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）
【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）
📰 罗克韦尔自动化行业报告显示：93% 的制造商已部署 MES 制造执行系统，但仅 23% 实现全面集成
罗克韦尔自动化发布的《企业级 MES 规模化部署》行业洞察报告覆盖17个制造业国家和地区的1560名决策者，揭示了制造商在将MES推向企业级规模部署时面临的主要挑战与趋势。尽管93%的制造商已部署MES，但仅有28%在全企业范围内部署，且只有23%实现与ERP、PLM、OT等系统的全面集成。集成被视为最重要的采购考量与企业现代化转型的关键难点，33%的受访者将数据集成视为MES的主要难题。AI应用预期正在提升，但有43%的企业尚未充分利用已有数据，这成为AI价值实现的基础瓶颈。运营韧性与信息安全亦成为采购决策的关注要素，46%的制造商在过去一年遭遇网络安全事件，43%将安全与合规列为采购因素。报告还给出若干实践案例与路径建议，强调以边缘到云的弹性部署，逐步扩展规模化应用，并通过打通环节、提升数据利用率来释放MES的全面价值。
🏷️ #MES规模化 #数据集成 #AI应用 #运营韧性 #边缘云
🔗 原文链接
📰 罗克韦尔自动化行业报告显示：93% 的制造商已部署 MES 制造执行系统，但仅 23% 实现全面集成
罗克韦尔自动化发布的《企业级 MES 规模化部署》行业洞察报告覆盖17个制造业国家和地区的1560名决策者，揭示了制造商在将MES推向企业级规模部署时面临的主要挑战与趋势。尽管93%的制造商已部署MES，但仅有28%在全企业范围内部署，且只有23%实现与ERP、PLM、OT等系统的全面集成。集成被视为最重要的采购考量与企业现代化转型的关键难点，33%的受访者将数据集成视为MES的主要难题。AI应用预期正在提升，但有43%的企业尚未充分利用已有数据，这成为AI价值实现的基础瓶颈。运营韧性与信息安全亦成为采购决策的关注要素，46%的制造商在过去一年遭遇网络安全事件，43%将安全与合规列为采购因素。报告还给出若干实践案例与路径建议，强调以边缘到云的弹性部署，逐步扩展规模化应用，并通过打通环节、提升数据利用率来释放MES的全面价值。
🏷️ #MES规模化 #数据集成 #AI应用 #运营韧性 #边缘云
🔗 原文链接
📰 江西出台方案推进工业算力服务和数据筑基 降低中小企业AI应用门槛
江西省为把握人工智能发展机遇，加速制造业从设备联网向算力驱动跃升，制定了三年行动方案（2026—2028年）。将建设覆盖全省的工业智能算力云平台，提供公共大模型调用、行业模型训练与推理等能力，降低中小企业的应用门槛与初始投入。方案强调在智能工厂与产业集群周边部署边缘算力设施，实现就近接入与低延迟服务，并通过“卡时”“核时”等灵活计费模式提高支付弹性。聚焦有色金属、电子信息、新能源、新材料等重点产业链，推动龙头企业联合数据服务商，构建可信的数据空间，确保技术、制度与生态协同。计划建立数据资源目录、企业数据中台与企业大脑，推动数据标准化采集与数据治理，同时培育算力服务与数据开发利用等服务商，推动高质量数据集建设与工业数智化转型的城市试点。还将优化边缘算力资源配置，推动工业集群算力基础设施建设，开展制造业人工智能创新伙伴计划，建设“算力伙伴”“数据伙伴”体系，形成常态化的服务机制，推动小型、高速、精准的工业AI应用落地。
🏷️ #算力发展 #工业数智 #企业数据 #边缘计算 #数据治理
🔗 原文链接
📰 江西出台方案推进工业算力服务和数据筑基 降低中小企业AI应用门槛
