7月19日，2026世界人工智能大会（WAIC）现场，上海精智（873842）董事长魏杰抛出了一项颇具分量的观点——制造业的下一站，并非为工厂装配一个只会聊天的AI工具，而是让AI真正深入工厂、理解各种约束条件、参与决策流程，并对最终结果承担责任。这位长期扎根制造一线的实业家直言，当前工业AI落地面临着一套系统性的困境。 “工厂真正需要的，不只是一个会回答问题的AI，而是一个能扛起责任的智能系统。”魏杰的开场白直接戳中了行业痛点。他坦言，过去一段时间，生成式AI的确极大拓展了想象空间，但不少项目在实验室里光鲜亮丽，一旦进入车间就出现“水土不服”。核心原因在于三个断点：数据难以获取、模型难以专业化、验证场景极度稀缺。订单、图纸、工艺、设备数据散落在ERP、MES以及老师傅的头脑中，缺的不是数据量，而是生产语义；工艺排产需要同时满足公差、物料、交付等多重硬约束，通用模型很难真正理解；而工厂不同于互联网，试错成本极高，一次错误的排产可能让整条生产线停摆，真实的验证场景极其匮乏。 面对这套系统性难题，魏杰提出了上海精智的解法——“工厂原生AI”。他强调，这不是简单地把通用大模型搬进工厂，也不是在软件上增加一个对话入口，而是让AI从真实制造数据中生长出来，在真实产线里训练、验证、进化，再回到工厂解决实际问题。这个闭环包含四个环节：制造数据积累、工业AI模型训练、真实工厂验证、落地成果输出。在其体系里，工厂既是数据源，也是训练场、验证场和进化场，制造能力与AI能力在同一闭环中协同成长。 上海精智董事长魏杰在2026世界人工智能大会上发表主题演讲 魏杰判断，生成式AI将在制造业迎来爆发，但终点不止于“生成”，而是走向物理AI——从生成方案，走向感知、反馈与行动。物理AI不一定表现为机器人硬件，关键在于AI与真实物理世界形成闭环：持续感知人、机、料、质状态，接收执行反馈，修正决策并协同设备作用于现实生产。 在上海精智的实践中，这一理念落地为三类工业智能体：工艺优化智能体解决“怎么做”，基于图纸与企业真实设备能力生成可执行工艺；产能调度智能体解决“何时做、谁来做”，动态考量人员、物料、插单与异常进行滚动优化；执行监控智能体解决“做得怎么样”，通过机器视觉与传感器识别偏差并及时预警。三者形成闭环：前两者生成决策，后者提供物理反馈，现场问题反哺工艺与计划持续优化。“单个智能体提升效率，多智能体闭环改进系统。”魏杰说。 作为领先的工业AI系统方案提供商，上海精智的能力体系建立在自身制造基石之上——先进装备、精密零部件与热管理真实场景，使其不至于“在工厂外想象制造业”。经过内部排产调度、智能图纸转化、视觉检测等闭环验证后，相关能力沉淀为智能体与算法引擎，并进一步产品化复制。魏杰现场透露，公司在本次WAIC展会前夕正式发布了开源工艺大模型“沃土”，基于近10万张原始图纸、30万道非标工序、13.3万次非标工单训练而成，希望与产业伙伴共建扎根现场的工艺智能底座。 截至目前，上海精智已服务近300家制造企业，覆盖机加工、压铸、钣金、注塑、装配、印刷、SMT等工艺，切入汽车制造、具身智能、家电电子等领域，客户既包括特斯拉供应链、复兴号零部件供应商，也包括大量中小制造企业。魏杰表示，规模不同、产品不同，但核心痛点相似：更快的工艺设计、更准的生产计划、更及时的异常发现、更可持续的经验沉淀。 上海精智旗下公司蓝沃AI近日正式发布“沃土”工业大模型LevelField-1。作为行业首个非标机加工工艺大模型，LevelField-1能够识别2D图纸中的工件结构、公差、粗糙度等加工要求，推导加工步骤，并给出工艺路线和优化建议。模型支持车削、铣削、钻削、磨削、铸造、锻造、热处理、焊接等18类机加工常见工艺环节。 “制造业真正需要的，不是一个参数更大的模型，也不只是一个会回答问题的助手，而是一个能理解复杂约束、经受真实验证、参与生产闭环并对结果负责的智能系统。”魏杰在结尾强调，这正是工厂原生AI的价值，也是生成式AI走向物理AI的路径。让AI生长在工厂、验证在工厂、进化在工厂，再服务于更多工厂，推动中国制造走向更智能、更敏捷、更高质量的未来。（张黎）