文字| Longtzhong在2025年诞生的生产力革命是用前所未有的力量重组中国的经济领土。 IA撕裂了数据和实体之间的边界，量子计算探索了物理规则的边缘，绿色技术为增长伦理，低海拔经济体，机器人和大型模型打开了大门。在2025年，在中国，新的质量生产力不再是一种简单的技术选择，而是智能文明和工业基因的共鸣。在这种情况下，中国公司必须将智慧用作协调，以渗透到技术，组织和商业模式的“三重障碍”，并通过数字和实体之间的企业家精神建立新物种。今天，沃特曼（Watman）副总裁李肖（Li Shuo）由圆桌会议组织，Xinkong Intelligent的创始人兼首席执行官，Dongsheng Intelligent的创始人兼首席执行官，Song Jun，Song Jun，Song Jun，总裁兼总经理As Technology，Yunji Technology的副总裁Xu Yunpeng，Xu Jincheng的首席执行官，Xu Jincheng，Xu Jincheng，Cofunden的Cofunden的Cofunden的Cofunden的Cofunden的Cofunden的Cofunden的Cofunden的Cofunden的Cofunden的Cofunden的Cofunden的Cofunden的Cofunden的Cofunden的Cofunden的Cofunden的首席执行官。制造和建立工业发展的新优势。”下一个内容由Rongzhong Finance编辑：基本情报正在进入该行业，并加速价值方案。 Li Shuo（圆桌会议）：今年，化身情报已被证明在项目，展览和投资访问点上都非常受欢迎。这些应用程序充满了各种场景，例如智能仓库，物流和智能集会，哪些方面是Andl应用程序空间以及将工业制造中的机会，他们在道路上为客户创造的价值未来的发展将是什么方向？ Chen Li：大多数客户是汽车制造，零件制造商和机械的OEM，我们在设备集成等的汽车工厂里。我们已经使用软件已经很长时间了，例如汽车，理想，小米，奇利，盖利等的OEM。这些大型客户在使用中央控制软件时也受益并受益，包括快速解决方案结构，AI编码，自我生成的程序和数据管理。在汽车行业中，工业机器人的本地内饰部分过多，主体在20,000至80,000小时的范围内。例如，FANUC可以达到100,000小时。这意味着第三代汽车产品可以使用此硬件使用Tinuar。在硬件盈余之后，该行业的大脑变得越来越重要。这个大脑的工业机器人控制器能否在类似情况下反复构建新模型的新作品？这已成为一个更愉快的话题。例如，在股票市场上，吉利的海湾杭州工厂拥有超过20,000个机器人，但该模型在18岁时被替换，只剩下六个月的生产。以前的设计时间很长，生产时间很长。该软件可以查看如何使用软件数据（从原始的两个月到一个早晨）生成新产品机器人轨迹程序。汽车生产量已从300次变为350个原件。这只能通过授权来实现。韩徐：我们已经关注该行业已有十多年了，但是我们认为这两种电子FEI消费量仍然是汽车和锂电池。生产和制造自动化水平已经很高，但是我们可以看到该领域仍然有很多工人。为什么材料的负载和排放仍然是设备的运行和材料的管理？这也表明这是一个非常工业应用工业信息的必要差距。像3C现场客户一样，目前的需求是工厂需要数千个单位。此操作非常简单，因此您只需要灵活地加载和下载该电台的材料即可。目前，宋先生有六个斧头。我问是否可以通过加载和卸载来完成。实际上，每个人都在编写该程序。实际上，如果我的固定程序流动支撑工具来说明它的工作站，不同的材料，即使已经处理了前线过程，则必须在转移后同时移动推力板并放置一个。包括汽车的所有区域，这也是对融合情报的需求，以确保在垂直地区有很多实施和市场空间。 Song Jun：然后他们说我们正在为该行业做出贡献，但我认为行业的概念很大。该行业包括147个类别。