最近，全民“養(yǎng)龍蝦”的熱潮正在讓AI深度進入到大眾的視野中，Agent的加速發(fā)展，也在一改過去產(chǎn)業(yè)的運營邏輯。當下幾乎所有的行業(yè)，正處在多個超級周期共同作用下的中心，技術(shù)的迭代、供需的變化以及宏觀趨勢的發(fā)展正變成新的動能，延伸至我們的生產(chǎn)和生活的每一個角落。

在這之中，制造業(yè)也在加快智能化變革的速度，只不過，面對多元的復(fù)雜應(yīng)用場景與海量數(shù)據(jù)洪流，制造企業(yè)普遍面臨算力不足、異構(gòu)設(shè)備納管難、系統(tǒng)兼容性差、運維成本居高不下等核心痛點。

在以大模型為基礎(chǔ)特征的AI 2.0時代，“大模型+大算力+大數(shù)據(jù)”成為新一代人工智能發(fā)展的基本范式。但更關(guān)鍵的問題是，如何將這些AI的底座和機能轉(zhuǎn)換為在千行百業(yè)中可衡量、可復(fù)用的生產(chǎn)力，能否建立一套從數(shù)據(jù)原料到智能產(chǎn)品的標準化輸入和輸出體系。

在此前的AI春晚GTC大會上，黃仁勛再次強調(diào)了關(guān)于AI工廠的概念。此次在一汽集團，也看到了關(guān)于AI工廠落地的成果，聯(lián)想中國基礎(chǔ)設(shè)施業(yè)務(wù)群戰(zhàn)略管理管理總監(jiān)黃山認為，“以黃仁勛的解釋來說，未來AI工廠就是來生產(chǎn)智能的范式，將原本復(fù)雜且孤立的AI開發(fā)任務(wù)，轉(zhuǎn)變?yōu)橐粭l標準化、高效率的現(xiàn)代‘AI生產(chǎn)線’?！?/p>

制造業(yè)智能化轉(zhuǎn)型下的算力焦慮

當下，大模型的發(fā)展正呈現(xiàn)三大演進方向，首先是深度上，從千億到萬億的參數(shù)模型，正通過架構(gòu)規(guī)模成指數(shù)級的擴展，追求更大的知識表征和涌現(xiàn)的能力。在廣度上，大模型從單模態(tài)、單一信息的處理轉(zhuǎn)向多模態(tài)、多維感官數(shù)據(jù)的全面融合和協(xié)同處理。在長度上，大模型不斷突破上下文限制，支持更長的以及更復(fù)雜的連貫推理。

中國的算力產(chǎn)業(yè)也進入到高速發(fā)展的黃金期，從算力規(guī)模競賽邁入了系統(tǒng)協(xié)同的新階段，從單點到系統(tǒng)集成的技術(shù)協(xié)同，從通用化到場景化的應(yīng)用協(xié)同，從封閉的競爭到開放共贏的整個生態(tài)協(xié)同。只是，任何技術(shù)的參數(shù)擴張更核心的是需要在場景落地，在AI帶來的產(chǎn)業(yè)變革下，如何把算力轉(zhuǎn)換為企業(yè)增長的新動能，成為全新的議題。

其中，汽車制造業(yè)呈現(xiàn)出向智能化、網(wǎng)聯(lián)化轉(zhuǎn)型的大趨勢。一汽集團相關(guān)負責(zé)人表示，算力已成為一汽集團向高端化、智能化、低碳化發(fā)展的關(guān)鍵驅(qū)動力。從研發(fā)設(shè)計到生產(chǎn)制造以及智能座艙，都離不開算力的支撐。

與此同時，汽車制造作為最典型、最復(fù)雜的"離散制造"行業(yè)之一，其向智能化、網(wǎng)聯(lián)化轉(zhuǎn)型的趨勢對底層算力基礎(chǔ)設(shè)施的規(guī)模、穩(wěn)定性和數(shù)據(jù)處理能力提出了極高要求。其所牽扯的鏈條眾多，不同工藝場景下的數(shù)據(jù)復(fù)雜，很難用一套方案去應(yīng)用在所有的環(huán)節(jié)。

并且，在AI變革下，過去的技術(shù)架構(gòu)邏輯也需要做出改變。比如傳統(tǒng)架構(gòu)各系統(tǒng)獨立部署，廠商技術(shù)棧不統(tǒng)一，數(shù)據(jù)分散割裂，形成數(shù)據(jù)孤島。當下，如何將企業(yè)AI應(yīng)用從可用變?yōu)楹糜?，成為汽車等制造業(yè)智能化轉(zhuǎn)型下的新焦慮。

