TCL研究院俞大海 从智能制造实践中提炼的宝贵经验丨CCF-GAIR 2019 人工智能通用应用系统分享

在2019年CCF-GAIR（全球人工智能与机器人峰会）人工智能通用应用系统论坛上，TCL研究院的俞大海先生基于其在智能制造领域的深厚实践，分享了从一线探索中出的关键经验。这些经验不仅为制造业的智能化转型提供了切实可行的路径，也为人工智能技术的落地应用带来了深刻启示。

1. 数据是智能制造的基石，但高质量的数据获取与治理是首要挑战
俞大海指出，智能制造的核心驱动力来自数据。在传统制造场景中，数据往往分散、孤立且质量参差不齐。因此，企业必须优先构建统一的数据采集体系，打通设备层、生产层与管理层的数据孤岛，并建立严格的数据治理规范。只有获得准确、实时、完整的数据，人工智能算法才有用武之地，否则再先进的模型也只是“无米之炊”。

2. 场景驱动而非技术驱动，找准痛点方能创造价值
他特别强调，智能制造的成功绝非源于对AI技术的盲目追捧，而应始于对具体业务场景的深刻理解。企业需要从生产流程中的实际痛点出发，例如产品质量检测、设备预测性维护、供应链优化、能耗管理等，选择合适的技术方案进行针对性突破。以TCL的实践为例，通过在面板检测环节引入机器视觉，显著提升了检测效率与准确率，这便是技术为业务赋能的典型体现。

3. 人机协同是关键，智能化旨在增强而非取代
俞大海认为，智能制造并非追求完全的“无人化”，而是要实现高效的人机协同。人工智能应作为工具，辅助工程师进行决策、解放工人从事重复性劳动，并提升整体运营的灵活性与响应速度。培养既懂制造工艺又懂数据技术的复合型人才，建立人与系统顺畅交互的流程，是确保智能化系统持续发挥效能的保障。

4. 系统化思维与迭代演进，避免“烟囱式”建设
智能制造是一个复杂的系统工程。他提醒道，企业需具备顶层设计的系统化思维，避免孤立地建设一个个“烟囱式”应用。平台化架构至关重要，它能够支持不同解决方案的集成与数据的流动共享。智能化升级并非一蹴而就，应采用小步快跑、持续迭代的方式，在验证中不断优化和扩展应用范围。

5. 生态合作与开放创新
俞大海分享了TCL在推进智能制造过程中的开放态度。面对技术快速迭代，单打独斗难以应对所有挑战。与高校、研究机构、科技公司乃至同行业伙伴建立生态合作，共同攻克关键技术难题，共享行业知识，能够加速创新步伐，降低转型风险。

俞大海在CCF-GAIR 2019上的分享，清晰地勾勒出一条从实践中来的智能制造落地路径：以扎实的数据基础为起点，聚焦真实业务场景，通过人机协同实现价值创造，并以系统化、迭代式和开放合作的方式稳步推进。这些经验为正在或即将踏上智能化转型之路的制造企业提供了极具参考价值的行动指南。