董方岐：AI赋能汽车新一代智能制造——政策协同、体系升级与行业实践
2026-09-20 17:36 来源：中国汽车工业信息网
由中国汽车技术研究中心有限公司、中国汽车工程学会、中国汽车工业协会、中国汽车报社联合主办的第二十二届中国汽车产业发展（泰达）国际论坛（以下简称“泰达汽车论坛”）于2026年9月17日至9月20日在天津市滨海新区举办。本届泰达汽车论坛将围绕“智绿筑基·生态蓄势·共创共赢”的年度主题，邀请重磅嘉宾展开深入研讨。
在9月20日“专题论坛四：AI深度融合下的汽车全产业链变革”中，中汽智造科技（天津）有限公司平台发展部副部长董方岐，发表题为“AI赋能汽车新一代智能制造——政策协同、体系升级与行业实践”的演讲。
中汽智造科技（天津）有限公司平台发展部副部长 董方岐
以下是演讲实录：
各位领导、各位专家上午好，我是中汽智造的董方岐，今天非常荣幸跟大家分享一下我在汽车行业AI制造领域的探索。
我分享的题目是《AI赋能汽车新一代智能制造——政策协同、体系升级与行业实践》。
我从五方面跟大家进行交流：
一、趋势研判。主要是分析现在智能制造正在发生哪些变化。
二、政策解读。主要是分析现在国家关于新一代智能制造的最新部署
三、体系升级。探索AI赋能下汽车行业智能制造到底应该怎么转型，建设的新内涵、新要求。
四、标准评价。介绍目前智能制造相关标准的研究情况和进展。
五、行业实践。简单分享一下我们推动行业智能制造领域的工作内容和阶段性成果。
智能制造正在发生哪些变化？其实智能制造的发展可以概括为三个基本阶段，第一个阶段是数字化制造，重点是实现制造过程的数字化表达和精准控制，实现生产过程的可描述、可控制。第二个阶段是数字化、网络化制造。这个阶段主要是依托工业互联网、工业软件、系统集成等，实现设备、系统、业务间的连接，实现可连接、可协同。当前AI技术快速发展，现在智能制造进入了第三个阶段，就是数字化、网络化、制造化制造。主要的区别在于AI增强了对于整个制造过程的理解、学习、判断、决策的相关能力。智能制造的重心从传统的数字化表达、网络化协同，加快向制造过程的认知挖掘和智能决策进行延伸。
对汽车行业来说，现在智能网联和新能源汽车的快速发展，对制造提出了很多新的挑战。包括场景的多元化配置不断提升、订单波动的加大、质量追溯、过程监管要求的增强，还有整零协同、供应链风险的加剧。对于汽车制造的智能化水平提出了越来越高的要求，汽车智能制造的关注点也从原来的信息、数据能否获取，系统平台能否连接，向复杂的生产制造状态能否感知、理解，生产过程趋势能否准确的研判，过程决策能否智能化迭代进行演进。
演化的过程中，AI主要发挥四方面作用，补齐了原来的能力短板。1.感知识别能力。在很多生产的场景里都用到，比方说应用机器视觉在焊接、涂胶、漆面识别的相关工作。2.分析预测的相关内容。通过大小模型的关联分析，能够对我们的产品质量、设备寿命进行相关的预测，包括提供相关的维护策略的优化。3.知识理解和生成。这也是随着这几年AI大模型的发展，我们能够支持研发、知识检索、工艺知识问答、方案辅助生成等相关的新的场景。4.复杂内容的协同、优化，通过工业智能体，从单点的执行到多智能体之间的协同，能够实现更多复杂人物的支撑。整体上AI的应用正在从单点智能向任务智能、业务协同智能的路径不断演进。
目前，AI应用在汽车行业落地存在五个方面的问题，制约AI落地的速度和相关的质量。
1.汽车行业有大量数据，但是难以使用，主要是我们的很多数据是多元异构，数据窗难对齐、数据质量参差不齐。
2.模型和传统的工艺、设备、质量之间还存在着转化的一些距离，我们的行业需要进一步提炼，实现知识库和模型的能力。
3.单点智能难以形成闭环。现在AI智能体和工业软件系统的集成还存在较大的割裂，我们很多AI的结果不能直接应用到现场生产作业的闭环管理过程中。
4.我们的应用效果和应用评价，主要是AI的一些离线模型的评价指标和现场的可靠性、业务之间的价值评价缺少统一的关联。
5.成功模式难复制。现在AI还是定制化，各类业务场景、不同企业的场景很难有通用化的AI产品或者服务，能够转化成稳定的生产力。
围绕这些问题，简单讲一下国家关于智能制造政策的一些着力点，主要是五个方向。
1.强化场景的牵引。AI技术还是要落到我们具体的业务场景里面，国家出了智能制造的发展规划，包括智能制造典型场景的培育指南，让我们的技术更好低合我们实际业务融合，以场景为牵引。
2.强化数据的供给。国家这几年对数据这一块其实出了大量的政策文件，鼓励我们开展高质量数据集建设，开展一些数据流通、共享等等数据基础设施建设等等，着力解决工业数据采集用的堵点、难点问题。
3.技术供给。人工智能的模型、算法，从通用模型到行业模型，到垂域领域的小模型，开展相关技术联合攻关。
4.标准体系建设方面，人工智能现在也有相关的整体标准体系，包括智能制造、数据要素都有相关的标准。从数据、模型、场景三个层次，把AI落地的相关要素都进行了标准化的牵引。
5.推广服务这一块，这几年开展梯度培育、公共服务平台建设，为我们开展先行试点探索解决方案提供了很多支撑。
