人工智能+制造：工业视觉与知识大模型落地路径

与业务的关系

实施意见涉及人工智能技术产业化与制造业智能化应用，对工业视觉、规程知识检索、多模态巡检和边缘计算建设具有参考意义。

工业和信息化部等八部门发布的《“人工智能+制造”专项行动实施意见》于2025年12月25日成文，工业和信息化部网站于2026年1月7日发布。文件提出坚持创新驱动、场景牵引、市场主导、安全可信、开放共享、普惠融通，一端推动“智能产业化”，一端加快“产业智能化”。

下文为鑫博源结合制造现场所作的技术解读，政策事实与表述以工业和信息化部发布的文件为准。

从三类具体任务入手

工业企业常见的AI需求大致可以分为三类：相机持续检查产品或设备外观；员工从操作规程、设备手册和维修记录中查找答案；巡检人员把图像、传感器趋势、报警和工单放在一起分析。任务确定后，才能列出相机、光源、样本、服务器、网络、接口和人员安排。

首批项目宜选择已有数据或能够组织采集的任务。例如，固定工位的产品表面检查、仪表读数、状态灯识别、规程问答和维修资料检索，都容易组织现场测试。涉及紧急停车、SIS联锁和关键工艺设定值的动作，应继续由确定性控制系统及经授权人员处理。

规则视觉适合位置稳定、光照可控、特征清楚的测量和判定任务。深度学习视觉可用于划痕、污渍、裂纹、缺口等不规则缺陷，也可处理错装、漏装、反装、包装检查，以及人员、车辆或设备的识别、定位、计数与追踪。

现场实施需要同时完成以下工作：

试运行数据应按缺陷类型、产品型号、班次和光照条件分别统计误报、漏报、无法判断比例和处理时延。涉及人员行为或现场安全的识别结果可用于提示、筛查和取证；停机、联锁及高风险处置仍由授权人员或独立安全系统执行。

设备手册、操作规程、报警说明、检维修记录和交接班文档通常分散在文件服务器、纸质档案和业务系统中。知识大模型可以提供带出处的资料问答、相似故障检索、报警说明查询、维修步骤提示和报告草稿，也可以通过只读接口查询经授权的生产与能源数据。

建设工作首先落在资料整理上：清理重复文件，确认有效版本与责任部门，设置岗位访问权限，把设备编码与DCS点位、CMMS台账对应起来。回答页面应显示文件名称、章节或数据来源，方便使用人员查阅原文。模型无法找到可靠资料时，应提示转交设备、工艺或安全人员确认。

大模型生成的设备操作和工艺调整建议不得直接写入DCS或SIS。质量放行、工艺变更、设备启停和安全作业继续执行企业现有的审批制度。

设备异常可能同时出现在摄像头画面、温度和振动趋势、DCS报警、维修记录及巡检工单中。多模态巡检可以在视觉系统发现外观异常后，自动调取近期趋势、历史报警、设备手册和相似维修记录，生成检查清单或CMMS工单草稿。

系统应保存异常截图或视频片段、数据时间段、引用文档、模型输出、人工修改和最终处置结果。巡检人员仍需结合现场测量、作业许可和设备状态完成诊断。

PoC用于确认某项任务在约定设备和工况下能否运行。扩大应用范围前，还需补充新的产品型号、缺陷类型、环境条件和系统负载测试。相机断连、网络中断或模型服务异常时，系统应发出设备故障告警，并回到人工巡检或原有业务流程。

工业AI项目需要相机与光源、样本与文档、边缘服务器、网络接口和业务人员共同参与。把这些基础工作做实，工业视觉、知识大模型和多模态巡检才能稳定接入制造现场。

来源说明：权威事实来自工业和信息化部发布的《“人工智能+制造”专项行动实施意见》及其发布页面。除事实摘要外，本文内容为鑫博源的行业技术解读。