江西省为把握人工智能发展机遇，加速制造业从设备联网向算力驱动跃升，制定了三年行动方案（2026—2028年）。将建设覆盖全省的工业智能算力云平台，提供公共大模型调用、行业模型训练与推理等能力，降低中小企业的应用门槛与初始投入。方案强调在智能工厂与产业集群周边部署边缘算力设施，实现就近接入与低延迟服务，并通过“卡时”“核时”等灵活计费模式提高支付弹性。聚焦有色金属、电子信息、新能源、新材料等重点产业链，推动龙头企业联合数据服务商，构建可信的数据空间，确保技术、制度与生态协同。计划建立数据资源目录、企业数据中台与企业大脑，推动数据标准化采集与数据治理，同时培育算力服务与数据开发利用等服务商，推动高质量数据集建设与工业数智化转型的城市试点。还将优化边缘算力资源配置，推动工业集群算力基础设施建设，开展制造业人工智能创新伙伴计划，建设“算力伙伴”“数据伙伴”体系，形成常态化的服务机制，推动小型、高速、精准的工业AI应用落地。
🏷️ #算力发展 #工业数智 #企业数据 #边缘计算 #数据治理
🔗 原文链接
📰 安波福与柯马携手开发新一代机器人、自主系统及工业物流解决方案
安波福与柯马宣布建立战略合作框架，双方围绕智能自动化领域开展联合开发，致力于提升工业客户的安全性、效率与自主运营能力。合作将聚焦四大高价值场景：首先在尖端机器人技术方面联合开发自主移动机器人、协作机器人及其他自主平台的感知与计算架构，并在柯马真实生产环境中验证落地；其次在AI赋能的仓储与物流自动化方面，升级柯马欧导物流软件，结合风河边缘与云端技术，在边缘实现AI/机器学习能力，以提升响应速度和全生命周期管理效率；再次推动工业环境高性能互连技术，开发加固型线缆、微型连接器与线束组件，以提高性能与耐用性并实现轻量化；最后在雷达与视觉的工业安全领域，打造确定性计算与多区域监控的安全架构，提升人员安全并降低部署成本。此次合作还将整合安波福的Wind River边缘软件、PULSE传感器与高性能连接解决方案，以及柯马在自动化技术与全球制造场景部署的丰富经验，逐步扩大感知、计算、传感与连接等领域的协同，推动以自主化生产力为核心的工业未来。双方基于长期合作基础，计划在更广泛的产品与技术领域深化协同，持续推出更智能、更安全、贴合客户需求的解决方案。
🏷️ #工业自动化 #机器人 #边缘计算 #AI #安全
🔗 原文链接
📰 安波福与柯马携手开发新一代机器人、自主系统及工业物流解决方案
安波福与柯马宣布建立战略合作框架，双方围绕智能自动化领域开展联合开发，致力于提升工业客户的安全性、效率与自主运营能力。合作将聚焦四大高价值场景：首先在尖端机器人技术方面联合开发自主移动机器人、协作机器人及其他自主平台的感知与计算架构，并在柯马真实生产环境中验证落地；其次在AI赋能的仓储与物流自动化方面，升级柯马欧导物流软件，结合风河边缘与云端技术，在边缘实现AI/机器学习能力，以提升响应速度和全生命周期管理效率；再次推动工业环境高性能互连技术，开发加固型线缆、微型连接器与线束组件，以提高性能与耐用性并实现轻量化；最后在雷达与视觉的工业安全领域，打造确定性计算与多区域监控的安全架构，提升人员安全并降低部署成本。此次合作还将整合安波福的Wind River边缘软件、PULSE传感器与高性能连接解决方案，以及柯马在自动化技术与全球制造场景部署的丰富经验，逐步扩大感知、计算、传感与连接等领域的协同，推动以自主化生产力为核心的工业未来。双方基于长期合作基础，计划在更广泛的产品与技术领域深化协同，持续推出更智能、更安全、贴合客户需求的解决方案。
🏷️ #工业自动化 #机器人 #边缘计算 #AI #安全
🔗 原文链接
📰 《江西省工业领域算力服务和数据筑基三年行动方案（2026—2028年）》印发
