制造业的 AI 正从试点走向规模化。据 IDC，中国工业企业使用大模型/智能体的比例在一年间大幅上升。本文梳理制造业的真实 AI 应用与案例，并说明如何用 osFoundry 在数据不出厂的前提下私有化落地。

说明：dgm 是独立于 osFoundry 的集成与落地服务商。文中数据多为公开报道、厂商口径或业内估计，已作标注；落地前以官方为准。

主要应用场景

工信部的 AI 应用场景指引把以下列为核心场景：

  • 质检 / 视觉检测：缺陷识别与在线检测。
  • 预测性维护：设备故障预测与运维。
  • 智能排产：排程与产能优化。
  • 工艺优化：参数寻优与良率提升。
  • 设备知识库：基于手册与工单的问答。

真实案例（公开报道）

据公开报道，海尔卡奥斯”天智”工业大模型沉淀了大量机理模型并在多个场景落地，联通”元景”等也有应用，树根互联、创新奇智等提供工业 AI 平台。底层常以 DeepSeek 叠加盘古、通义、文心等。部分降本提效数字来自厂商或媒体，应谨慎引用。

落地的难点

  1. 数据不出厂：产线与工艺数据敏感，私有化/本地部署(含一体机)是主流。
  2. 系统孤岛：MES 与 ERP 等系统割裂，集成周期较长(相关比例多为业内估计)。
  3. 国产化 / 信创：模型与算力的国产化适配。
  4. 多模型 / 多平台并存：治理与运维负担。

osFoundry + dgm 的落地思路

osFoundry 作为模型无关的编排平台：

  • 产线私有化：支持自有环境自托管与端侧推理，数据不出厂(注意 osFoundry 官方数据区为美/欧/日，产线以自托管为主)；
  • 系统打通：通过连接器接入 MES/ERP 等系统；
  • 多模型与自动化：以 BYOK 接入多模型，把质检、排产、设备知识库做成可控的智能体与应用。

dgm 作为独立的 osFoundry 集成伙伴，负责产线私有化部署、系统集成与多模型接入。

小结

制造业 AI 的关键是”数据不出厂 + 打通系统”。如果你的工厂希望规模化落地 AI，欢迎联系 dgm，基于 osFoundry 设计私有化与集成方案。