?

憑借“深度思考”和“高情商對話”DeepSeek已在全球AI領域，引發廣泛關注。小編也忍不住問了問 DeepSeek，如何用AI突破工業場景“最后一公里”，推動AI從實驗室走向產線。

?

【小編】人工智能賦能制造業需要哪些關鍵要素？

?

【DeepSeek】人工智能（AI）賦能制造業的關鍵要素涉及數據、技術、基礎設施、生態協同等多個維度。以下是實現AI與制造業深度融合的核心要素：

?

一、數據要素

?

高質量數據采集

○ 工業物聯網（IIoT）：通過傳感器、PLC、智能設備實時采集設備運行、生產流程、環境參數等數據。

○ 數據標準化：統一數據格式（如OPC UA協議），確保跨設備、跨系統的數據互通。

○ 數據標注與治理：對生產缺陷、設備故障等關鍵數據進行清洗、標注，構建高質量訓練數據集。

?

二、技術能力

?

AI核心技術與算法

○ 計算機視覺：用于缺陷檢測（如表面劃痕）、物料分揀（如3D視覺引導）。

○ 機器學習與深度學習：優化排產計劃、能耗管理、供應鏈預測。

○ 數字孿生：通過虛擬模型模擬物理產線，實現工藝仿真與優化。

?

三、基礎設施

○ 柔性產線：支持可重構的機器人、AGV（自動導引車），適應多品種小批量生產。

○ 工業互聯網平臺：作為核心基礎設施，連接設備、系統與供應鏈，實現端到端數據流（如MES、ERP集成），支持設備互聯互通（如5G、IoT網關），為智能制造提供數據基礎。

?

四、集成平臺與生態系統

○工業互聯網平臺：在集成應用層面，集成各類工業應用和服務，提供統一的接口和數據交換標準，打破信息孤島，實現數據和業務流程的貫通。

○生態系統合作：與上下游企業、科研機構、政府等建立合作關系，共同推動技術創新和應用落地。

○系統集成與互操作性：確保不同廠商的設備、軟件和系統之間能夠實現無縫集成和互操作，打破信息孤島，實現數據和業務流程的貫通。

?

……

?

（以上內容由AI生成，僅供參考）

?

?

AI賦能制造業需以數據為燃料、工業場景為引擎、商業化應用落地抓手，核心是通過AI實現效率提升、質量躍遷和模式創新，最終推動制造業從“經驗驅動”向“數據智能驅動”轉型。

?

01

高質量的數據與數據沉淀

?

數據是人工智能發展的“燃料”。工業AI依賴大量高質量的數據進行訓練和優化，長期積累的行業數據有助于提升AI模型的精度和可靠性。

?

拓斯達近20年積累的工業場景數據，可以反哺大模型訓練，為機器學習算法的持續優化提供了堅實基礎，使機器人能夠由單一任務向多種任務、復雜和專業任務拓展的發展趨勢，進而可以加速人形機器人向商業場景和家庭場景的拓展。

?

02

核心技術與算法突破

?

人工智能大模型技術將通過機器人打破虛擬世界與物理世界的邊界，重塑整個制造業的格局。采用適合工業場景的AI算法，如深度學習、強化學習等，持續優化模型以提高預測精度和響應速度。

?

拓斯達在2021年開始和國創工軟合作，基于歐拉操作系統（openEuler），開發了新一代X5機器人運動控制平臺。該平臺在智能與具身結合過程中起到類似“小腦及脊椎”的聯接作用，通過與大模型廠商建立深度合作，確保在算法、算力和數據層面的持續迭代和生態協同，為人工智能技術與物理世界的結合提供關鍵支持。

?

03

精密制造與硬件支撐

?

作為人工智能在工業場景的重要載體，智能機器人的運動精度與使用壽命直接取決于其本體和核心零部件的質量。

?

為解決客戶對精度、負載、速度的三方需求，依托控制、伺服、視覺三大底層技術，現擁有自主研發的“六邊形戰士”——TRH系列SCARA，“超凡戰士”TRV系列桌面型小六軸。

?

同時，基于對行業挑戰和市場需求的深刻洞察，拓斯達以應用需求為導向，與合作伙伴共同推出了“機器人+”工作站。工作站具備高柔性、多規格配置、易用穩定、靈活部署等特點，能夠快速響應市場需求，成功應用于3C、玩具、包裝、家用電器等行業，為解決企業生產瓶頸提供有效途徑。

?

04

多元場景應用落地

?

人工智能在多元工業應用場景中的拓展，依賴于技術創新、行業需求驅動以及生態系統的協同發展。

?

拓斯達在機器人及自動化、注塑、CNC等多個工業領域深度布局，發揮鏈主企業作用，整合廣東制造業生態資源，打造工業場景下的專家級模型。以碼垛應用為例，拓斯達機器人控制平臺與通義大模型結合，通過三步即可完成碼垛任務，整個過程完全實現智能化，全新的開發模式大幅縮減場景交付與調試的成本和時間。

?

05

商業化預期

?

以AI技術賦能現有場景，顯著提升生產效率和智能化水平，逐步拓展至更多工業應用場景，覆蓋更廣泛的客戶群體。

?

通過技術與場景的深度融合，持續完善具身本體技術，拓斯達正計劃推出具備更高靈活性和智能水平的智能機器人，通過人工智能技術在多種場景進行訓練，使機器人從“能干活”變得“會干活”，爭取成為“最懂工藝的智能機器人”。同時，研發團隊正在驗證更靈活、更智能的雙臂機器人，積極探索人形機器人在多樣化場景中的應用，助力產業向更高階的智能化、柔性化方向發展。

?