问题——制造业提质增效进入“深水区”，研发环节仍是瓶颈点之一。
传统制造企业在“研产供销”链条中，研发承担产品数据管理、项目协同、知识沉淀与工艺规划等多重任务，既关系产品上市周期，也影响质量稳定性与成本控制。
以钣金、配管等零部件工艺规划为例，长期依赖工程师经验和手工编制，易受人员能力差异、数据分散、标准难以复用等因素制约，导致工艺路线制定耗时、作业指导书编制效率不高，进而影响后续制造与交付节奏。
原因——一方面，研发知识“沉在系统里”，难以被快速调用。
企业积累了大量标准、技术文档、历史工艺与项目经验，但分布在不同系统与文件中，检索成本高、复用门槛大。
另一方面，制造场景复杂多样，单一技术路线难以直接适配。
工业三维数据处理、工艺特征识别与自动规划对精度要求高，如果识别与推理能力不足，难以进入生产级应用；同时，不同工厂、不同产品线的工艺规则与设备能力差异明显，决定了应用必须“贴着业务长”、依靠数据与规则共同迭代，才能实现稳定可用。
影响——在政策推动与企业实践叠加下，人工智能正从“局部试点”走向“系统融入”。
2026年广东省政府工作报告提出，深化拓展“人工智能+”，支持人工智能深度赋能千行百业、造福千家万户。
在这一背景下，美的集团加快推动相关技术在研发与制造环节落地。
其发布的美擎AIGC 3.1及“智能体工厂解决方案”，聚焦企业级应用创新与落地，覆盖研发、供应链、计划、制造、品质、物流、设备、工艺等40多个核心业务场景，意在推动技术与生产运营深度结合，形成可规模化复制的能力体系。
从典型场景看，工艺设计智能体围绕三维数模实现工艺特征自动识别、工艺路线智能生成与加工成本测算，将钣金、配管等零部件工艺规划从过去人工一至两小时压缩至秒级完成，并带动作业指导书编制效率平均提升约1小时，准确率达到90%以上。
业内人士指出，这类应用的价值不止于“更快”，更在于把分散的经验转化为可标准化、可共享的能力，使新人也能在统一标准下开展工作，从而降低知识断层风险，提升研发组织的稳定性与韧性。
对策——从“技术驱动”转向“业务牵引+数据治理+人机协同”是落地关键。
首先，要以高价值、可量化的业务痛点为入口，优先在工艺规划、品质分析、能耗优化等链条环节推进闭环应用，形成可复盘的指标体系。
其次，要重视数据与规则体系建设，把企业标准、工艺约束、设备能力与历史案例纳入统一治理，避免“模型会说但做不到”。
再次，坚持人机协同的组织方式，让系统承担重复性、规则性强的工作，工程师把精力聚焦在方案评审、复杂问题处理与创新设计上，逐步形成“工具—流程—组织”协同升级的管理闭环。
值得关注的是，工艺设计智能体的落地过程也提示了工业应用的现实路径：面对识别精度瓶颈，团队从单一视觉识别思路转向“机器识别+算法”的组合方案，通过算法与业务规则的结合提升工业三维数据处理与工艺自动规划能力，实现关键环节的“从零到一”突破。
这表明，制造业智能化并非简单引入某项通用技术，而是要在工程方法、数据资产与行业知识之间建立可持续的融合机制。
前景——随着场景持续拓展，智能体有望成为制造企业的新型基础能力，并推动产业链整体效率提升。
当前，中国制造业具备场景数量多、复杂度高、链条长的特点，这既带来应用难度，也形成独特优势：在大量真实业务中快速迭代，推动能力从“能用”走向“好用、常用”。
从企业层面看，研发环节的智能化将加快产品迭代与工艺优化，进一步缩短交付周期、稳定质量表现；从产业层面看，更多可复制的解决方案将带动上下游协同效率提升，并促进制造业向数字化、网络化、智能化纵深发展。
与此同时，行业仍需在数据安全、知识产权保护、模型可控可审计等方面同步完善制度与标准，确保应用“跑得快”也“跑得稳”。
当前，推动人工智能与实体经济深度融合已成为国家发展的重要战略。
制造业作为实体经济的主体，其智能化转型的成败直接关系到产业竞争力的提升。
美的集团在研发设计、生产制造等环节的AI应用实践表明，只要坚持问题导向、场景导向，敢于创新突破，就能将先进技术转化为现实生产力。
这些"零到一"的微小突破，正在汇聚成推动制造业转型升级的强大合力，为中国制造向中国智造的升级提供了有力支撑。