江西省发布的工业领域算力服务和数据筑基三年行动方案（2026—2028）围绕“1269”产业链现代化，提出构建多元供给、协同部署的智能算力服务体系，促进算力与数据协同发展，推动制造业从“设备联网、数据可视”向“算力驱动、数据赋能”跃升。总体目标是到2028年形成若干工业算力互联互通节点，遴选省级高质量数据集，培育标杆企业，建立高效、可信的工业数据赋能体系。重点任务包括：建设面向全省的工业云端智算平台，提供普惠大模型与行业模型训练服务；在生产一线周边布局边缘算力节点，提升实时质检、工艺优化、设备维护等场景的响应速度；推广“算力超市”“算力银行”等灵活付费模式，提升跨区域调度与低时延保障。还将打造安全可信的工业数据空间，推动区块链与隐私计算等技术应用；建设高质量数据集、完善数据治理、推动数据中台建设，形成产业链上下游共用的数据资源；提升存储与数据服务能力，健全数据就地计算与跨域流动机制；通过数据治理、低代码产品等方式，培育面向工业的算力与数据服务商。通过组织保障、资金支持、安全监管等措施，确保各项任务落地并形成可复制的应用场景。\n
🏷️ #工业 #算力互联 #数据治理 #数据集建设 #边缘计算
🔗 原文链接
📰 《江西省工业领域算力服务和数据筑基三年行动方案（2026—2028年）》印发
江西省发布的工业领域算力服务和数据筑基三年行动方案（2026—2028）围绕“1269”产业链现代化，提出构建多元供给、协同部署的智能算力服务体系，促进算力与数据协同发展，推动制造业从“设备联网、数据可视”向“算力驱动、数据赋能”跃升。总体目标是到2028年形成若干工业算力互联互通节点，遴选省级高质量数据集，培育标杆企业，建立高效、可信的工业数据赋能体系。重点任务包括：建设面向全省的工业云端智算平台，提供普惠大模型与行业模型训练服务；在生产一线周边布局边缘算力节点，提升实时质检、工艺优化、设备维护等场景的响应速度；推广“算力超市”“算力银行”等灵活付费模式，提升跨区域调度与低时延保障。还将打造安全可信的工业数据空间，推动区块链与隐私计算等技术应用；建设高质量数据集、完善数据治理、推动数据中台建设，形成产业链上下游共用的数据资源；提升存储与数据服务能力，健全数据就地计算与跨域流动机制；通过数据治理、低代码产品等方式，培育面向工业的算力与数据服务商。通过组织保障、资金支持、安全监管等措施，确保各项任务落地并形成可复制的应用场景。\n
🏷️ #工业 #算力互联 #数据治理 #数据集建设 #边缘计算
🔗 原文链接
📰 5G专网市场：制造业巨头扩张与云计算巨头退出的不同路径
西门子宣布扩大私有5G业务版图，先在欧洲基础上覆盖加拿大，计划于2026年夏季登陆美国市场，强调企业自控的私有5G基础设施是AI驱动工业自动化的核心支柱。这与诺基亚在加拿大矿业拿下关键订单、英国开放无线接入网计划引入多家欧洲私有5G专家等趋势共同体现出全球5G专网市场的多元竞争格局。5G专网从需求方发起的产业变革逐渐演变为由垂直行业龙头推动的端到端解决方案，涵盖核心网、接入网、工业协议、以及与OT/IT的深度融合。市场分化明显：电信系、云服务巨头、垂直行业巨头和开放RAN厂商共同竞争；独立专网与虚拟专网在本地频段和部署方式上各有优势，监管与频谱政策成为关键变量。尽管云厂商因资源与规模挑战退出部分服务，5G专网在制造、矿业等领域的应用价值持续释放，AI边缘计算与高可靠低时延特性成为核心驱动力。未来，5G专网与AI融合将推动实时质量控制、预测性维护等高级应用落地，西门子等行业龙头的深入参与标志着产业生态进入深度竞争与融合的新阶段。
🏷️ #5G专网 #AI驱动 #产业龙头 #频谱政策 #边缘计算
🔗 原文链接
📰 5G专网市场：制造业巨头扩张与云计算巨头退出的不同路径
西门子宣布扩大私有5G业务版图，先在欧洲基础上覆盖加拿大，计划于2026年夏季登陆美国市场，强调企业自控的私有5G基础设施是AI驱动工业自动化的核心支柱。这与诺基亚在加拿大矿业拿下关键订单、英国开放无线接入网计划引入多家欧洲私有5G专家等趋势共同体现出全球5G专网市场的多元竞争格局。5G专网从需求方发起的产业变革逐渐演变为由垂直行业龙头推动的端到端解决方案，涵盖核心网、接入网、工业协议、以及与OT/IT的深度融合。市场分化明显：电信系、云服务巨头、垂直行业巨头和开放RAN厂商共同竞争；独立专网与虚拟专网在本地频段和部署方式上各有优势，监管与频谱政策成为关键变量。尽管云厂商因资源与规模挑战退出部分服务，5G专网在制造、矿业等领域的应用价值持续释放，AI边缘计算与高可靠低时延特性成为核心驱动力。未来，5G专网与AI融合将推动实时质量控制、预测性维护等高级应用落地，西门子等行业龙头的深入参与标志着产业生态进入深度竞争与融合的新阶段。
