文章核心观点 - 制造业AI最容易完成的是“做出一个场景”，最难回答的是这个场景究竟改变了什么，上线不等于用起来，局部提效也不等于经营改善 [4] - 讨论核心聚焦于AI是否改变了原有分工与流程、模型结论是否具备可解释可追溯可问责基础、单点场景如何跨产线跨工厂跨行业复用、工时和报告周期下降后良率交期库存能耗与维保成本是否真正改善 [7] - 活动旨在把讨论推进到制造业AI最现实的一层：它替代了什么、保留了什么、改变了哪些经营结果、下一笔预算应该投在哪里 [14] 核心分享一：高可靠制造中AI的边界 - 空天防务装备是离散制造中要求最严苛的场景之一，多品种、变批量、定制化，研制周期长，对质量可靠性与安全性容错率极低 [8] - 航天科工集团航天云网首席科学家邢镔结合装备研制与制造实践，分享工业互联网与AI如何进入研发生产流程，以及基于模型的系统工程（MBSE）如何支撑“设计—制造—服务”一体化 [8] 核心分享二：制造业AI为何先从办公室开始 - 外界注意力通常集中在产线，但对不少大型制造企业，AI最先规模化进入的并非车间而是管理总部 [9] - 通威股份AI技术创新负责人宁必果结合企业实践拆解办公AI真正减少了哪些工作、项目投入主要花在模型数据还是组织治理上、“节省工时”如何转化为可验证的企业价值、为何同一企业的办公AI与产线AI往往需要两套推进逻辑 [10][11] 核心分享三：单点场景跑通后的规模化复制 - 工业AI并不缺少成功试点，真正稀缺的是低成本、可持续的规模复制 [10] - 卡奥斯副总经理&CTO冯兴智从工业互联网平台视角分享工业模型与智能体的规模化路径，包括工艺机理和行业知识如何沉淀为可复用能力、智能体如何进入排产质量和设备维护等具体环节、跨工厂复制时数据精度合规和系统集成分别卡在哪里、平台化究竟降低了哪些成本又增加了哪些治理成本 [10][12] 圆桌研讨：下一笔AI预算投向何处 - 东芝电梯IT负责人朱惠中、万和新电气CIO田群佟、思谋科技AI产品总监刘凯分别来自装备后市场、家电研产销和工业AI技术侧，从不同位置讨论同一笔账 [10] - 电梯物联网与预测性维保进入实际业务后，AI改变的究竟是故障预测能力，还是派工方式、备件配置、服务成本与人员技能结构 [10] - 圆桌进一步追问不同场景应使用怎样的投入产出指标、一个AI项目应在什么情况下继续投又该在什么情况下及时停、制造企业下一笔AI预算应投向模型数据系统还是流程改造 [13] - 从PLM、仿真、MES到渠道数字化，预算有限时应先投哪一段，企业应优先补数字化基础还是直接进入AI应用 [15] - 工业视觉与质检模型发展至今，主要瓶颈究竟是算法精度、样本数据，还是现场管理与质量责任机制 [15] 参会价值与收获 - 获得一套判断AI项目价值的方法：不只看模型精度和使用人数，更关注良率、交期、换产时间、库存、能耗和维保响应等业务指标 [14] - 获得一张制造业AI的能力边界图：哪些环节已能稳定运行、哪些仍依赖人工经验、哪些暂时不适合交给AI [14] - 获得一组可相互对照的落地路径：从研发设计、生产制造、管理办公到后市场服务，比较不同环节的投入重点、前置条件与复制难度 [14] - 获得一次面向产业同行的直接交流机会，与家电、装备、新能源制造企业的AI数字化和IT负责人以及工业AI技术服务方共同讨论真实问题 [14] - 对于参会企业，了解家电、装备、新能源等行业的AI落地实践，为自身企业AI应用方向提供参考 [17] - 对于项目落地，围绕AI场景选择与实施难点交流经验，为企业AI项目落地提供思路 [17] - 对于行业同行，链接制造企业AI数字化负责人及技术服务商，拓展跨行业交流与合作机会 [17] 活动信息与参会人群 - 活动时间为10月28日（周三）19:00—21:00，形式为腾讯会议线上闭门研讨，报名审核制，免费参与，审核通过后受邀进入专属活动群 [14] - 推荐报名人群包括家电、装备与新能源制造企业的数字化AI及IT负责人，研发制造运营质量设备与供应链负责人，工业AI工业互联网及相关技术服务商从业者 [16] - 决策层覆盖家电、装备&新能源制造企业智能制造/AI/数字化负责人、工厂负责人、业务专家；技术侧覆盖工业AI、制造Agent服务商；投资与研究机构覆盖工业互联网专家及关注工业AI的产业研究机构 [23]