中国制造2025成果与现状 - 中国制造2025目标已基本达成，在新能源汽车、信息技术等10个关键领域实现了超86%的目标 [2] - 十四五时期制造业增加值超过40万亿元人民币，连续15年稳居全球第一 [2] - 超过五百家企业进入世界研发投资前2500强，企业发明专利产业化率较十三五末提高8.4个百分点 [2] - 产业界已形成共识，下一轮竞争将由智能化水平定义，正轰轰烈烈投入全链智能化 [2][5] 制造业智能化转型的挑战 - 智能化转型不仅是技术问题，更是组织变革和公司治理问题，需要匹配新的组织能力 [9] - 大多数制造业企业缺乏顶尖的IT能力和对数据的理解，继承的流程管线在智能化命题上捉襟见肘 [9] - 企业面临不破不立带来的不确定性，如Argo AI因技术与监管难题解散，导致数十亿美元投资打水漂 [10] - 智能化投入巨大，企业一算账发现投入是几倍甚至几十倍，且难以形成清晰量化的预期回报 [12] 华为在制造业智能化中的角色 - 华为定位特殊，既有高科技属性又有制造业成色，在人工智能、云计算等前沿领域有广泛布局 [14] - 华为自身经历过多次技术趋势带来的组织转型，在转型命题上是一本写满参考答案的题集 [14] - 华为通过昇腾芯片、MindSpore框架、基础大模型等技术方案，搭建了全面的智能工具箱 [14] - 华为扮演制造业数智化转型升级的同行者，提供服务和支持，而非重复造轮子 [17] 智能化转型的成功案例 - 美的集团在智能化变革上已实现增效2.8亿元，提效490.4万小时 [15] - 美的与华为合作部署Atlas 900 A3 SuperPod超节点，把超大规模AI算力搬进企业 [17] - 华为与江淮尊界超级工厂合作，实现80%生产设备可连接，灵活应对数万种C2M定制化选配 [17] - 江淮工厂建立原子级质量管理体系，覆盖全流程，检测点多达26000余处 [19] 工业与AI融合的方法论 - 华为与合作方提出三层方法论：明确目标识别场景、AI开发与交付深入、建立测评与风险治理等级 [27] - 企业应把投入产出作为核心指标，筛选高价值可执行场景，营造人人懂AI用AI的氛围 [27] - 要建立可被AI识别复用的数据集，挖掘工业知识资产，并逐步引进适配的模型 [27] - AI应用场景测评与风险治理需将大小模型嵌入服务接口，并持续校准训练 [27] AI技术发展趋势 - AI演进速度惊人，GPT-3参数量17500亿，使用几千张V100；GPT-5达18万亿参数5万张芯片 [25] - 学术界与产业界存在天然时差，学术创新往往比产业落地快好几年甚至十几年 [21] - 互联网公司是AI先行者和数字化原住民，AI对它们是迭代而非转型 [22] - 制造业缺乏数字化基因，很难跟上AI前沿节奏，需要可借鉴、可复制的智能化路线图 [22]