编者按：人工智能（AI）与制造业的深层次地融合已成为产业升级的关键推动力量。然而，关于人“人工智能+制造”的切口、应用场景，看法多元、路径不一，这虽然体现了行业探索的活跃度，却也让制造业主体在智能化升级中面临选择困惑与实施难题。
《中国工业报》“人工智能+制造”核心主线大型策划报道旨在通过深入采访，剖析人工智能+制造的发展难题，通过梳理政策重点、挖掘实践案例、比较产品方案，探寻“人工智能+制造”主要路径、典型场景，提炼“核心主线”。同时，推动理论研究、企业需求与产业供给的有效对接，促进人工智能+制造高效落地，快速推进新型工业化。
用友认为：未来3-5年，“人工智能+制造”核心主线将围绕“数据驱动的场景深耕”展开：
一是核心业务场景的深度智能化，比如智能供应链、智能质检、生产辅助决策、工艺知识管理等；
二是数据资产的价值转化，通过统一数据标准、加强数据治理，让数据成为制造企业的生产力；
三是能力沉淀与传承，将隐性的经验、技术转化为可复用的数字资产，推动制造业从“经验驱动”向“数据驱动”转型。
作为聚焦中型以上制造企业的数字化解决方案提供商，用友U9 cloud在AI与制造的深度融合领域已积累丰富实践经验。近日，中国工业报专访用友U9 cloud事业部总经理郑瀛，就核心业务模块的AI融合逻辑、典型应用成效、行业发展阶段判断与未来趋势展望展开深入交流，希望为制造企业推进“人工智能+制造”、实现高效融合提供有价值的参考。
《中国工业报》：用友U9 cloud的哪些核心模块已融合AI技术？为何选择这些模块优先突破？
郑瀛：在数据服务、研发/工艺管理、供应链协同、成本管理、合同与文档处理等核心模块已实现AI技术融合。选择这些模块优先突破，核心原因主要在于这些模块直接影响企业的交付能力、经营质量与过程管理，是AI能够产生实际价值的优先落点。
一是在成本分析领域，通过结合历史数据和业务逻辑，提供更为贴近的成本预测；二是在合同与文档管理中，通过智能识别技术解析长文档要素并与系统数据自动关联；三是在供应链与库存管理中，通过科学建议协助企业提升报价准确性、减少库存风险。
《中国工业报》：这种AI融合是客户的真实需求主导，还是企业战略与技术迭代推动？其创新性体现在哪里？
郑瀛：AI融合是客户的真实需求与企业战略双向驱动的结果。一方面，我们深度研究客户的真实业务场景；另一方面，从技术发展的新趋势来看，AI在制造业的应用已经具备成熟基础。
AI对各行各业的影响已不可逆，制造业尤其需要通过技术融合打破传统模式瓶颈——比如将工匠经验数据化沉淀，建立核心制造能力。
创新性则大多数表现在两方面：一是定位清晰，U9 cloud聚焦中型及中大型制造企业，以中国制造企业的行业特性和场景为中心推进智能化能力；二是技术路线务实，我们不专注于基础大模型开发，而是专注于将成熟模型与具体业务场景的结合，通过数据能力、展示能力及底层平台能力，提升业务效率。
《中国工业报》：能否分享1-2个“人工智能+制造”代表性项目，其具体价值体现在哪些方面？
郑瀛：当前中国制造的核心能力虽强，但普遍面临一个共性挑战——核心制造经验和知识未完全数据化，难以沉淀与传承。我们的AI应用正是在解决这一问题的同时，在具体场景中创造价值。
比如在某电子制造企业的供应商协作场景中，以往人工查图往往需要数小时，我们通过AI技术优化流程后，基于AI的图纸识别和文本解析能力，系统能够在“分钟级”完成关键字段识别，明显提升了操作效率。
另一典型应用是智能工艺设计，我们将工艺专家的文档经验结构化，使部分隐性知识得以复用，为智能化工艺设计奠定基础。
这些成果说明AI在制造场景中已具备现实可行性，并能为公司能够带来实质性收益。
《中国工业报》：客户在使用AI前后，体验与需求有何变化？面临的主要挑战是什么？
郑瀛：客户初期使用时，最直观的体验是效率提升，比如更快地获取信息、自动处理部分重复性工作等。但随着深入应用，企业逐渐关注更深层需求，例如用AI支持战略决策、提升业务流程韧性等。
客户面临的挑战大多分布在在三方面：一是数据基础薄弱，一些历史数据结构不一、准确性不足，微小的数据偏差都可能会引起AI输出误差；二是适应成本，需要调整原有操作习惯并优化流程；三是预期管理，AI的效果高度依赖数据质量和需求场景的清晰度，需合理设定期待。
对此，我们会通过协助客户进行数据整理、提供个性化培训服务，并基于持续反馈优化产品，以确保AI应用稳健落地。
《中国工业报》：结合国务院“人工智能+”行动及实践，当前制造业“AI+”处于什么发展阶段？未来3-5年的核心主线是什么？
郑瀛：总的来看，行业正处于从“单点试用”向“体系化建设”过渡阶段。政策推动力度大，但数据基础不统一、场景差异大等问题仍制约规模化落地。
未来3-5年，“数据驱动的场景深耕”将成为核心主线，大多数表现在三方面：：一是核心业务场景的深度智能化，比如供应链优化、智能排程、工艺设计等；
二是数据资产的价值转化，通过统一数据标准、加强数据治理，让数据真正成为制造企业的生产力；
三是能力沉淀与传承，将隐性的经验、技术转化为可复用的数字资产，推动制造业从“经验驱动”向“数据驱动”转型。
郑瀛：最大挑战在数据层面。不同企业的数据口径不一致、历史数据完整性和结构化程度参差不齐，都会影响AI模型的训练与效果。
一是建立统一数据标准，对各类工业数据制定一致口径，确保数据前后连续、可复用；
《中国工业报》：下一步，U9 cloud在AI研发与推广上有怎样的计划？
郑瀛：未来我们将继续聚焦制造业的关键场景，包括智能供应链、智能质检、生产辅助决策、工艺知识管理等方向，推出更多基于成熟应用的大模型增强能力。同时，我们也会持续优化与模型的交互方式，加强数据治理与底层能力建设，以适应不一样行业的差异化需求。
此外，我们还将结合本土化实践与全球化视野，持续提升服务出海制造企业的能力，以数字化方式支持企业拓展全球业务。
中国工业报社“2025数智工业创新实践案例征集活动”面向工业和信息技术业，征集、遴选一批可复制的数智化转型优秀案例和可推广的数智化优秀产品和方案，经评审、公示后，形成“2025中国智造基石名录”，编撰《2025数智工业发展的新趋势报告》，并将于第十八届中国工业论坛2025数智工业探索者论坛上发布。本活动是中国工业报社“2025寻找新质生产力领跑者案例”数智化维度的具体依托，入选名录的案例将向“2025新质生产力领跑者案例”推荐。