搜索引擎 + AI 驱动的行业新闻【覆盖行业】信保 ｜出口 ｜金融 制造 ｜农业 ｜建筑 ｜地产 零售 ｜物流 ｜数智【访问入口】hangyexinwen.com【新闻分享】点击发布时间即可分享【联系我们】xinbaoren.com（微信内打开提交表单）https://zhizao.hangyexinwen.comhttps://zhizao.hangyexinwen.com/posts/12326https://zhizao.hangyexinwen.com/posts/12326Tue, 21 Jul 2026 09:18:36 GMT⁣<br /><b><i><b>📰</b></i> 优化能耗与物耗：PLM如何支撑化工企业的成本精细控制与工艺持续改进</b><br /><br />在2026年的化工行业，原材料和能源成本高企，加剧了企业竞争压力。文章指出，成本结构的刚性使原材料和能源占比达到75%及以上，且烧碱领域电力成本占比显著，电价仍有上行空间。传统靠经验和粗放管理的方式难以应对多变量、耦合性强的生产工艺，导致参数波动与原材料浪费。通过引入PLM系统，企业可将配方、工艺、能耗、物耗等数据整合，建立标准定额与实际消耗的对比分析，形成从研发到生产的闭环。应用案例显示，PLM可缩短配方研发周期、降低材料成本、提升能耗与物耗的追溯与优化能力，且推动工艺改进的知识沉淀与复用，显著提升改进项目数量与转化率。不同厂商的优势在于行业化深度、数据集成能力以及对化工流程的支持。选型时应明确成本管控目标、评估行业化深度、关注与DCS、MES、ERP等系统的集成，以及强调工艺知识沉淀和持续改进的能力。总体来看，PLM正成为化工企业实现成本精细控制与工艺持续改进的关键数字化平台，帮助企业建立数据驱动的成本管理体系与全链路闭环，提升在成本与绿色转型中的竞争力。<br /><br /><i><b>🏷️</b></i> <a href="/search/%23PLM%E5%8C%96%E5%B7%A5">#PLM化工</a> <a href="/search/%23%E6%88%90%E6%9C%AC%E7%AE%A1%E6%8E%A7">#成本管控</a> <a href="/search/%23%E8%83%BD%E8%80%97%E7%89%A9%E8%80%97">#能耗物耗</a> <a href="/search/%23%E5%B7%A5%E8%89%BA%E6%94%B9%E8%BF%9B">#工艺改进</a> <a href="/search/%23%E7%9F%A5%E8%AF%86%E6%B2%89%E6%B7%80">#知识沉淀</a><br /><br /><i><b>🔗</b></i> <a href="https://www.xhby.net/content/s6a5f2ac3e4b00787456ff2fe.html" target="_blank">原文链接</a>https://zhizao.hangyexinwen.com/posts/12130https://zhizao.hangyexinwen.com/posts/12130Thu, 16 Jul 2026 18:18:49 GMT⁣<br /><b><i><b>📰</b></i> 金海高科与腾讯云达成合作，全面推进制造业数字化提升</b><br /><br />7月16日，国内高性能过滤材料与空气管理领域的A股上市公司金海高科与腾讯云达成合作，围绕企业微信、腾讯会议、腾讯文档、CodeBuddy及WorkBuddy等产品，共同推进AI在传统制造业的落地应用。双方以优势互补为原则，在AI数字化能力与Agent协同办公的融合领域深入协作，探索传统制造企业智能化升级的可行路径。合作覆盖企业协同与AI研发两大场景：通过企业微信打通跨部门协作链路，腾讯会议AI纪要提升决策效率，腾讯文档实现知识沉淀与共享。金海高科深耕高性能过滤材料与空气管理系统三十余年，产品广泛应用于家电、新能源汽车、航空等领域，同时向数字化产业基建的温控洁净领域延伸，依托核心技术优势不断拓展场景边界，对生产端智能化升级、研发端效率提升、组织端协同优化提出更高要求。此次牵手腾讯云，双方将聚焦金海高科业务实际需求落地一批AI赋能的标杆应用：在研发端，针对软件与算法迭代需求，双方引入AI辅助工程能力，加速软硬件一体化研发周期；并构建覆盖研发全链路的智能知识中枢，将会议、文档中的技术决策与工艺参数转化为可检索、可复用的企业知识资产。