AI工廠，能否讓智能體規(guī)模化落地？

目前，AI正在不斷打破我們的認知，成長為更自主、更智能的智能應(yīng)用專家。只是，正如上文所提及的算力焦慮一樣，AI時代，企業(yè)需要的不僅是工具，更是一套完整的解決方案。而AI工廠，這個被多次提及的產(chǎn)物，正在成為智能體在企業(yè)規(guī)?；涞氐男路绞?。

黃山指出，在過去的幾年時間里，AI實現(xiàn)了三段能力升級，分別是以ChatGPT為代表的1.0生成智能，進行簡單的內(nèi)容創(chuàng)作，還沒有ready進入到生產(chǎn)場景；2.0是以DeepSeek為代表的推理智能，具備邏輯推理與問題拆解能力；3.0行動智能則通過工具調(diào)用將決策轉(zhuǎn)化為操作，比如OpenClaw。Agent的爆發(fā)讓模型長出了手腳，而AI工廠便是生產(chǎn)Agentic AI的先進范式。

在他看來，AI工廠是一套可管理、可復(fù)制并支持持續(xù)運營的標準化體系，其核心在于將原本復(fù)雜且孤立的AI開發(fā)任務(wù)，轉(zhuǎn)變?yōu)橐粭l標準化的現(xiàn)代”AI生產(chǎn)線”。從場景到將客戶數(shù)據(jù)采集作為“原材料”，經(jīng)過智能體開發(fā)平臺與AI訓(xùn)練引擎的處理，最終形成可交付的智能體、垂直領(lǐng)域模型與推理服務(wù)等“產(chǎn)品”。

需要指出的是，當前AI工廠還在落地初期，目前還存在較多的挑戰(zhàn)，比如數(shù)據(jù)治理上，如何去清洗與轉(zhuǎn)換和指導(dǎo)，把雜亂的數(shù)據(jù)，變成真正可用的企業(yè)知識庫，把企業(yè)知識庫與個人知識庫相融合，能夠讓企業(yè)與個人實行有效的互動和共創(chuàng)。

數(shù)據(jù)就緒之后，便是算力的高效產(chǎn)出問題。如何把計算變得高效、成本變得可控，如何讓每個TOKEN既有低的成本，又有快速的響應(yīng)，同時不帶幻覺，這是要解決的問題。當然，還有能耗以及安全等方面的考驗，這些都是AI工廠落地不可回避的問題。

去年年底，聯(lián)想推出了AI工廠解決方案，提供硬件設(shè)施、數(shù)據(jù)采集、智能體開發(fā)、模型訓(xùn)練以及推理服務(wù)的全棧方案。黃山稱，把復(fù)雜的變成簡單的，把簡單的變成標準的，把標準的變成可執(zhí)行的、自動執(zhí)行的流程，這樣才能保證在每一次的流程里面去規(guī)模化地生產(chǎn)出來企業(yè)所需要的智能。

據(jù)介紹，聯(lián)想在與一汽集團的合作中，涉及到底層架構(gòu)、異構(gòu)算力融合以及安全合規(guī)等多方面。截至目前，聯(lián)想在AI算力基礎(chǔ)設(shè)施領(lǐng)域已形成了包括萬全異構(gòu)智算方案，以及服務(wù)器、存儲、數(shù)據(jù)網(wǎng)絡(luò)和軟件及超融合的"一橫四縱"的布局。其中，萬全異構(gòu)智算平臺4.0目前已經(jīng)為眾多算力場景提供支持。

在此前的交流中，黃山曾表示，推出AI工廠就是為了使客戶不需要再關(guān)注基礎(chǔ)設(shè)施方面的各種復(fù)雜問題，以一套標準化體系，用更少的算力幫助客戶做好智能體的開發(fā)，幫助到中小企業(yè)降低AI應(yīng)用的初始門檻和運營成本。與一汽合作，也希望一起推動制造業(yè)智能化發(fā)展。

據(jù)黃山透露，除了汽車制造業(yè)，目前聯(lián)想AI工廠已經(jīng)在多個場景有了落地應(yīng)用。只不過，在算力建設(shè)的窗口期，如何在更多的制造業(yè)場景將AI工廠規(guī)?；涞兀锹?lián)想需要繼續(xù)優(yōu)化解決的問題，也會成為未來算力基礎(chǔ)設(shè)施市場角逐的核心。（文 | 志讀科技，作者 | 杜志強，編輯 | 楊林）