人工智能（AI）已告别试点阶段，如今嵌入生产系统之中，并已取得切实成效。
AI的应用正从数字化工作流程延伸至工厂、电网、矿山、医院和供应链，并采用自主AI智能体与人工监督相结合的模式。
世界经济论坛的MINDS计划已遴选16家机构加入第三期，这些创新AI应用案例均带来可衡量的运营、社会与可持续发展成效。
人工智能（AI）的采用速度已远超其实际成效的证据积累。世界经济论坛的MINDS计划旨在弥合这一差距，重点展示AI已从试点走向生产并取得可衡量成果的应用案例。
第一期入选名单于去年在中国天津举办的“夏季达沃斯论坛”上公布，共18个案例，涵盖从优化列车运营到改善诊断医疗可及性等领域。第二期共15个案例，于今年早些时候在瑞士达沃斯举办的世界经济论坛2026年年会上公布。
今日公布的第三期新增16个案例，涉及26家机构，并揭示了一年前尚未显现的三大趋势。
其一，AI正从屏幕走向物理世界。本期案例的应用部署于矿山、工厂、电网和医院之中，而不仅限于数据与决策工具内部。
其二，基于智能体的系统在设计之初即内置治理机制。分级人工监督、运营保障措施和回退路径如今从第一天起便已成为标准配置。
其三，即便减排并非系统的主要目标，降低能耗、减少材料浪费和减少行驶里程等可持续发展成果，也正作为运营成效显现出来。
我们将16个案例归入六大主题：生产力、可持续发展、医疗健康、学习、可信信息和韧性基础设施。以下内容展示了各机构如何运用AI应对这些重要的宏观系统性挑战。
第三期：数据概览
16：个入选案例已部署于全球28个国家
50%：的入选MINDS总部位于大中华区，25%位于欧洲，15%位于北美，3.5%位于南美洲、非洲、澳大利亚和新西兰。
55%：的已核实申请者借助AI提高了准确率、改进了缺陷检测或减少了错误。
30%：的已核实申请者在部署AI后降低了运营能耗。
50%：的已核实申请者借助AI提高了人均或单位产出或吞吐量。
按主题划分的入选MINDS
1. 通过生产力与创新加速增长
旨在提升各项运营的生产力、质量与速度，使各机构以更少投入创造更多价值。
Valterra Platinum与Dunia Innovation GmbH
问题：工业催化剂与材料研发（R&D）进展缓慢、较为分散，且依赖人工实验，可供比较的数据有限。在排放控制和工业系统领域，这会延误研发进程、推高成本，并使项目面临高达3亿美元的风险。
方法：一个闭环自主平台，融合自主机器人技术、AI实验筛选、模拟与实时学习，以加速研发探索。该平台单日即可提供相当于15名科学家每周产出的实验能力。
成果：工业实验吞吐量提升高达5,500%（约为原来的56倍），数月的研发周期缩短至数周，每次实验的运营成本由最高2,000美元降至300美元以下。
Molecular Universe Pte. Ltd.（SES AI Corp）
问题：研发更优电池仍然进展缓慢、成本高昂：科学家必须借助零散的数据和耗时的测试，探索庞大的化学设计空间，这限制了电池在性能、安全性、充电速度和使用寿命方面的进步。
方法：该公司开发了一个AI驱动的材料发现平台，融合科学文献、模拟数据、实验室数据和自主实验，借助专注于化学的AI模型和持续的实验反馈，识别并优化电池材料。
成果：电解质的发现周期由约两年缩短至三个月，同时实物实验减少高达70%，有助于提高研发效率、降低成本，并加快更安全储能系统的开发。
青岛海信日立空调系统有限公司
问题：空调制造商面临日益增长的定制化与质量需求，但零散的数据和人工工作流程仍主导着设计、实施与优化环节，拖慢了产品推出速度，限制了自动化水平，并降低了质量。
方法：一套AI赋能的工作流程将工艺设计、实施与优化统一起来。模拟减少了实物测试，软件和文档自动生成，同时AI模型在生产线上对产品进行检测，生产反馈则持续改进设计。
成果：采用该AI工作流程的工厂实现了：产品开发速度提升37%，人均生产效率提高49%，实现AI质量检测全覆盖，一次合格率损失减少30.4%，异常处理速度提升83%。
KUKA与Mech-Mind Robotics Technologies Co. Ltd.
问题：现代制造生产线必须处理数十种产品变体，且公差需达到亚毫米级，往往还身处危险环境之中。传统机器人只有在所有零件位置固定的情况下才能工作，因此每出现一种新变体，都需要定制夹具和重新编程，迫使生产依赖人工操作，而人工操作越来越难以扩大规模。
方法：该智能平台融合AI驱动的3D视觉、世界模型与标准化软件，可将任何现有机械臂转变为自适应的智能体。平台兼容1,000余种机器人型号，无需定制工程即可实现改造部署，并赋予机器人“眼睛、大脑和夹爪”，使其能够应对现实世界的复杂情况，同时减轻疲劳并降低工作场所风险。
成果：合作装配线实现单班产能提升50%，劳动效率提高30%。危险作业环节实现全面自动化，以避免人员伤害；生产线还具备应对新变体的灵活性，无需停机或重新设计工程。
Xuchang Pang Donglai Trade Group Co. Ltd与Mettler Toledo (Changzhou) Measurement Technology Ltd.
