新疆川宁科技厂区里，数十台五层楼高的巨型发酵罐日夜不间断地运转。这套体量庞大的生产设备过去需要依靠老师傅两小时一次进行人工调控，多年始终难以突破产量瓶颈。如今，AI赋能实现24小时实时精准把控生产，仅一个月发酵产量提升5%，实现上了亿元经济效益的提升。
这一切源自上海交通大学人工智能与微结构实验室主任李金金教授团队研发的工业时序控制大模型ManuDrive，它打造出制造业“AI 老法师”，帮助企业提升产能、稳定生产工况、显著降低产线波动。
让 AI 看懂生产线的“流动”
工业生产是一个动态过程，原料、设备和环境都处于变化，工业时序AI让机器不止处理静态的数据，还能看懂生产线的“流动”，实现动态调整。“做到这一点，AI才能真正‘会生产’，才能把师徒相传的隐性工艺经验转化为可实时调控的数字逻辑。”李金金解释。
据介绍，ManuDrive搭载 127 套标准化通用功能模块，实现流程制造、离散制造全行业AI赋能，把行业资深工艺专家的实操经验沉淀、封装进AI算法体系，达到工业级标准的AI全流程自主感知、预判与闭环调控，完成AI对工厂全生产链路自主接管。
复制“老师傅”超越“老师傅”
这一切是如何做到的？
团队为风电零部件企业打造的 AI 智能选刀系统，是ManuDrive落地车间的典型样板。
在风电零部件制造车间，最“卡”的流程是“选刀”——加工一件零件要对照两套图纸手动挑选刀具，完全依靠老师傅长年积累的实操经验，车间存放着三千多把加工刀具，完整流程甚至要耗费几十天。成熟手艺稀缺、难复制，新手易出错，轻则报废零件、损毁刀具，重则砸坏几百上千万的进口机床，甚至危及人员安全。
在ManuDrive作为“底座”的基础上，驻厂前沿部署工程师扎根车间、全程跟进加工流程，收集图纸标准、各类刀具使用记录和过往事故案例，搭建线上刀具资料库；同时通过与车间老师傅反复沟通，把深藏“老法师”脑海中的选刀技巧、避险经验总结规律写进代码，让AI吃透老师傅全部实操经验，再依托深度学习将生产数据持续反馈迭代、自主优化，最终超越人工经验。系统上线两个月，撞刀事故“零发生”，选刀工作缩短至十分钟，刀具耗材整体成本降低15%。
从“隔行如隔山”到“行行有状元”
通常不同制造企业的工艺要求、专业经验千差万别，但ManuDrive底座拥有通用和泛化能力，已诞生“AI生物发酵工程师”“AI CAD图纸生成工具”“AI工业建筑设计师”“AI刀具规划师”等十种标准化工业智能应用场景。团队成立的金珵科技已转化技术服务数十家上市制造企业。
除了多年积累的原创算法核心能力，团队培育的一批前沿部署工程师也是让先进技术真正精准落地赋能企业的关键。前沿部署工程师陈建豪一年有300天几乎泡在了生产线上，这是AI时代的新角色。这些深入工业现场的一线技术人员，对接产线现场工况，完成模型调试、工艺适配等工作，在全国各地各类制造车间完成先进技术精准落地。此外，联动高校实验室，金珵还增加了前沿部署研究员，基于一线回传海量工业数据，持续迭代底层机理模型，形成 “一线落地优化 — 后台算法升级” 双向循环。
“前期与龙头企业的合作实现了ManuDrive大模型的建立，加上产学研人才培育和储备，为未来服务更多中国中小微企业，实现集体产业升级提供了基础，帮助存量制造业再创增量。”对此，李金金团队充满信心。
7月，上海市经济和信息化委员会发布《上海市进一步推动 “AI + 制造” 发展的若干措施》；FDE前沿部署工程师培训也已纳入上海市专业技术人才知识更新工程2026年度高级研修项目计划。在技术实力和政策支持下，李金金团队坚持“产业出题、科技答题”，金珵科技构建起通用工业大模型规模化落地全新范式，成为人工智能深度赋能实体经济、先进制造业的标杆实践。
中金汇融提示：文章来自网络，不代表本站观点。