🏷️ #5G专网 #AI驱动 #产业龙头 #频谱政策 #边缘计算
🔗 原文链接
📰 AI和算力要想大规模落地应用产生利润，必先在工业制造上落地
你说得很对——AI 与算力要在制造业大规模落地并兑现利润。核心逻辑不是先做制造再谈盈利，而是以制造的需求刚性、规模效应与稳定回报，将算力从成本中心转变为利润引擎；离开制造场景，通用算力容易陷入烧钱换规模、盈利不可持续的怪圈。
落地路径强调四步：先锁定高 ROI 场景，优先标准化、数据完备、痛点明确的单点突破；构建端-边-云协同架构，边缘推理、区域私有智算与云端大模型协同；数据先行，打通传感器、MES、ERP 等数据，避免直接训练通用大模型；最后将 AI 与算力渗透到研发、生产、供应链与售后，形成全链路智能利润放大效应。同时强调避坑要点与验证指标，关注 ROI、算力复用、模型迭代成本等核心指标。
🏷️ #利润引擎 #数据闭环 #边缘计算 #工业AI
🔗 原文链接
📰 AI和算力要想大规模落地应用产生利润，必先在工业制造上落地
你说得很对——AI 与算力要在制造业大规模落地并兑现利润。核心逻辑不是先做制造再谈盈利，而是以制造的需求刚性、规模效应与稳定回报，将算力从成本中心转变为利润引擎；离开制造场景，通用算力容易陷入烧钱换规模、盈利不可持续的怪圈。
落地路径强调四步：先锁定高 ROI 场景，优先标准化、数据完备、痛点明确的单点突破；构建端-边-云协同架构，边缘推理、区域私有智算与云端大模型协同；数据先行，打通传感器、MES、ERP 等数据，避免直接训练通用大模型；最后将 AI 与算力渗透到研发、生产、供应链与售后，形成全链路智能利润放大效应。同时强调避坑要点与验证指标，关注 ROI、算力复用、模型迭代成本等核心指标。
🏷️ #利润引擎 #数据闭环 #边缘计算 #工业AI
🔗 原文链接
📰 筑牢AI行业国产芯片底座，基于龙芯中科平台的流式AI技术全球首发-人民政协网
近日，基于龙芯3C6000的“大敦”流式AI技术全球首发，清鹤科技与清华自动化系携手研发，在边缘智能领域具有里程碑意义，能够赋予设备AI“灵魂”。目前，该技术已进入规模化商用阶段，清鹤与龙芯中科签署战略合作，计划共同打造国产化软硬件AI解决方案，推动边缘智能标准化与产业应用落地，构建开放生态。
该技术通过创新的边缘架构，将传统依赖云端的大型AI转化为可在终端设备独立运行的“独立大脑”，实现感知-决策-执行的体系化解决方案，赋能无人自助系统与运动控制等场景。它引入共轭梯度法提升训练效率十倍，结合“流式调度”实现普通CPU接近GPU速度，单秒可并行处理超1000台终端的数据流，响应时延低于20毫秒，显著缓解实时性、隐私保护与带宽成本等痛点。
🏷️ #边缘AI #国产化 #独立大脑 #高效训练
🔗 原文链接
📰 筑牢AI行业国产芯片底座，基于龙芯中科平台的流式AI技术全球首发-人民政协网
近日，基于龙芯3C6000的“大敦”流式AI技术全球首发，清鹤科技与清华自动化系携手研发，在边缘智能领域具有里程碑意义，能够赋予设备AI“灵魂”。目前，该技术已进入规模化商用阶段，清鹤与龙芯中科签署战略合作，计划共同打造国产化软硬件AI解决方案，推动边缘智能标准化与产业应用落地，构建开放生态。
该技术通过创新的边缘架构，将传统依赖云端的大型AI转化为可在终端设备独立运行的“独立大脑”，实现感知-决策-执行的体系化解决方案，赋能无人自助系统与运动控制等场景。它引入共轭梯度法提升训练效率十倍，结合“流式调度”实现普通CPU接近GPU速度，单秒可并行处理超1000台终端的数据流，响应时延低于20毫秒，显著缓解实时性、隐私保护与带宽成本等痛点。
🏷️ #边缘AI #国产化 #独立大脑 #高效训练
🔗 原文链接