总体来讲政策体系分三个层级，第一个层级是战略牵引，国家明确了新型工业化、制造强国、人工智能+相关的战略导向，为智能制造发展明确了一些明确的目标和方向。在此基础上，国家相关的部委围绕三个领域开展了系统政策的研究，主要包括智能制造的政策、人工智能的政策、产业数据的政策。第三个层面，共性保障。包括标准规范、测评、安全、治理还有公共服务等相关的一些保障的要求。
聚焦到汽车行业，现在要完成四项具体的任务，把这些政策转化成我们具体的实践，从具体业务场景的AI应用的识别需求，到高质量数据集的供给，再到我们模型智能体的一些赋能开放，最后打造智能工厂的业务闭环。
新一代智能制造不是替代我们原有的智能制造的基础，对我们原有的智能制造推倒重建，其实是在原来制造的基础上，我们原来设备与控连接的基础上、互联互通的基础上，叠加了三个重要的内容，分别是数据认知，我们通过高质量数据集提取我们的一些工业知识。我们的模型决策，通过我们的专业模型，把我们的一些知识形成我们的一些生产力。最后是智能协同，实现我们不同模型、不同智能体之间的协同联动。新一代智能制造是让我们的制造体系系统从原来的可感知、可连接、可控制，向会思考、会决策、会协同进行跃升。
聚焦汽车行业，首先在数据筑基这一块，汽车行业的数据存在工况复杂、多元异构、长尾稀缺等相关的特征。我们需要经过一个完整的高质量数据集的工作方法，才能把我们生产现场的数据变成模型可以使用的数据，包括我们的需求定义、工程规划、数据生产链，通过高质量数据集的治理、标注的一些相关工作，通过模型的验证、应用，持续迭代、优化。
模型赋能方面，我们有了高质量数据集，有了工业知识，怎么把它转化成我们的模型能力，要搭建各个领域相关的知识库、知识体系，借用通用大模型的一些能力，把我们的一些知识沉淀到工业模型里面，再针对我们具体的业务场景的需求，形成我们专业的小模型，解决实践的问题。
在整个过程中，我们就逐渐形成了从感知、识别、预测、分析、知识理解、推理判断到决策优化的整个AI智能的全链路的能力。
智能协同这一块，我们有了这些模型，有了这些智能体，汽车生产制造是一个复杂的协同，我们怎么去实现智能体之间的联动？主要是解决五个方面的问题，分别是任务理解、规划、模型知识协同调用，工业软件连接，受控执行与人机协同，结果验证，持续的反馈优化。
这个过程中，智能制造应用落地除了技术方面发展的牵引之外，还需要我们用标准引领和规范。现在国家关于智能制造这一块，除了政策以外，也做了很多标准的牵引，里面有三个重要的标准体系，分别是智能制造、人工智能、数据要素，给我们落地智能制造相关工作提供了很多重要的参考和指引。
最后，简单汇报一下中汽智造围绕新一代智能制造实践的探索。
今年我们受工信部委托，牵头了一个汽车行业工业数据试点的筑基行动，包括6方面内容：
1.搭建汽车行业重要的场景体系，我们进行大量调研，围绕研产供销服等各个领域，把汽车行业转型的具体场景进行了图谱的梳理，也分析了一些需要用AI率先开始优化的一些场景的任务。
2.高质量数据集建设。我们组建了车企、供应商、合作伙伴、事业单位在内的20余家企业联合开展数据集技术的研究、工具的开发包括一些应用的实践，探索高质量数据集实施路径。
3.模型智能体这一块，我们和很多高校联合，围绕质量、设备、工艺生产的典型场景开展智能体的一些应用探索。
4.标准这一块，我们和工信部事业单位联合开展数据集、智能体和相关评测的标准研究，逐渐把我们的相关能力向整个行业进行延伸。
取得了一些阶段性的成果，我们整体搭建了从需求牵引到数据工程，到模型适配，到现场验证，到闭环优化的整个解决方案。重点比方说在高质量数据集和模型协同建设上，我们打造了模数共振相关的能力。一方面我们对数据进行治理优化；另一方面，我们迭代我们模型开发，使它们之间相互匹配，不断地进行优化升级。
在模型场景适配里面，我们分析现在的这些通用的模型和汽车制造任务之间的能力差距，开展针对性的一些研究，包括轻量化部署的技术方案。
再就是工业智能体这一块，我们现在围绕着一些具体的场景，比方设备、质量、工艺，我们研发出来我们相关的一些智能体，也在很多企业里进行推广应用落地。
我们还有成果研究，包括方法理论研究，还有标准研究，我们在汽标委开展一些汽车行业高质量数据集的相关建设指南的标准研究。另外，我们也和我们的一些合作伙伴搭建汽车行业高质量数据集建设的工程化平台，为不同的企业提供共性的服务支撑。
最后，简单说一下，我们希望在构建新一代智能制造体系里面，和在座的各位产业界同仁，共同围绕场景共建、数据共建、联合验证、标准评价和公共服务，开展系列的生态共建。因为AI的应用不是一个企业能完成的事情，需要生态协同来组织开展一些工作。
AI赋能新一代汽车智能制造既是一场技术升级，更是一场体系重构，我们期待与行业内各界朋友携手，推动AI由局部的场景的技术工具，加快转化为支撑汽车行业智能制造的专属能力。
以上是我分享的内容，谢谢大家！
本文根据泰达汽车论坛现场速记整理，未经演讲嘉宾审阅，仅供参考。