在2019年CCF-GAIR（全球人工智能與機器人峰會）人工智能通用應用系統論壇上，TCL研究院的俞大海先生基于其在智能制造領域的深厚實踐，分享了從一線探索中出的關鍵經驗。這些經驗不僅為制造業的智能化轉型提供了切實可行的路徑，也為人工智能技術的落地應用帶來了深刻啟示。

1. 數據是智能制造的基石，但高質量的數據獲取與治理是首要挑戰
俞大海指出，智能制造的核心驅動力來自數據。在傳統制造場景中，數據往往分散、孤立且質量參差不齊。因此，企業必須優先構建統一的數據采集體系，打通設備層、生產層與管理層的數據孤島，并建立嚴格的數據治理規范。只有獲得準確、實時、完整的數據，人工智能算法才有用武之地，否則再先進的模型也只是“無米之炊”。

2. 場景驅動而非技術驅動，找準痛點方能創造價值
他特別強調，智能制造的成功絕非源于對AI技術的盲目追捧，而應始于對具體業務場景的深刻理解。企業需要從生產流程中的實際痛點出發，例如產品質量檢測、設備預測性維護、供應鏈優化、能耗管理等，選擇合適的技術方案進行針對性突破。以TCL的實踐為例，通過在面板檢測環節引入機器視覺，顯著提升了檢測效率與準確率，這便是技術為業務賦能的典型體現。

3. 人機協同是關鍵，智能化旨在增強而非取代
俞大海認為，智能制造并非追求完全的“無人化”，而是要實現高效的人機協同。人工智能應作為工具，輔助工程師進行決策、解放工人從事重復性勞動，并提升整體運營的靈活性與響應速度。培養既懂制造工藝又懂數據技術的復合型人才，建立人與系統順暢交互的流程，是確保智能化系統持續發揮效能的保障。

4. 系統化思維與迭代演進，避免“煙囪式”建設
智能制造是一個復雜的系統工程。他提醒道，企業需具備頂層設計的系統化思維，避免孤立地建設一個個“煙囪式”應用。平臺化架構至關重要，它能夠支持不同解決方案的集成與數據的流動共享。智能化升級并非一蹴而就，應采用小步快跑、持續迭代的方式，在驗證中不斷優化和擴展應用范圍。

5. 生態合作與開放創新
俞大海分享了TCL在推進智能制造過程中的開放態度。面對技術快速迭代，單打獨斗難以應對所有挑戰。與高校、研究機構、科技公司乃至同行業伙伴建立生態合作，共同攻克關鍵技術難題，共享行業知識，能夠加速創新步伐，降低轉型風險。

俞大海在CCF-GAIR 2019上的分享，清晰地勾勒出一條從實踐中來的智能制造落地路徑：以扎實的數據基礎為起點，聚焦真實業務場景，通過人機協同實現價值創造，并以系統化、迭代式和開放合作的方式穩步推進。這些經驗為正在或即將踏上智能化轉型之路的制造企業提供了極具參考價值的行動指南。