问题：超市的包装、生鲜和收银环节依赖相互割裂的人工工作流程。机器的频繁调整、资源浪费以及人工查询也会拖慢服务速度、增加成本并降低顾客满意度。
方法：一套云边协同AI系统将包装、生鲜和收银环节连接起来。AI设备利用图像、重量和尺寸数据识别商品，准确率达99%；同时，中央平台对设备进行监控，并在各门店持续重新训练模型，过滤错误数据。
成果：单件商品收银时间缩短60%，薄膜浪费减少20%，包装合格率提高18个百分点，预包装机器每家门店每日停机时间减少30至60分钟。
2. 构建可持续的地球、能源与粮食体系
旨在随着经济增长减少排放和浪费、提高效率与电网可靠性，并保护自然环境。
Bota Biosciences
问题：生物研发受制于缓慢的“设计—构建—测试—学习”循环；本应耗时数周的研究方案往往需要更长时间。含糊的专业术语和不一致的表述进一步加剧了延误，阻碍了生物制造的规模化发展。
方法：这是一个面向合成生物学的自动驾驶实验室，可在生物铸造厂中实现从实验规划到执行的全流程自动化。其实现方式是将大语言模型、超过1000万个专有实验数据点，以及一种新型结构化语言（生物协议语言）相结合，后者可将AI生成的方案转化为明确、可由机器执行的实验室协议。
这是一个合成生物学自动驾驶实验室，结合大语言模型、超过1000万个专有数据点以及结构化生物协议语言，将AI方案转化为可由机器执行的工作流程，从而在生物铸造厂中实现从实验规划到执行的全流程自动化。
成果：从规划到执行的时间缩短超过70%，人均实验吞吐量提升两至三倍。
中国南方电网（CSG）广西电网，联合CSG AI Technology Co.及中国南方电网
问题：当可再生能源发电、极端天气或电网拓扑结构改变电力流向时，关键输电线路可能出现过载。运营人员长期依赖人工检查、现场经验以及在短时间窗口内的重新计算，导致决策速度更慢、更趋保守，且难以规模化。
方法：该系统持续读取电网实时数据、预测信息和网络状况。一个强化学习智能体会针对发电机、储能设施和可控负荷提出安全调整建议，每项建议均需经过运行约束校验、模拟测试，并在执行前由运营人员审核。
成果：在广西调控中心，严重过载情况减少约90%。响应速度提升约三倍，策略可在数秒内生成，同时还实现了成本节约。
TW Solar
问题：太阳能电池制造涉及数以百万计的超薄硅片，它们在高度自动化的生产线上连续流转。每块电池的数据被采集并分散存储于多个独立系统之中，出现异常时需要人工进行关联比对。所采用的追溯系统大多属于被动式，导致纠正措施延迟、良率下降，并推高了制造成本。
方法：该公司利用硅片级追溯平台和AI算法，构建了一个闭环系统，可将根本原因精准定位至具体设备和工艺，同时持续监测并预测异常情况。
成果：根本原因排查时间由三天缩短至三分钟，显著提升了问题响应和纠正措施的效率，同时人均产量提高7%，太阳能电池良率提升0.5%，转换效率提高0.1%。
上海交通大学与联想
问题：随着AI、企业级及高性能计算（HPC）负载持续快速增长，数据中心正面临日益增大的压力：能耗不断攀升、可用电力受限，同时还需在减少碳排放的前提下扩大算力规模。
方法：这是一个AI驱动的编排平台，可在云与数据中心基础设施中持续优化企业级、AI及HPC负载，并将能源视为可调度资源。该平台由联想xCloud AIOps提供支持，通过统一的决策引擎，实时优化负载、算力、制冷和供电系统。
成果：该方案已在上海交通大学数据中心部署并完成验证，实现能耗降低高达11%，每年二氧化碳排放量减少高达310吨，同时在相同功率预算下提升了算力产出和基础设施效率。
Occidental
问题：在投入数百万美元进行钻探之前，企业需要更深入地了解地质储层，以及石油和天然气最可能分布的位置。如今，地质学家和工程师需要人工解读海量地质与地震数据。如今，地质学家和工程师仍需人工解读海量地质与地震数据集——这是一个缓慢且难以规模化的过程，细微差异就可能对钻探、储量和资本配置产生实质性影响。
方法：该公司开发了一套AI工具包，帮助地质学家和工程师共同建立对地下状况的初步认识。该工具包利用测井数据、岩石化学成分、传感器数据和历史解释，对岩层进行关联分析，在钻探前预测岩性，识别地质条件相似的区域，并估算地下石油、天然气和水的含量。这些工具与现有工作流程相整合，使专家能够审查并完善AI生成的解释。
成果：地质解释工作由原来的数月缩短至数天，钻探停工时间减少，钻具更换次数减少，水平钻井时间缩短。
