“国内绝大多数工厂，目前仍处于可视阶段，而且可视的水平还不高。”在“尚工”行动·百家千企深度行合肥站活动现场，国机集团首席专家、国机数科总工程师朱恺真一语道破制造业智能化转型的现状。围绕智能工厂梯度培育这一主题，他从功能进阶、架构变革、精益实践三个维度，为在场企业带来了一场务实而深刻的政策解析。

从“看得见”到“看得透”

朱恺真指出，数字化、网络化、智能化这“三个台阶”听起来清晰，落地时却很抽象。真正判断企业处于哪个梯度，要看功能的实现程度：计算机化、连接、可视、透明、预测，这是一条可循的进阶路径。

“可视”是多数企业当前的坐标。进度、质量数据上了大屏，但朱恺真提醒，这只是第一步。他以成本管控为例发问：“如果能精确到一个作业、一个加工工序的成本，水平就高了。国外很多企业已经做到了，知道哪个环节还能降本。如果到不了这个水平，面对内卷就没法竞争。”

再往上走，是“透明”。朱恺真用一个形象的比喻解释：设备按额定工况运行是“白盒”，机理清晰，一旦工况波动，就变成了“灰盒”，不透明了。“现在的玩法是白盒机理和黑盒大数据融合，达到半透明状态，再去解决问题。”只有做到这一层，才能进行根因分析，为下一步的预测和优化打下基础。

这正是智能工厂梯度培育的内核。不是比谁屏幕多、看板花哨，而是比谁更能把数据变成知识，用知识驱动决策。

AI来了，工厂“大脑”怎么建？

谈到AI对智能工厂的重塑，朱恺真表示，企业不能只是在旧系统上“外挂”AI功能。“那只是一个过渡。真正水平高的，是AI原生。”

他对当前架构的痛点剖析得很直白，传统金字塔式架构导致数据全沉淀在各个系统里，很多企业花大力气做数据中台，结果系统一调，中台就得跟着动。朱恺真判断，架构必然要向基于云的扁平化方向演变，先把数据放进“湖”里，洗干净、分好类，做到湖仓一体化，让应用能自助式用数据。

AI时代更进一步，未来的工厂应用不再是传统的APP，而是一个个智能体。“智能体和APP不一样，APP靠人交互实现功能，智能体本身就像一个角色。”朱恺真举例说，就像让AI做蛋炒饭，它会先检查原料、剥葱、打蛋，一步一步有条不紊地执行。但他也提醒，大模型有“幻觉”问题，在制造业核心的生产制造环节，目前还是用判别式小模型更稳妥；研发、销售、服务两端可以先用大模型提效。

网络安全同样不容忽视。朱恺真分享了一个真实案例：一家企业私有化部署了大模型，结果核心工艺知识却出现在了公有云上。“所以我们的建议是，核心的东西，大企业自己玩，基于开源自己开发，然后物理隔离。”

梯度培育的意义正在于此，不是要求所有企业一步登天，而是根据自身基础，找到适合自己的架构演进路径。

“领航”的底气从何而来？

“为什么评‘领航’不评‘卓越’？有时候目标定高一点，即使达不到，也可能达到卓越。”2025年首次评出的15家领航工厂，共同点是全都有模式创新。

这种模式创新的根基，是“数字精益”。他解释道，传统精益靠人，老师傅一走经验就断。数字精益是把当前的最佳状态用数字技术固化下来，再在固化基础上改善、提升、再固化，形成螺旋上升。“美的的精益水平就很高，走廊墙上贴满了每个作业的标准，人员流动性大也能保证精益能力稳定。”他特别指出，精益不只是生产环节的事，本体精益看工厂布局有没有浪费，成长精益看建设过程是不是边建边改，这些往往被忽视。

讲到一个具体场景时，朱恺真举了立体库堆垛机的例子：设备一坏，物料全在里面，有企业因此停产一周。高阶的应对方式是花很少钱在末端做个环路，一个巷道坏了另一个马上补位。“从全生命周期看，这就是精益。”

说到底，智能工厂梯度培育不是一场装备竞赛，而是一次组织能力的重塑。谁能把知识和场景连接起来，形成快速迭代的闭环，谁就能在梯度攀升中真正“领航”。