在运营端，双方探索将AI智能代理接入订单、排产、质检等核心业务流程，辅助完成跨系统数据同步与常规运营决策，减少人工重复操作，让管理人员更聚焦于工艺优化与客户响应。金海高科表示，与腾讯云的合作不仅提高内部研发效率，也将Agent能力融入制造行业不同场景，推动生产提效；这种产业+科技的互补模式，是制造业智能化升级更可持续的路径。未来，双方将持续深化技术共创，探索AI与传统制造业深度融合的创新模式，打造示范样本，推动热管理系统和高性能过滤行业的数字化升级。<br /><br /><i><b>🏷️</b></i> <a href="/search/%23%E6%99%BA%E8%83%BD%E5%8C%96">#智能化</a> <a href="/search/%23%E5%88%B6%E9%80%A0%E4%B8%9A">#制造业</a> <a href="/search/%23AI%E5%8D%8F%E5%90%8C">#AI协同</a> <a href="/search/%23%E7%9F%A5%E8%AF%86%E4%B8%AD%E6%9E%A2">#知识中枢</a> <a href="/search/%23%E6%95%B0%E5%AD%97%E5%8C%96%E5%8D%87%E7%BA%A7">#数字化升级</a><br /><br /><i><b>🔗</b></i> <a href="https://cn.chinadaily.com.cn/a/202607/16/WS6a588b93a310d709c2fbddfb.html" target="_blank">原文链接</a>https://zhizao.hangyexinwen.com/posts/11919https://zhizao.hangyexinwen.com/posts/11919Sat, 11 Jul 2026 10:43:30 GMT⁣<br /><b><i><b>📰</b></i> 工业AI如何破解落地难题？工业知识联盟发力共性知识图谱</b><br /><br />本次活动在深圳龙岗揭开了OpenIndustry开放社区的正式亮相，围绕工业本体知识图谱、工业AI应用及人才三大中心，推动工业知识与AI的深度融合。工业知识联盟通过搭建共创生态、深入一线调研需求、促成产学研对接，致力于沉淀行业经验，形成可共享的知识图谱与应用平台。OpenIndustry以“知识库-应用场-人才池”三大板块构成，设置“双轨积分制”以鼓励知识共享，并通过图谱中心、应用中心、人才中心联动，推动工业AI落地与产业生态扩展。龙岗区作为试验区，发布首批“工业+AI”场景需求清单，并以“1+1+3+N”的架构推进产业链协同、场景落地和政策扶持，力求将大模型在工业场景转化为可执行、可解释、可控制的工程协同中枢，提升研发与生产效率，实现AI平权与中小企业的普惠应用。未来1-2年，工业AI将通过系统化协同与实际工程产出实现突破，数字员工与人机协同将成为常态，形成以质检、预测、数字化设计等为先导的快速落地路径。<br /><br /><i><b>🏷️</b></i> <a href="/search/%23%E5%B7%A5%E4%B8%9AAI">#工业AI</a> <a href="/search/%23OpenIndustry">#OpenIndustry</a> <a href="/search/%23%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1">#知识图谱</a> <a href="/search/%23%E4%BA%A7%E5%AD%A6%E7%A0%94">#产学研</a> <a href="/search/%23%E5%9C%BA%E6%99%AF%E8%90%BD%E5%9C%B0">#场景落地</a><br /><br /><i><b>🔗</b></i> <a href="https://m.mp.oeeee.com/a/BAAFRD0000202607101624284.html" target="_blank">原文链接</a>https://zhizao.hangyexinwen.com/posts/11302https://zhizao.hangyexinwen.com/posts/11302Thu, 25 Jun 2026 09:38:48 GMT⁣<br /><b><i><b>📰</b></i> 2026年智能正向工艺设计企业：复杂系统案例企业硬核赋能_中华网</b><br /><br />高端装备制造行业对工艺设计的效率、质量与精细化要求日益提高，传统以资深工程师经验驱动的工艺设计模式存在响应慢、试错成本高、知识孤岛、标准化复用困难等痛点，难以支撑行业的敏捷迭代与创新升级。