每个CATegory需要涉及技术特征以及技术的接受和适应性的场景，但实际上它们是不同的。今天，我不会在这里谈论这个行业。我将谈论我很了解的领域。我们一直为冶金和钢铁工业提供服务。我们的方面是重工业，并且在体现的类人动物和类人动物的应用中存在自然局限性。这主要是由于机器人的负载和站点的艰苦工作条件。这与所有传统概念不同。无论是使用新技术的行业，无论是成型，人形生物还是AI，我认为要回答的真正问题是如何反映提供给用户的价值流量。从制造业的角度来看，制造只有两种类型。一种是工艺的制造，另一个是个人制造。像我们所在的钢铁行业一样，这是制造业中典型的漫长过程。最重要的过程制造中的T是提高流程的稳定性。 Xu Jincheng：我想在汽车领域中提及一些要点。它在人们更危险和高风险（例如电池组件）的地区相对有价值。在安装过程中，它可能必须处理紧急多样性，并需要高概括模型或提高本体学的感知能力。在Samboje的过程中，可以将附加的风险直接删除并直接与机器人一起使用，以确保人们的安全并完成任务。这是因为Aiesto是我在汽车行业中发现非常有价值的东西。今天，没有其他人和其他人都有解决这个问题的想法。毫无疑问，人们受到高度污染的环境的破坏。无论保护多大，或多或少的污染都会在其当前环境中吸收。对于机械行业，这正在加快汽车或工业的改进IAL部门或扩大一般能力。这是将AI或情报纳入汽车行业的愿望的改进，并且随着算法，计算机功率和模型数据的增加而解决了此问题。 Xu Jincheng：毫无疑问，基本的智能或AI在行业中非常有用，告诉我有些人有很多疑问，为什么他们在行业中使用EMSS智能或人形机器人。在行业中，我们包括我们自己的股东。大多数汽车工厂都需要在装配线中的人形机器人。当我去Byd工厂并进入时，有很多人在内部被占领和联系。这些是需要人形机器人的地方。纳入行业的情报应用程序非常明显。我们构建的机器人是为了帮助装配线的工人或提供更多的休息空间，因此可以帮助他们。在装配线中，我们是具有触觉感觉的人形机器人方法，提高身体接触的感知能力的方式对于组装，插头，插头以及柔性线束的插头非常有用。大量触摸容量可以提高组装的成功率。这在化身智力的部门工业中非常重要。特别是，这就是为什么这些汽车制造商投资了人类机器人或体现智能的原因。此外，由于提供了大量的技术，因此组装线将使自动化率提高10％或20％-50％，甚至80％。 Yang Qingbao：Xu刚才提到了汽车焊接。我以前曾在OEM工厂工作，所以我对此非常熟悉。其次，从焊接和安装的角度来看，我们对智力并没有救济，但其中许多是令人欣慰的。它提供处理的智能。每个人都看到的焊接和装配线是在虚拟空间中设计的物理世界发生。新的人形机器人可以使用基本智能。它必须确保足够的物理空间并控制设计边缘的节奏。理想与现实，设计和物理学之间总是有区别。您需要在物理空间上有一些差异。早期的设计领域必须消除重要的障碍或更大的非理性。它专注于这个目的。在设计早期阶段时，如果只有一个初步计划，则生成3D空间设计计划可能很有用。该设计计划包括机器人设备和设计，包括生产节奏验证。我刚才提到吉利。我们与您的集会工程师进行了交谈。设计工程师做的工作非常烦人。设计完成后，组装工程师必须验证数百个数字设计模型列表。答案是相对标准的，但是人们必须反复找到相应的位置并验证相应的过程。对我们来说，人们早期的设计空间完成了重复的设计，绘图和模拟操作，并迅速完成设计和交付。设计后，我们将返回物理空间。这是智能的光线和缓解热量。 AI进入了该行业，并实现了价值和新兴的瓶颈。 Li Shuo（圆桌会议）：除了化身外观外，AI场景还具有许多应用和技术。在人工智能的工业应用中，企业家在哪里看到最潜力或商业价值？您如何量化您的客户经济利益？ AI不能仅在技术层面上讨论。带来的客户是最重要的。在此过程中大规模发现的问题和瓶颈是什么？ Chen Li：在最初的几天里，我想干预一般模型的核心工厂软件，因为我的软件用于设计快速解决方案。所有工作都是Sch在后序列中不需要手动干预，以赋予另一种模型。 PLC和机器人程序是直接生成的。但是，无论是使用LLM还是VLM，我们都发现了网站上使用领域的许多问题。在广告，快速动力的消费品，电影和电视娱乐中犯一些小错误是可以接受的，但是在工业领域，计划代码也相似。如果设备真正导入，则可以运行该设备。即使是80％，仍然存在一些重要差异。我们当前的解决方案是降低详细数据，Celeberum和大脑，以实施执行控制，将程序与标准化和统一联系起来，从而取得良好的结果。例如，在包装机的情况下，很难想象传统的包装机体验了转换并相关的更新。弹簧和国际有轻微的变化L镊子和过程工程师必须访问该网站以获得详细的调整。在完成此方面详细详细介绍的数据建模后，它可以将其导入AI，以增加学习，从而完全减少现场工作时间并实现远程净化。除了自动驾驶行业必须通过的过程外，我们的工业自动化 + AI必须经历此过程。如果您采用华为技术，则慢慢从L2转移到L4或完全涵盖特斯拉技术是我们一直在探索的解决方案，并且需要考虑一些事情。它可以分阶段收集，以从整个领域收集数据，以精心整合到激光器，汽车的制造，科学研究和教育设备，物流行业，甚至工作站以及阶段，以便它可以采用AI和您的机会来覆盖整个行业。韩Xu：我们专注于AI的愿景，我们不敢说AI的应用是MOST有价值的商业行业。 AI在视觉检测领域的作用只能说很明显。锂鼓，Carhay许多锂电池，例如食物，相关的测试以及要解决的第一件事是迫切需要。每个人都看过这个消息。 Honeycomb Honeycomb Energy套装将于本月开启。 CATL去年也开始大火。去年，韩国的LG也开始大火。由于在生产过程中没有发现任何问题，因此整个工厂都被烧毁了。众所周知，新的能源车辆可以停在道路上，甚至在装载时造成火灾。在整个生产和制造过程中，AI Vision认为将解决紧急需求的问题，例如质量和安全，人身安全和粮食安全。从另一个角度来看，我们的愿景不仅是在发送此产品之前进行最终检查。我们是整个产品的传入信息，以及最终的INS察觉。这将执行整个生产周期。我可以解决什么问题？提高产量并提高生产能力。第一步可能会出现某些缺陷，因此您不必等到最后一步才能发现它。您越早发现它，就越能修复它，但生产不会增加。在该行的情况下，我们的愿景已被用来显着提高其性能和生产能力。更直接地，我去年去了越南，也是三星中央供应商。 800人仍在工厂的一楼进行视觉检查，并通过显微镜在手机的某些部位手动看到防御。一家工厂有4-5,000人。换句话说，AI愿景可以直接解决人工成本问题。许多公司可以帮助节省成千上万或数万人，而节省成本也非常重要。我们已经深入参与了10年的VisuAL检查，包括质量可追溯性，数据可追溯性，质量控制和其他问题，我们已经看到AI+ Vision在工业质量检查领域为行业提供了很多价值和变化。 Song Jun：主持人问了一个很好的问题。多年来，这个问题已经走了我们的思想和内部研究。 AI的价值在哪里？这取决于几个层次来解释它。首先，您可以为客户做出什么贡献？测试优秀产品的唯一标准是客户是否愿意支付。其次，通过确定AI的价值，除了认识到公司和客户方面的价值外，您还必须看到公司的价值。对于好的产品，客户愿意支付它，但是该产品在公司方面可能不会有利可图，也必须对公司的重视。我认为AI的价值在于公司和公司。他们还执行视觉InspecAI的影响，在商业初期引起了如此多的困惑和神话。许多产品都有很多要求，我总是觉得客户每天都收集无数的应用程序。我觉得业内各地都有机会。事实证明公司以后不赚钱时，问题是什么？需求更多吗？这可能意味着需求是分散的，尽管不一定是。为了实现标准化，复制和重复使用，它必须缩短核的标准化产物。其次，我认为AI包含了一些合并。它的技术和工具以及工具被我使用。