如今，AI正日益成为推动全球经济增长的重要引擎，制造业也随之进入加速转型的新阶段，正由传统自动化工厂迈向“可学习、可进化”的智能工厂。不过，要让技术真正赋能实体经济，仍需跨越多重关口：从试点验证走向规模落地，从效率提升迈向系统性重构，从单纯替代工具转向人机协同。如何在真实工厂场景中让AI持续创造可量化的价值，已成为全球制造业共同关注的关键问题。
我们不应只把人工智能拿来与现有技术横向比较，更重要的是为它找到恰当定位。只有当我们把 AI 视为提升人类生产力的辅助工具，建立合理预期并持续投入，才能更快实现效率、灵活性与系统韧性之间的平衡。
工业富联首席数据官、科技服务事业群总经理刘宗长
可改写为：
工业富联首席数据官兼科技服务事业群总经理刘宗长
如果你希望，我也可以继续帮你改成更正式、新闻稿风格或更简洁的表述。
刘宗长先生围绕学习型工厂的核心能力、灯塔工厂的实践经验、AI规模化应用及未来产业机遇等议题，分享了工业富联的观察与思考：
01“会学习的工厂”最关键的能力是什么？
要真正将传统自动化工厂与“具备学习能力的工厂”区分开来，关键在于三项核心特征：
第一，从“固化AI”迈向“进化AI”。传统自动化工厂依赖预先编写好的程序，只能循环执行既定任务；而学习型工厂则具备感知、认知和自主协同能力，能够迅速适应新任务。其获取新能力的方式也不再依靠重新编程，而是可以通过自然语言完成。随着数据规模持续扩大，AI将逐步深入融入各类应用，为工厂运行带来前所未有的灵活性。
第二，从“被动响应”转向“主动预判”。传统工厂往往在问题出现后才进行修复，而学习型工厂则能够提前识别偏差、主动介入并持续优化，从而实时保持最佳运行绩效。
第三，劳动力转型，从“替代”走向“赋能”。传统工厂往往依靠自动化设备来替代人工，而在学习型工厂中，AI更像是一种增强工具，帮助人类提升能力，放大生产效率和判断水平。例如，操作员可以同时协调多个智能体或人形机器人，从而大幅提升整体产能。
可以改写为：
1. 02 灯塔工厂有哪些值得借鉴的最佳实践？
2. 02 灯塔工厂有哪些可学习的优秀实践？
3. 02 灯塔工厂有哪些值得参考的成功实践？
4. 02 灯塔工厂有哪些值得推广的最佳做法？
如果你想要更正式、口语化或更像标题的版本，我也可以继续帮你改。
灯塔工厂不仅体现了数字化转型的显著成效，也是迈向学习型工厂的重要节点。工业富联目前已建设9座内部灯塔工厂，赋能13座产业灯塔工厂，并逐步构建起从数据互联、AI赋能到自主运营的能力升级路径。
2019年，工业富联率先建设首批灯塔工厂，着力打通设备、产线与工厂之间的数据互联互通，夯实数字化运营基础。
2021年，在推进自动化部署的同时，开始大规模引入AI预测性维护和机器视觉检测技术，并在手机机构件制造等核心业务场景实现规模化落地，推动制造体系由自动化向智能化升级。
2024年，在服务器灯塔工厂建设过程中，针对高品种、低产量生产模式所带来的物流协同、物料排产和工程设计等挑战，进一步引入AI提升运营效率与准时交付能力。
2025年以来，随着全球化布局不断深化，我们围绕供应链韧性、跨区域协同和人才能力建设等重点议题，在越南等海外灯塔工厂落地供应链控制塔、主动调度体系及大语言模型应用，推动全球制造体系加速迈向自主运营。
每座灯塔工厂，都是工业富联转型升级进程中的关键里程碑。它不仅验证了新技术和新模式的商业价值，也沉淀出可复制、可推广的方法论与能力体系。灯塔工厂不仅代表先进制造的标杆，更是推动企业持续创新、业务增长，以及迈向学习型工厂的重要动力。
可以改写为：
03 如何突破试点孤岛，推动系统性规模化落地？
不少企业常常会陷入“局部试点成功，但难以在全公司推广”的困境。以往的成功经验表明，真正能够在全组织范围内实现规模化落地的企业，通常具备三个关键因素：
首先，要始终坚持业务驱动，而不是技术驱动。每座灯塔工厂背后都应有一条清晰的“变革故事”，围绕核心业务痛点和竞争力提升展开，并将明确的运营和财务KPI与数字化解决方案紧密关联，从而实现更优的财务回报和更具落地性的创新。
其次，要重视系统化框架和底层平台建设。在数据治理与 IT 架构方面持续投入，尽管短期内未必能直接见效，但能为后续的大规模推广打下坚实基础。
最后，要持续加强组织能力建设。再先进的 AI 工具，归根结底仍需要人来识别创新机会。因此，必须不断提升员工技能，营造敏捷、鼓励学习的工作环境，推动人才与技术协同成长、共同进步。
04 如何有效运用 AI，把握实体经济中的重大机遇？
面对 AI，首先要树立合理的预期。如今，人们常把人形机器人或智能体 AI 拿来和现有自动化系统比较：和自动化机器相比，它们效率未必更高；和人类工人相比，它们又往往不够灵活。若只停留在这种对比方式上，就可能错过未来的机会。
实际上，AI并不是用来取代自动化设备或人类的，而是用于提升生产力的工具。未来，一名员工或许能够同时管理多个智能体或人形机器人，从而显著提高生产效率。与此同时，AI还可以把人的知识与经验转化为数字化成果，沉淀为可持续积累的数字资产，甚至由此孕育出全新的商业模式。
因此，行业应重点关注大型语言模型和 VLA 模型的发展。只要合理设定预期、持续投入，并找到 AI 最适合落地的场景，就有望在效率、灵活性和系统韧性之间实现更理想的平衡。
“会学习的工厂”并不是遥不可及的理想图景，而是应对高波动、高复杂性挑战的现实路径。未来的工厂将不再只是一个物理意义上的生产场所，而会演变为具备“工厂大脑”的数字生命体：借助数字孪生在虚拟环境中提前推演未来，依托 AI Agent在现实世界中自主执行任务，并在人机协同的闭环中持续迭代升级。从设备互联到 AI 赋能，再到自主决策与执行，工业富联正携手全球灯塔网络，将这一愿景转化为可复制、可落地的产业实践。
