21世纪经济报道记者 郑世凤
在传统的工厂车间里，有些老师傅拿到一张图纸，看一眼就知道这个东西该怎么加工——先做什么、后做什么、哪一步容易出问题。这个判断不是从书上看来的，是几十年在机床边上攒出来的。
“我们想做的，就是把这个判断放进模型里。”海智智造首席科学家李彦玮说，未来这个判断对应的数据，就像一个个乐高积木块，不会仅仅局限于搭个房子，还可以搭辆汽车，乃至拼出一个完全未知的东西，借助AI的工具，工厂主们或许会意外发现原来自己能做的远不止于此。
在李彦玮看来，这件事落到系统里并不玄乎，对应的是三样东西：读懂图纸的语义；把工艺规则和历史案例连同它们的适用条件一起检索进来；让制造现场的新限制、工程师发现的遗漏返回到模型，变成下一次的判断依据。“前两样叫知识检索，第三样叫自进化。换个说法，就是把老师傅的经验留下来。”
李彦玮的另一个身份是上海交通大学博士生导师、国家高层次青年人才，曾在字节跳动Seed团队任高级研究科学家。他所主导开发的工业基础模型 HAI 1.0，刚刚在第26届工博会上发布。
工业模型必须回答“怎么做出来”
“通用模型回答‘这是什么’，工业模型必须回答‘在什么条件下、用哪条工艺路线、大约多少钱、哪几家能做’——并且每一条都能追到依据。”
李彦玮这样描述两者的分野。“工业里最贵的成本不是生成一个答案，而是生成了一个错的答案还看不出错。”
在HAI 1.0的框架里，这件事被拆成三句话：把需求说清楚，将方案做出来，让经验留得住。
第一句听起来简单，做起来最费劲。一个“我想做这样一个零件”的需求通常是不完整的，模型要先把缺的信息转成问题继续追问：样品和图纸是同一版本吗？装配关系是什么？哪些尺寸不能动、哪些允许调整？“问清楚之前不做设计，这是硬规矩。”
第二句是执行。模型生成操作，CAD内核执行几何重建，然后分四层检查——几何与尺寸、功能与装配、工艺与制造、工程表达。过了检查才组织工艺路线、核价、匹配厂家。
第三句最难，也最值钱：自进化。李彦玮把它拆成两个闭环——工程闭环管这一次有没有改对，学习闭环管这条经验下一次能不能用。“把机器狗的零件换成机械臂部件，看系统是不是更早识别了问题。评估支持了，才把这次更新留下来。”
当被问及最吸引他加入海智的原因时，李彦玮给的答案很直接：“大模型最关键的问题，是数据从哪来。没有数据，其他都是假的，没法训练。”
据其介绍，成立于2015年的海智智造，如今手里握着80万家中国工厂的能力数据和400多万张完整交付的工程图纸。关键在于，这些数据不是为训练而采集的。“是在十一年业务过程中一点点攒下来的。我们现在做的训练，是顺带的事。”
另一头是买家数据——来自全球一百多个国家和地区的采购商，语言不同、标准不同、做事习惯也不同。
但图纸不能直接拿来训练。李彦玮强调，先要把关系整理出来：同一个零件改版前后图纸不一样，同样的工艺，批量不同，成本条件就变了，必须对齐零件和版本。原始资料要经授权、清洗和专家校核，缺失的地方保留标记，“不假设”。
“工业场景里，一个被悄悄补全的假设，比一个明摆着的缺口要危险得多。”李彦玮坦言。
工业AI最大的误区有两个
这两年，国家层面也在推进工业智能体与垂直行业模型。当被问及两者的区别时，李彦玮把答案落在颗粒度上：“工业有41个大类，谁也不可能全做。海智不按行业切，按能力切——我们关心的是这家工厂有什么设备、什么工艺、什么精度、什么资质。”
“另一个区别是，行业级的模型找的往往是标杆、大厂。我们平台上绝大多数是中小工厂——甚至是只有几台机器的夫妻店，或是有二三十人、三十台设备的小厂。”这些工厂从来不在任何一份行业名录的显眼位置，“但中国制造真正的弹性就在它们身上。”
