出纯数字虚拟世界，全面落地现实物理世界，覆盖自动驾驶出租车、人形机器人、工业智能设备等终端。”在今年的CES（美国消费电子展）上，英伟达CEO黄仁勋将“物理AI”确立为下一个技术制高点。行动往往跑在观点之前。放眼全球，西门子与英伟达联手打造“全球首个完全由AI驱动、可自适应的制造基地”；宝马正以“AI先行”理念重构匈牙利工厂，从数字孪生建厂到全流程AI质检；洛克希德·马丁、波音等美国巨头与英伟达、Palantir等科技公司联手，探索“AI原生制造”……一场关于制造业底层逻辑的重写，正在全球竞速上演。据预测，到2035年全球工业智能化市场规模将突破3.5万亿元。在这场制造业“规则重塑”的竞赛中，中国将如何定义自己的比较优势？作为中国参与国际竞争的重要一极，上海又将如何争夺局部先发优势，甚至成为领跑者？
从“点”的突破，到“链”的贯通，再到“面”的生态，上海正徐徐铺展这条路径。首先是“造样板”，让“有用的AI”形成示范。黄仁勋认为“有用的AI时代”已经到来，AI不再是实验性的，而是进入了生产阶段。上海正在力推搭建“有用的AI”样板间。在高端装备制造领域，重型钢结构核心构件的焊接质量直接关系到重大工程的本质安全，但传统质检长期依赖事后无损检测，反馈滞后、返修成本高昂。振华重工首席数字官赵子健表示，传统焊接领域已迫不及待呼唤AI的助力。为此，振华重工在钢桥项目板单元气体保护焊焊接中采集了海量多模态数据，建设了焊接缺陷分析高质量数据集，打造了焊接缺陷智能识别能力。经过大小模型通专结合的反复调校，气孔、咬边、未焊透缺陷的识别准确率已达到98%以上。类似的攻坚正在上海多个头部链主企业的车间里展开。外高桥造船研发出“AI研发设计助手”，推动船东船检意见分析从“被动应答”走向“智能辅助”。英众科技引入具身智能机械臂，效率较人工提升100%，并计划采用“大模型统筹+智能体协同+小模型执行”的三层架构，让“老师傅”的经验得以数字化沉淀。上海汽轮机厂试点叶片工艺生成智能体，通过三维模型特征提取和工艺语料学习，自动生成零部件的工序、动作序列和关键参数，将设计周期由30天缩短至14天。这些案例背后，是一整套系统性的政策设计。上海市经信委培育了首批10家“AI+制造”样板企业，分别聚焦标志性全流程智能转型、标志性智能产线和标志性智能产品进行突破。三条路径看似分头突破，实则都指向同一个目的：让龙头企业蹚出来的经验，能被行业里更多同类企业复制、迁移，而不是变成“一家一策”的孤本。此外，上海围绕工业模型、语料、具身智能、智算平台等领域培育了44家“AI+制造”专业服务商。目前，围绕包含“样板企业”在内的“链主”及“AI+制造”服务商，经信委已提炼50项计划应用AI技术的场景需求并对外发布；形成两批共30篇场景建设指南，覆盖制造全环节和十大重点制造领域；编制形成“制造企业人工智能应用成熟度评估指引”，提炼形成45个共性示范智能化场景及其建设要求，填补制造业应用AI专项能力的评估标准空白。
其次是“筑底座”，建设工业AI的“公共服务体系”。样板企业能率先突围，离不开背后一整套智能要素供给体系的支撑。制造业AI落地区别于其他行业应用AI的关键难点在于：数据分散、格式庞杂且往往涉及行业“Know-How”，数据难以规模化共享，且算力和模型大都需要私有化部署。面对这道门槛，上海摒弃了让企业各自摸索、重复造轮子的做法，而是先把最耗成本、最不该重复投入的语料、算力这些“水电煤”式的基础要素整合起来，搭成公共平台。库帕思语料运营总监邓思文指出，以前很多制造企业根本不清楚什么是“模型可用数据”，信息化建设满足的是人工办公需求，不是AI训练标准。