在业内营销方面，您会发现它不仅仅是使用AI。例如，我认为他们会在我们公司中找到同样的问题。它的光学体系结构是什么，它的机械体系结构是什么？大多数用户通常想要集成的“手中的密钥”解决方案或特定产品，而是Of特定解决方案的模块。这就是许多工业公司需要解决的问题。最后，工业人工智能公司提出价值建议，为用户创造什么价值，他们为自己创造的价值以及他们必须专注于自己以实现可持续利润的价值。 Xu Jincheng：我想在汽车领域中提及一些要点。它在人格更危险和高风险（例如电池组件）的地区相对有价值。在安装过程中有必要应对几个紧急情况，并需要高概括模型或提高本体学感知能力。可以。您可以消除在组装过程中直接使用机器人的危险吗？您可以完成任务以确保人们的安全。这对汽车行业来说似乎是无价的。今天，没有其他人和其他人都有解决这个问题的想法。人们无疑受到高度污染的破坏环境。无论保护多大，或多或少的污染都会在其当前环境中吸收。就机械行业而言，这正在加快汽车或工业部门的改进，或者扩大一般能力。这是将AI或智能纳入汽车行业的愿望的改进，并且随着算法，计算机功率和模型数据的增加而解决了这一问题。 Yang Qingbao：AI行业在其客户，您自己或工业过程中都有多个有价值的行业方面。从初步计划到设计，模拟，制造，应用，甚至在维护之后，生命周期都非常长。这些是AI可以输入的要点。目前，我们更加致力于研发的尽头。其次，应该解决什么问题？客户需求分散。有一个谚语，客户不知道他们想要什么，但是他们知道这是不好的，想通过解决方案来改进它。这些问题必须由与我们相似的公司解决。问题和需求始终存在。我们一直在谈论IA。过去，我尝试了许多方法来解决问题，标准化，自动化等问题。你为什么现在谈论AI？这是因为传统方法的上限相对有限。 AI可以做的是它基于数据，并且可以在新方案中提供更好的概括解决方案。第三，如果客户不想付款，他可能无法证明自己的价值，或者这是伪需求。我们希望更愿意在与客户的详细通信过程中解释数据的价值。许多客户说有很多数据，这很重要，我也知道。所以呢？在许多情况下，客户不知道如何使用这些数据。通过提供客户解决方案，数据资产范围从艰难磁盘或存储资产用于智力资产。最高价值不仅是当前的成本降低和提高效率，而且是经验的持续积累。通过数据迭代，将来可以继续加强研发和生产链接。由于人员的变化或数据丢失，将不会有不属于我们的经验。我认为这更有价值。目前，AI从实际的角度为客户提供了两个方面。我们始终认为，我们现在正在解决的问题是效率问题，并加速了R＆D。在某些方面的过程，客户想要更多的是他们可以帮助他们解决创意问题。我们认为创造性问题是美学或主观判断。但是，在工业流程中，客户经常说，它是否比以前更好地设计解决方案。很抱歉，但是我们现在不能做到，但是我们可以加速这些解决方案的效率以改善数十次。如何在数十亿个层面中形成工业环节并刺激新的冲动：李舒（圆桌会议）：想象所有各自的场景，是A.的最后一个问题。哪些工业联系带来了创新或颠覆性的变化？这导致了行业和联系的重要变化。 Chen Li：让我谈谈授权情报 + AI的能力。从我们的角度来看，化身智能是一个有效的长期问题，而不是视觉知识。它可以解决许多问题，例如人工成本，制造成本和人口老龄化。基本智能具有良好的好处。不需要学习成本。业主可以将机器直接放置在网站上。该机器可以自己工作。一切都是通过云学到的，知识进入身体。第一天工作，具体取决于雇主的需求。仅一天就能省钱。这是非常动态的。第二，经济目前正在衰退中，化身的信息是如此。Lear认为其限制非常明确，因此付款。他们有更好的收集方式。创建自动化设备时，限制尚不清楚。今天，已经确定了技术合同要求和计划。客户可以在第二天更改。团队到达现场后，客户将继续更改计划。智能机器人本质上是产品，限制非常明显。这只是一个本体产品，可以很好地赚钱。韩徐：我认为AI+视觉尤其符合此问题。