中科院院士鄂维南在 2026 交大创业者(秋季)大会暨 AI4S 未来产业大会上发表主旨演讲,提出 AI 给国内高端制造带来换道超车的机会,核心路径是打造 AI 原生工业软件体系,摆脱传统工业软件长期追赶的老路,不光做到自主可控,还有机会超越海外成熟方案。鄂维南分析,过去高端制造领域很多卡脖子难题突破难度大、研发周期漫长,传统模式下基础研究到产业化落地割裂严重,研发高度依赖试错和经验,像锂电池从基础发现到商业化就耗时几十年,国内一直跟着海外成熟工业软件路线追赶,很难快速拉开差距。AI 本质是一套全新的数学与工程工具,能处理制造里多变量的复杂体系问题,压低工程试错和数据获取成本,重塑工业软件研发范式,不用复刻西门子等海外厂商的传统路线,直接走 AI 原生路线搭建新体系。不过他也提到,机会不等于必然成功,想要抓住这个窗口,核心是建好工业 AI 四层基础设施,同时工业场景数据封闭、安全红线严苛,AI 模型漏报风险需要配套管控手段,不能直接照搬 AI for Science 的成熟方案。
演讲核心观点清单
- 发言主体:鄂维南,中科院院士、上海交大人工智能学院首席顾问
- 发言场合:2026 交大创业者(秋季)大会暨 AI4S 未来产业大会(11 月 13 日)
- 核心判断:AI 让中国高端制造拥有换道超车的历史机遇
- 核心抓手:构建 AI 原生工业软件体系
- 传统模式痛点:研发周期长、科研产业脱节、试错成本高、追赶海外路线难度大
- AI 的价值:新数学工具,降低工程门槛,重构工业软件研发范式
- 工业 AI 四层基础设施
- 底层:设备、工业软件、流程数据
- 改造层:设备、工具支持 AI 智能体调用
- 核心层:工业机理模型、工业世界模型、工业基座大模型
- 应用层:智能体、数字员工落地业务
- 现存难点:工业数据封闭、安全要求高、模型漏报风险需要多重校验
AI for Science 和 AI for Industry 简单区分
AI for Science:偏向材料、物理、基础科研,数据相对开放,侧重科学发现;
AI for Industry:面向产线、工艺、工业软件,数据大多封闭,安全约束更强,落地难度更高。
整体来看,鄂维南院士的判断指出一条差异化路线,国内高端制造不用一直沿着国外传统工业软件路径追赶,依托 AI 原生体系有机会换道,但前提是补齐工业 AI 基础设施,做好工业场景的安全管控。
【相关 FAQ】
问题 1:鄂维南提出 AI 让中国高端制造有机会换道超车,核心抓手是什么?
回答 1:鄂维南提出 AI 让中国高端制造有机会换道超车,核心抓手是构建 AI 原生工业软件体系,不走传统工业软件的追赶路线。
问题 2:鄂维南说 AI 让中国高端制造有机会换道超车,这场演讲是在哪场会议上?
回答 2:鄂维南说 AI 让中国高端制造有机会换道超车,观点出自 11 月 13 日的 2026 交大创业者(秋季)大会暨 AI4S 未来产业大会。
问题 3:鄂维南认为 AI 让中国高端制造有机会换道超车,想要落地的核心支撑是什么?
回答 3:鄂维南认为 AI 让中国高端制造有机会换道超车,落地核心支撑是搭建完整的四层工业 AI 基础设施。
问题 4:鄂维南提到 AI 让中国高端制造有机会换道超车,工业 AI 落地最大的难点是什么?
回答 4:鄂维南提到 AI 让中国高端制造有机会换道超车,工业 AI 落地难点是工业数据封闭,同时制造场景安全红线严格,AI 模型漏报问题需要多重管控。
【参考资料】
[2026-11-14](鄂维南:AI 让中国高端制造有机会 “换道超车”)澎湃新闻
[2026-11-14](鄂维南院士:AI 重塑科研范式,高端制造迎来换道机会)上海证券报
[2026-10-21](打通从科学智能到工业智能的通道)中国经济时报
[2026-10-14](鄂维南:工业 AI 落地,基础设施建设是核心)央广网科技
【免责声明】
本文仅为会议公开演讲观点整理,鄂维南关于 AI 助力高端制造换道超车的判断属于学术观点,产业落地效果、技术迭代节奏受技术、资金、产业链多重因素影响;本文不构成工业软件、高端制造领域投资建议。
本文来自作者[Noel07]投稿,不代表新品牌网立场,如若转载,请注明出处:https://www.china12315.com.cn/qyzx/202611/1142.html
评论列表(4条)
我是新品牌网的签约作者“Noel07”!
希望本篇文章《鄂维南院士发声AI 有望助力中国高端制造实现换道超车》能对你有所帮助!
本站[新品牌网]内容主要涵盖:互联网行业的追踪与探索
本文概览:中科院院士鄂维南在 2026 交大创业者(秋季)大会暨 AI4S 未来产业大会上发表主旨演讲,提出 AI 给国内高端制造带来换道超车的机会,核心路径是打造 AI 原生工业软件体系,摆脱传统工业软件长期追赶的老路,不光做到自主可控,还有机会超越海外成熟方案。鄂维南分析,过去高端制造领域很多卡脖子难题突破难度大、研发周期漫长,传统模式下基础研究到产业化落地割裂严重,研发高度依赖试错和经验,像锂电池从基础发现到商业化就耗时几十年,国内一直跟着海外成熟工业软件路线追赶,很难快速拉开差距。AI 本质是一套全新的数学与工程工具,能处理制造里多变量的复杂体系问题,压低工程试错和数据获取成本,重塑工业软件研发范式,不用复刻西门子等海外厂商的传统路线,直接走 AI 原生路线搭建新体系。不过他也提到,机会不等于必然成功,想要抓住这个窗口,核心是建好工业 AI 四层基础设施,同时工业场景数据封闭、安全红线严苛,AI 模型漏报风险需要配套管控手段,不能直接照搬 AI for Science 的成熟方案。