共计 1453 个字符，预计需要花费 4 分钟才能阅读完成。
被黄仁勋多次提到的“AI 工厂”, 已经在中国落地了
算力竞争的新范式,AI 工厂能否让智能体规模化落地?
当全民“养龙虾”的 AI 应用热潮席卷大众时,一场更深层次的产业变革正在制造业悄然发生。英伟达 CEO 黄仁勋在 GTC 大会上反复强调的“AI 工厂”概念, 如今已在中国找到了它的第一块试验田。
📌 制造业的算力焦虑与转型痛点
进入以大模型为核心的 AI 2.0 时代,“大模型 + 大算力 + 大数据”已成为行业共识。然而, 如何将这套强大的技术底座, 转化为千行百业中可衡量、可复制的生产力, 却成为横亘在众多企业面前的现实难题。
汽车制造业作为最复杂的离散制造行业之一,其智能化、网联化转型对底层算力提出了极高要求。一汽集团相关负责人坦言, 算力已成为集团向高端化、智能化、低碳化发展的关键驱动力。从研发设计到生产制造, 再到智能座舱, 每一个环节都离不开算力的坚实支撑。
然而, 传统架构下各系统独立部署、技术栈不统一、数据分散割裂形成的“数据孤岛”,让企业 AI 应用从“可用”到“好用”的跨越变得异常艰难。算力不足、异构设备纳管难、系统兼容性差、运维成本居高不下——这些核心痛点, 正是制造业智能化转型中普遍面临的“算力焦虑”。
🔍 AI 工厂: 从概念到落地的范式转变
“AI 工厂究竟是什么?”联想中国基础设施业务群战略管理总监黄山给出了一个形象的比喻:“按照黄仁勋的解释,未来的 AI 工厂就是生产智能的范式。它将原本复杂且孤立的 AI 开发任务, 转变为一条标准化、高效率的现代‘AI 生产线’。”
在黄山看来,AI 的发展已经历了三段能力升级:
- 1.0 生成智能: 以 ChatGPT 为代表, 擅长内容创作, 但尚未完全准备好进入生产场景。
- 2.0 推理智能: 以 DeepSeek 为代表, 具备逻辑推理与问题拆解能力。
- 3.0 行动智能 : 通过工具调用将决策转化为操作, 如 OpenClaw。智能体(Agent) 的爆发让模型“长出了手脚”。
而 AI 工厂,正是生产这类 Agentic AI 的先进范式。它本质上是一套可管理、可复制并支持持续运营的标准化体系:
“从场景出发, 将客户数据采集作为‘原材料’, 经过智能体开发平台与 AI 训练引擎的处理, 最终形成可交付的智能体、垂直领域模型与推理服务等‘产品’。”——黄山
💡 落地实践: 联想与一汽的探索
去年年底,联想正式推出了 AI 工厂解决方案, 提供从硬件设施、数据采集、智能体开发、模型训练到推理服务的全栈方案。与一汽集团的合作, 成为这一概念落地的重要里程碑。
合作涉及底层架构、异构算力融合以及安全合规等多个层面。联想在 AI 算力基础设施领域已形成“一横四纵”布局:
- 横向平台: 万全异构智算方案
其中, 万全异构智算平台 4.0 已为众多算力场景提供支持。黄山表示, 推出 AI 工厂的初衷, 就是让客户不再需要关注基础设施的复杂问题, 通过一套标准化体系, 用更少的算力帮助客户完成智能体开发, 降低中小企业 AI 应用的初始门槛和运营成本。
📊 挑战与未来: 规模化落地的关键
🚀 行业观察: 算力竞争的新范式
AI 工厂的出现,或许标志着算力竞争进入了一个新范式。它不再仅仅是硬件堆砌或算力租赁, 而是提供一套完整的“智能生产”解决方案。能否将复杂的 AI 开发流程标准化、自动化, 让智能体像工业产品一样被规模化生产, 将成为未来算力基础设施市场角逐的关键。
正如黄山所言:“把复杂的变成简单的,把简单的变成标准的, 把标准的变成可执行的、自动执行的流程, 这样才能保证在每一次的流程里面去规模化地生产出来企业所需要的智能。”这场由“AI 工厂”引领的智能制造变革, 才刚刚开始。