对“AI平权会消解商业模式”的质疑，他的回答是：信息和能力不是一回事。
“老师傅的经验之所以值钱，不是因为他知道别人不知道的某个消息，而是因为他知道一件事该怎么做。这是能力，不是信息。信息不对称会被技术抹平，能力差不会——至少不会那么快。”
据其分析，AI平权真正消解的是门槛。“过去一个大学生想做个硬件产品，光是找到能做的工厂就得花半个月打电话、开车去看厂。这个门槛正在被消解掉。这对我们不是威胁，也是我们正在做的事。”
李彦玮举了自己学生的例子：学生在上海交大想做个创新创业的东西，以前得跑深圳、跑东莞找厂。现在把想法说清楚，模型帮他分解需求、匹配供应商，工厂把零件做好打包寄过来，他自己拼起来，一个新产品就成了。
李彦玮反复讲一句话：物理世界不看发布会。
同一个需求，人们在想法和实际生产中常常存在错觉：有人拿5000元要做两套金属塔罗牌，78种图案——客户按“两套牌”想价格，工厂按“78个图案×多道工序×两套产量”组织制造；有人拿1000元要从零定制一辆26寸折叠车——预算按“买一辆车”，要求却是“让一辆新车诞生”的全过程；有人用AI画出碟式无人机的效果图，加上保护圈之后，功耗比原方案增加了18%到37%。
“图片已经飞起来了，物理条件还空着。”李彦玮就此指出，工业AI最大的误区有两个：一是把它当成更快的搜索——“工业里真正的瓶颈不是信息找不到，是找到了之后能不能造、多少钱、多久、谁来做”；二是完全相信Demo——“Demo展示的是最好看的那一次，工业要的是最差的那一次也不出错。精度可以稍差，稳定性不能差。”
让制造能力可被搜索、可被调用
被问到中小工厂能得到什么，李彦玮给出的判断是克制的。
“中国有全球唯一的全门类工业体系，但大量工厂的能力是隐形的——它们知道自己能做什么，不知道自己的这项能力还能做什么。”李彦玮分析指出。这些工厂最难的不是做不出东西，是接不到活，卖不掉货。因为除了老客户，“圈外”没人知道它们还能做什么。给能力一个结构化的表达之后，变化将会很具体：过去靠熟人介绍、靠反复打样才能确认的事，现在可以在系统里一次说清楚，并被更多人看得见、找得到。
据了解，已经有不少中小工厂借助海智智造的平台实现“破圈”。今年，斯洛文尼亚一家专注高端卫浴的设计公司，想开发一款镜面质感更好、交互体验更强的淋浴控制器，向海智智造询盘。按产品目录去找，这单生意理应流向卫浴产业带；系统按工艺、设备、经验等200多个能力标签做适配，最终锁定的却是浙江一家主营汽车大灯加工的金属厂——两者看似隔行，工艺却相通。经过逆向开发，这家工厂很快把海外设计师的创意变成了可交付的产品。
类似的事情并非孤例：一家法国低空经济企业定制的高精度齿轮，在本土多轮试制都没能通过检测，经平台匹配到苏州一家工厂，一周内协同完成加工，零件成本降低至少67%，如今已装上重型直升机。那家苏州工厂起初也没想到，自己的产品能用在直升机上。
“大国重器当然厉害，但大国重器的背后，是无数很小很小的企业在做很小的零部件。它们每往前走一步，整个中国制造就跟着往前走一步。”李彦玮感慨道。如果说这一轮资本市场正在重估中国的科技资产，那么这些散落在产业带里、尚未被看见也尚未被定价的制造能力，或许是最容易被忽略的一块。海智智造想做的，正是给“全球唯一全门类工业体系”这块金字招牌，补上一张能被读懂、被调用的能力清单。
进博会开幕在即。关于接下来做什么，李彦玮说，HAI 1.0现在优先推进的是四件事：图纸理解、工艺路线、工程核价、厂家匹配。“让需求更容易表达，让专业制造能力更容易获得。剩下的，交给工程反馈一轮一轮去改。”