愿景是一个非常传统的行业，因此，如果您知道制造业，Connex已成为一家公司已有40多年的历史，并且该行业的愿景非常传统。但是，在人工智能达到视力之前，先前的视觉技术是基于基于规则的巧合和安装。这是一个很大的悖论。如果定期出现缺陷，则不能生成该法律。根据当前中国人的工艺能力来判断制造业是规律的，所以我可以在手工艺结束时杀死他。换句话说，缺陷的出现必须不规则，并且不能根据巧合解决。我们看到了真实。 AI达到工业视野后，它充分激活了缺陷的检测。我们10年前提出了这个概念。当我们拜访客户时，我们会通知人们，我们将使用人工智能+执行视觉，图像分析和缺陷检测。大多数客户认为我们是骗子。但是，当他说自己在制造业中犯了缺陷时，客户目前的态度是，如果他没有人工智能，他相信自己不能做到这一点，并认为自己是骗子。这是一个格兰的变化，实际上是对AI技术的普遍使用，该技术在整个行业中造成了重要的变化。另一个感觉是杨先生今天谈论了许多数据。每个人都想象一下。他们一直在谈论明智的决策。实际上，明智的决策 – 制定需要数据积累。过去，生产线（例如性能和过程）存在问题，因此您必须找到具有丰富经验的老师。实际上，这个老师是数据收集。 AI可以做的最重要的事情是视觉，几个传感器和化身的整合。这是关于使用链接来标准化您的体验。随着数据维度变得越来越丰富和大量的数据，我们认为明智决策的可能性正在增加，我们还需要解决数据关闭问题，数据孤岛和客户信心。问。 Song JA：两位客人讲话时，我在想这个问题。主持人询问了AI给行业带来的变化。当涉及钢铁行业时，我们都知道钢铁行业是“日落行业”。我的第一份工作是Baosteel，我是标准的钢铁工人。当我第一次进入Baosteel时，我听到了这个词。因为？考虑这个专业人士从后面的斑点并不意味着钢材材料没有未来。到目前为止，它仍然是最常用的可再生金属材料。在未来几十年中，没有任何材料可以替代它。为什么日落行业被称为？我国的第一家钢铁工厂是汉阳制造研究所，位于湖北的Zhangzhidong，成立于1890年。这是一个典型的行业，具有非常扎实的过程。您认为该行业在引入先进技术后会带来什么变化？它似乎不可见。但是，从实际意义上讲，我觉得在这些技术进入后，该行业将保持沉默。让我谈谈我们的行业数据。沃特曼（Watman）是一个机器人，数据比我拥有的数据更详细。 2010年，中国的钢铁行业机器人每10,000人约有22个单位，2022年有37辆，2025年的56个单位，2024年约有75个单位。今年的目标约为123个单位。他们分享了视觉技术。几年前，HE谈到了使用人工智能来比较和分析图像。这是行业的幻想。如果您今天不这样做，则该行业可以消除它。我们对该行业的远景发现也可以这样说，因为我们在钢铁行业中发现了工业视野。我第一次接触视觉检测是百事可乐。在2000年，Baosesta是我们第一次展示Teweel的视觉检测系统。当时有一个卷积神经元网络，现在所有算法都被替换并稍后更新。目前，尤其是在冷辊行业中，如果生产线不配备表面缺陷探测器，则生产线的工厂设计可能不会发生。该技术过程的速度越来越快，提议“没有钢铁”的主要国家公司。根据杨先生刚才提到的事件，我们公司也在做一些事情。该项目很快就签署了机智H是一家重要的国家钢铁公司，并根据传统的视觉检查进行了更新。过去，我们使用图像和视觉技术在停止生产线进行修复之前，在我们的产品中找到缺陷。但是，由于缺陷过程机制太大并且有足够的经验，但是很难推断这一过程，因此无法分析和判断MecDefect过程的anism。 Xu Jincheng：AI或所有化身的智力会导致最大的变化。我确定后来提到了它，以及卷积神经元网络。我检查了一些东西。反试基本上允许在超大数据下的概括能力中必要这些模型。这种改革或变化本质上是基于这种逻辑来研究其他大量大量使用的最大用途。数据。该模型可以提高可以提高的技能和技能。