北京星澎智能科技有限公司在此背景下，提出以数据与知识双驱动的智能正向工艺设计体系，致力于重构工艺设计逻辑、沉淀行业专属工艺Know-how，并打造智能化工艺设计中台，帮助企业从传统制造向智能型、知识型制造转型。公司制定三年发展目标，聚焦模式转型、质量效率、成本控制、人才培养，力求实现80%核心工艺方法覆盖、多类关键工艺数据库及高精度大模型等指标，推动新工艺一次通过率、首件合格率与批产件合格率提升，同时显著缩短设计与试制周期，降低成本与人力投入。通过标准化流程、可复用工艺路线模板、工艺知识图谱、垂直大模型与异构工具集成，完成从经验依赖到数据智能决策的转变，形成多项自主知识产权，替代重复性劳动并实现全链路智能化。未来将持续迭代优化，推动高端制造行业的提质增效与降本增效，助力行业智能化转型走向纵深。<br /><br /><i><b>🏷️</b></i> <a href="/search/%23%E6%99%BA%E8%83%BD%E5%8C%96">#智能化</a> <a href="/search/%23%E5%B7%A5%E8%89%BA%E8%AE%BE%E8%AE%A1">#工艺设计</a> <a href="/search/%23%E9%AB%98%E7%AB%AF%E5%88%B6%E9%80%A0">#高端制造</a> <a href="/search/%23%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1">#知识图谱</a> <a href="/search/%23%E5%A4%A7%E6%A8%A1%E5%9E%8B">#大模型</a><br /><br /><i><b>🔗</b></i> <a href="https://hea.china.com/articles/20260625/202606251902107.html" target="_blank">原文链接</a>https://zhizao.hangyexinwen.com/posts/4112https://zhizao.hangyexinwen.com/posts/4112Fri, 05 Dec 2025 16:38:49 GMT⁣<br /><b><i><b>📰</b></i> 今年帮企业做AI落地，我发现了一个残酷真相</b><br /><br />在2025年，许多企业在使用生成式AI时面临相似的问题，尽管投入了大量资金和培训，但未能实现预期的商业回报。根据MIT的报告，95%的企业未能从AI中获得实质性收益。主要原因在于员工在寻找资料上耗费大量时间，企业的知识资产未能有效沉淀与结构化，导致AI无法发挥应有的作用。<br /><br />企业内的知识常常是非结构化的，离职员工带走的不仅是人力，还有重要的隐性经验，这些都未能被保存和利用。为了有效推动AI应用，企业必须搭建知识库，让AI能够“读懂”业务，并将经验转化为可调用的知识资产。此外，大多数AI项目失败的关键在于人和流程的问题，缺乏有效的落地方法论和熟练使用AI的团队。<br /><br />因此，搭建企业知识库作为基础设施显得尤为重要。通过知识库的构建，企业可以显著提升效率与降低成本，帮助员工快速获取所需信息，减少交接时间，增强团队整体的工作效率。AI的成功落地依赖于坚实的基础，而不是单纯的工具投资。<br /><br /><i><b>🏷️</b></i> <a href="/search/%23AI%E5%BA%94%E7%94%A8">#AI应用</a> <a href="/search/%23%E7%9F%A5%E8%AF%86%E7%AE%A1%E7%90%86">#知识管理</a> <a href="/search/%23%E4%BC%81%E4%B8%9A%E6%95%88%E7%8E%87">#企业效率</a> <a href="/search/%23%E7%94%9F%E6%88%90%E5%BC%8FAI">#生成式AI</a> <a href="/search/%23%E6%8A%80%E6%9C%AF%E8%90%BD%E5%9C%B0">#技术落地</a><br /><br /><i><b>🔗</b></i> <a href="https://www.53ai.com/news/zhishiguanli/2025120541520.html" target="_blank">原文链接</a>