新华网上海10月29日电（石海平）在第二十六届中国国际工业博览会现场，工业生产的“大脑”与“手脚”正在AI赋能下经历一场深刻的进化。

图为台达机电事业群总经理高璐华，介绍亮点展品

未来的工厂，竞争力在于机器跑得更快，还是整条产线更能应对变化？“工业AI的生命力不在于大而全的通用性，而在于对行业工艺的深度洞察。”台达机电事业群总经理高璐华在本届工博会期间接受新华网专访时表示，秉持“理论为本，AI赋能；先懂工艺，再谈智慧”的理念，台达正通过云边端协同与具身智能的务实布局，重构智造底座，为全球工业体系向智能化、自主化转型落实了一套可落地的解决方案。

新型工厂：从“自动化”到“自主化”

走进现代工业车间，许多人对工厂的印象依然是机械臂不知疲倦地重复同一种动作。但在高璐华看来，这种依赖预先设定程序的“自动化”，正迎来一场深刻的代际跃迁。

“过去的自动化，是人把逻辑写进设备，让机器按固定步骤机械作业；而未来的‘自主化’，是让整套工厂系统具备感知、判断和自我调适的能力。”高璐华用通俗的语言向记者界定了两者的本质区别：机器不再只是被动执行命令的“工具人”，而是在面对生产变化时，能够自己动态调整参数的“智慧体”。

这一范式转移的背后，是中国制造业从依赖“人口红利”转向依靠“技术红利”的必然选择。高璐华分析，当前全球制造业正面临三重现实挑战的叠加：一是劳动力短缺和老龄化，倒逼产线必须摆脱对熟练技术工人的过度依赖；二是全球供应链重构，要求工厂具备“多品种、小批量”的快速响应能力；三是AI硬件与半导体等高科技产品的迭代周期被压缩到以月计算，产线绝不能再像过去那样，花几个月时间停产重新改造。

“这就要求过去那种一成不变的‘刚性产线’，必须蜕变为像搭积木一样灵活的模块化、自主调适柔性体系。”高璐华说。

这一转变在火热的AI服务器生产中体现得尤为明显。在该赛道，客户对生产节拍提出了近乎严苛的要求：为了应对多品种的高频生产，产线换线时间需要在 10-15 分钟内完成，移机配置必须在2小时内完成。

面对这一挑战，台达交出了一份有说服力的“成绩单”：通过自主研发的多轴控制方案，实现了一次性管控多台电机，不仅将原本占地方的电控安装空间节省了35%，更配合模组化设计，让换线调试效率大幅提升60%，稳稳接住了“极速换线”的挑战。

从单点设备的快速运转，到全链路数据的自主协同，新型工业化的脉络在这些具体指标中愈发清晰。高璐华表示，未来工厂比拼的，绝不再是哪一台单机设备跑得有多快，而是整套系统能否自主学习、自我优化，实时应对订单与工艺的变动。

这种整厂自主协同的柔性生态，正成为中国制造催生新质生产力、迈向制造强国的核心底气。

AI重构：从“能对话”到“能执行”

当前，生成式人工智能浪潮席卷全球，但在机器轰鸣的车间里，这份狂热必须让位于严谨与冷静。

日常生活中，大模型偶尔出现答非所问的“幻觉”，或许只是一笑置之；但在精密制造的产线上，毫秒级的指令偏差或参数失误，都可能导致核心设备受损、整批产品报废，甚至酿成重大安全事故。“现在市面上很多通用AI平台看似无所不能，但直接搬到真实工厂里，往往‘水土不服’。”高璐华一针见血地指出了当前工业AI落地的现实痛点。

那么，AI究竟该如何走出实验室，从屏幕上的“能对话”，真正跨越为生产线上的“能执行”？

高璐华给出的核心解法是“分层架构与大小模型分工”。在她看来，大模型最先重塑的并非底层控制本身，而是工程设计、故障诊断和运维知识库等全生命周期环节。直接让通用大模型越俎代庖接管实时运动控制，风险很大。“可行的路径是走‘云、边、端协同’：云端大模型就像‘智囊团’，负责知识归纳、人机交互与方案推演；而在靠近产线的边缘侧与控制器本地，则部署轻量化的工业小模型。”