现在，将文本数据模型更新为更多的视觉触摸，轨迹等，以及添加所有数据将使一般功能通过体系结构更加突出和概括。最大的问题实际上是缺乏数据。在数据稀缺的时代，文本数据是基本的数据量为100,000，数百万或超过1亿，而文本数据是一维数据。在人形机器人或物理世界中，它必须远远超出一个维数据。您需要3D，4D和5D。基于这一点，如何更多地改善数据的数量和尺寸并增加了进一步提高传感器功能的努力非常重要。我说的10,000人中有100人有一个机器人… Song Jun：尚未实现这个目标。 Xu Jincheng：包括埃隆·马斯克（Elon Musk）在内的每个人都必须拥有一个机器人。目前，只有100人只有一个机器人。我认为有必要改善工业部门。 Yang Qingbao：AI给当前工业链带来的变化正在想象PRES的变化未来。在特定领域有什么变化？例如，由于我们专注于设计（R＆D），因此研发设计的结尾是工程师必须同时完成多个设计任务，或者上游图纸和2D下游图纸。当前，某些客户实施的方案已更详细地分解了设计过程。通过我们的产品完成以下内容后，请直接提出试用问题，并在装配线的工作过程中分配人员的组合工作流程。这是当前正在实现的变化。其次，在此过程中，本质是将“应用程序问题”的人的行为更改为“审判问题”。目前，许多高级才能在初级人才工作中花费了60％的精力，但是这些任务可以迅速被AI取代。想象一下未来的情况。我希望人们将来问“多项选择问题”。我们目前是SOL的大多数人Ving是工业场景中的效率问题，最小的部分是创造性问题的问题。但是，我们真正的目标是能够解决未来的大多数创造性问题。考虑场景，订单，设计和交付。无论情况如何，需求或过程贡献都可能不管。像代理一样，援引许多工具。可能会有一组算法快速完成方案的设计和验证。选择它后，它将直接转移到随后的处理过程中，并将直接连接到无人工厂，以完成整个设备的生产，加工，制造和交付。它确实提供了多样性，小很多和快速交付。现在，它仍然基于几家公司对当地标准化的实施，实际上是为了成为个人的实际个人取向（例如C）。这是对未来的愿景。我不敢说什么时候会笔现在。 Li Shuo（圆桌会议的主持人）：我实际上想分享有关此问题的一些信息。细分技术的变化和开发最终帮助该过程在这种情况下，尤其是在生产链接中，例如ACE热钢维修操作。感知部分的开发意味着两个方面，包括硬件和算法，传感器更新，激光雷达技术更新，降低产品价格，传感器的开发，例如3D摄像头，2D Vision，2D Vision，2D Vision和毫米波赎回。算法包括在工业场景中使用自主驾驶技术感知层的多模式的多模式融合。除了感知外，执行极端还包括轨迹计划以及力控制传感器和强度控制算法，并且在今天提到的智能中包括模拟技术。我们认为这些技术进步使Dehumaniz埃德（Ed），而不是重工业阶段的载人机器人。我们为什么要开始钢铁行业？我们不是由钢制成的，但是当我们去钢铁和非有产工厂时，我们发现一群年收入为1000亿元人民币，许多高温，高尘埃和高授粉环境仍在手动运作。当我们的工程师回到酒店时，他们的面孔是灰色的，但是这些工人全年都在这样的环境下工作。我们认为，在这种情况下，AI和机器人应该起作用。这正是因为在感知层面上，系统可以识别目标，无论工作的艰苦条件如何，无论多么艰难。同时，其强大的控制确保了在各种复杂条件下处理/研磨质量的一致性。将来，AI将有很大的空间来开发该行业，包括视觉，机器人技术，研发和设计等几件作品。托德AY的重工业由钢代表，其容量过多的问题，但其大小太大了。 Subementa大规模的人之一是AI行业的绝佳商机。
特殊声明：先前的内容（包括照片和视频（如果有），如有）已由网络自我媒体平台的用户收费和发布。该平台仅提供信息存储服务。
注意：以前的内容（如果您有照片或视频）将由社交媒体平台NetEase Hao的用户收取和发布，仅提供存储服务以进行存储信息。