为此，在上海市经信委的推动指导下，库帕思打造工业语料公共服务平台，采用“三层同心圆”逻辑：最外层是全行业通用的通识数据，由平台统一供给；中间层是占比约八成的行业共性数据，避免企业重复投入；最内层则是企业专属的核心工艺数据，通过本地化部署、驻场服务的方式，确保数据AI Ready。截至目前，该平台已汇聚百TB级通专语料，服务电气、华力等十余家重点制造企业。与之呼应，中国联通旗下工业智算云平台聚焦离散制造与中小企业，依托万卡级算力集群与“算力+语料+模型+工具+智能体”全栈服务体系，联合羚数、帆软等20余家厂商上架工业图纸信息分析等智能体30余款。有了地基，接下来要闯的是模型能力关。在垂直技术攻坚的另一端，华院计算技术副总裁余炯提到一个反差鲜明的案例：钢铁行业训练样本普遍不足，传统模型需要五万到十万条样本才能起效，而他们自研的小样本算法只需400至2000条即可实现配煤配方的高精度配比，在某钢铁企业的落地项目中，每年能为企业节约3000万至6000万元成本。松应科技则从另一维度补上了工业智能体训练的“最后一公里”，其物理AI仿真系统可精准模拟重力、摩擦力、碰撞等真实物理规律，让机器人在虚拟环境中大规模并行试错，仅用50条基础数据、30分钟仿真训练，机械臂作业成功率就能突破九成，部署到真实产线的成功率高达95%至99%。围绕这些技术底座，上海已面向语料、智算云、模型平台、智能体、具身智能5个方向遴选了44家专业服务商，并联合专业服务商、制造企业等结合真实场景建设经验编制“一场景一指引”。其中，首批12篇场景建设指南已于今年1月发布，覆盖汽车、钢铁、高端装备等行业，第二批18篇也将于今年人工智能大会期间亮相。
最后是“立标尺”，从单点破题走向生态雨林。技术和要素齐备之后，真正的挑战往往在于如何找到自己的转型坐标。上海市工业互联网协会秘书长王旭琴表示：“当下企业转型的核心变化，是从‘为系统架构买单’转向‘为实际效果买单’。”这也是上海正在编制的《上海市制造企业人工智能应用成熟度评估指引》着力聚焦的问题。目前，针对企业普遍存在的“不敢转、不会转、转不好”困境，指引围绕研发设计、生产制造、供应链管理、经营管理与服务四大环节提炼出45个应用场景清单及其建设成效要求，再从智能要素、AI安全两个维度衡量企业基础能力，最终将企业映射至L1辅助感知级到L4自主优化级的四级评估体系，帮助企业既能看清自己所处阶段，也能看到下一步该往哪走。与之配套，一揽子进一步推动“AI+制造”发展的“若干措施”，从工业智能体应用、高价值链式场景建设、工业“老师傅”数据治理等13条举措入手，强化工业AI供给能力及制造业融合应用内驱力。政策与标准是骨架，行业协会扮演的则是疏通毛细血管的角色。王旭琴说：“制造企业有需求找不到方案，服务商有技术缺真实产线场景。”协会每年12月编制发布行业白皮书，每一到两个月输出一期一线需求调研报告，积极推动传统企业与AI原生企业双向奔赴。如果说企业要找的是自己的转型坐标，那么一座城市要想清楚的，是自己在全国、全球产业版图里的坐标。在上海工业数字化研究院院长陈廷炯看来：“上海人工智能产业的核心优势之一就是场景应用落地，上海是全国AI应用最活跃、资源聚集度最高的城市。”多项举措也印证着这种判断：自去年8月《上海市加快推动“AI+制造”发展的实施方案》正式印发以来，已完成三轮资金支持、落地示范场景60余个；根据方案设定的三年目标，上海力争推动3000家制造业企业实现智能化应用，打造10个行业标杆模型、100个标杆智能产品、100个示范应用场景。“AI+制造”的竞速刚刚开始，上海正在用行动证明，不仅要参与这场变革，更希望成为新规则的书写者之一。