📰 芯桥半导体的全栈解决方案，如何优化AI芯片在制造业和医疗行业的长期运营价值？
制造业以智能生产闭环为核心，边缘计算实现低延时推理与现场质检，减少云端依赖，响应速度显著提升。多模态数据融合提升故障预测准确率，监控晶圆厂等复杂环境的运维水平，故障预测准确率达95%。通过Chiplet异构封装降低功耗，配合国产设备链协同实现制造环节自主可控。
医疗行业聚焦数据隐私与精准诊断，端侧部署本地化训练与硬件级加密，确保影像数据存储传输安全。高精度诊断支持来自多模态算法的实时分割和病理分析，便携设备续航通过新材料实现延长，远程诊断与OTA更新减少停机时间。
长期价值层面强调生态协同与可持续性：跨行业技术复用、绿色低碳设计与开放生态共建，推动AI芯片在工业互联网与智慧医院的规模化落地，同时需遵循认证与行业标准以降低风险。
🏷️ #AI芯片 #制造业 #医疗数据 #边缘计算
🔗 原文链接
📰 芯桥半导体的全栈解决方案，如何优化AI芯片在制造业和医疗行业的长期运营价值？
制造业以智能生产闭环为核心，边缘计算实现低延时推理与现场质检，减少云端依赖，响应速度显著提升。多模态数据融合提升故障预测准确率，监控晶圆厂等复杂环境的运维水平，故障预测准确率达95%。通过Chiplet异构封装降低功耗，配合国产设备链协同实现制造环节自主可控。
医疗行业聚焦数据隐私与精准诊断，端侧部署本地化训练与硬件级加密，确保影像数据存储传输安全。高精度诊断支持来自多模态算法的实时分割和病理分析，便携设备续航通过新材料实现延长，远程诊断与OTA更新减少停机时间。
长期价值层面强调生态协同与可持续性：跨行业技术复用、绿色低碳设计与开放生态共建，推动AI芯片在工业互联网与智慧医院的规模化落地，同时需遵循认证与行业标准以降低风险。
🏷️ #AI芯片 #制造业 #医疗数据 #边缘计算
🔗 原文链接
📰 信息化观察网 - 引领行业变革
大模型在汽车制造行业的应用带来了新的可能性，但其高计算量和制造系统对低延迟的需求之间存在矛盾。在实际推进过程中，质量预警、工艺优化和异常诊断等场景的实现面临着技术上的挑战，尤其是在总装环节，要求实时性极高。模型推理的延迟往往在百毫秒以上，难以满足产线的反馈要求。
本文针对模型服务与实时系统的耦合设计提出了几种解决方案。第一，模型轻量化与边缘部署，通过蒸馏或量化技术将大模型转变为小模型，使其在边缘设备上运行。第二，边缘-云协同推理，通过特征提取在边缘和推理在云端的模式，利用低延迟网络提高实时性。最后，异步预警方式，将模型输出作为辅助决策，减少实时闭环的压力。
在设计中，应注意控制逻辑与模型推理的分离，保持数据流的对齐和状态反馈的闭环。同时，统一的模型服务中间件能够有效管理版本、降级策略与延迟监控，促进与制造系统的良好对接。通过这些思考与实践经验，希望能够为同行提供参考与借鉴。
🏷️ #大模型 #汽车制造 #实时系统 #边缘计算 #质量预警
🔗 原文链接
📰 信息化观察网 - 引领行业变革
大模型在汽车制造行业的应用带来了新的可能性，但其高计算量和制造系统对低延迟的需求之间存在矛盾。在实际推进过程中，质量预警、工艺优化和异常诊断等场景的实现面临着技术上的挑战，尤其是在总装环节，要求实时性极高。模型推理的延迟往往在百毫秒以上，难以满足产线的反馈要求。
本文针对模型服务与实时系统的耦合设计提出了几种解决方案。第一，模型轻量化与边缘部署，通过蒸馏或量化技术将大模型转变为小模型，使其在边缘设备上运行。第二，边缘-云协同推理，通过特征提取在边缘和推理在云端的模式，利用低延迟网络提高实时性。最后，异步预警方式，将模型输出作为辅助决策，减少实时闭环的压力。
在设计中，应注意控制逻辑与模型推理的分离，保持数据流的对齐和状态反馈的闭环。同时，统一的模型服务中间件能够有效管理版本、降级策略与延迟监控，促进与制造系统的良好对接。通过这些思考与实践经验，希望能够为同行提供参考与借鉴。
🏷️ #大模型 #汽车制造 #实时系统 #边缘计算 #质量预警
🔗 原文链接