3. 通过更优质的医疗服务，构建更健康的生活
旨在应对诊断延迟、护理流程割裂、就诊等待时间过长和治疗费用难以承受等问题，以改善健康结局并促进公平。
SBP Group
问题：新药从临床试验走到患者手中可能需要数年时间。在医疗机构中，需要专业且受合规约束的决策仍分散于各类系统、文件和个人专业经验之中，这既拖慢了研发进程，降低了运营效率，也延迟了患者用药。
方法：这是一种受治理的企业级AI运营模式，将专业智能体嵌入临床、商业和企业管理等工作流程之中。分级自主框架可自动处理低风险任务，以人机协作方式支持中风险决策，并要求对高风险的医疗、财务和合规决策进行人工审批。
成果：该系统支持超过20,000名企业用户，累计完成超过100万次AI辅助审核。患者筛查时间缩短83%，临床试验现场调查周期缩短67%，核心医学事务场景的运营效率提高30%，市场分析周期由一个月缩短至一天。
4. 拓展学习、技能、文化与机会
旨在消除成本、语言和地域方面的障碍，并将终身学习与技能及工作相衔接。
格拉纳达教育发展、职业培训、大学、研究与创新地方代表处，格拉纳达大学（UGR）心智、大脑与行为研究中心（CIMCYC），以及ATENXIA
问题：约六分之一的儿童存在注意力和读写相关的困难，但目前针对儿童和青少年的干预方法仍严重依赖标准化、由临床医生主导的模式以及人工专业监督。
方法：这是一个AI驱动的游戏化平台，可实时持续调整练习和干预路径，同时保留专业人员的参与。
成果：读写相关的认知成效提升25%至35%，在16周的干预期内，监测和人工干预调整所需的时间减少高达50%。
5. 保障可信信息与治理
旨在确保信息可靠，加强网络安全与法律问责，并提供快速、公平且安全的服务。
Netsafe与Standard Security
问题：电子邮件诈骗不仅冲击我们的经济，据报告损失高达30亿新西兰元，还波及我们的亲人，且对数字技能欠缺的用户和经济脆弱的家庭尤为不利。由于防范诈骗仍是一种被动式体系，诈骗者几乎无需付出成本，也几乎不受阻碍，仍在持续作案。
方法：通过一个平台，将诈骗举报从被动受理流程转变为主动的对抗式打击工作流程。该平台可创建个性化的AI角色，自主与诈骗者展开长时间对话，消耗其时间并大规模扰乱其运作。
成果：该平台动员了超过40,000名市民转发诈骗邮件以供AI互动，共消耗诈骗者超过7,500小时的时间，涉及297,490封邮件和9,510个不重复的诈骗者账户。
Quipu
问题：拉丁美洲有超过80%的非正规就业者（包括街角小店主、街头小贩和送货司机）无法获得正规信贷，因为传统信用评分依赖过往借贷记录。没有记录的人会被拒绝，而替代选择则是由犯罪组织经营的高利贷，利率高达800%。
方法：这是一套多模态人工智能评分引擎，可读取金融短信通知（捕捉实时收入与支出模式），并结合企业视频、产品照片和社交媒体活动，将所有这些信息都作为信用信号加以利用。该系统可提取超过535个变量，并利用视觉嵌入技术仅凭图像即可评估企业的经营可行性，预测能力提升25%。
成果：该平台已处理超过30万份个人评分，并支持约4.9万笔贷款。据其报告，续约率为80.1%；客户使用非正规“gota-a-gota”放贷人的比例从38.6%降至28.5%；13.11%的客户报告收入至少增长15%。
6. 建设具有韧性的基础设施、社区与供应链
提升公共安全与出行能力，预判并吸收冲击，保持基本服务持续运转，并加快响应与恢复速度。
TCL工业控股有限公司
问题：家电物流颇具挑战性，因为产品在尺寸、重量和易碎性方面差异很大。集装箱装载仍严重依赖人工规划和员工经验，导致空间浪费、成本上升、订单履行变慢，并增加货物损坏和安全隐患的风险。随着业务量增长和订单复杂度提高，这些挑战还会进一步加剧。
方法：这是一套由人工智能驱动的集装箱装载系统，可与企业系统集成，实时获取产品、库存和运输数据。该系统利用三维优化技术，确定最安全、空间利用效率最高的装载方案，核验合规要求，并为仓库团队生成可视化装箱指引。
成果：该系统将集装箱规划时间从30分钟以上缩短至30秒以内，提高了空间利用率，减少了发运次数和运输成本，减少了700多吨碳排放，并支持每月超过7000次装载作业。
首钢矿业公司与EACON矿业集团
问题：矿山运输通常存在危险性高、劳动强度大且人员配备困难的问题，在偏远或高海拔作业地点尤为突出，司机需要面对粉尘、震动、噪音、恶劣天气和长时间轮班。露天矿环境也高度多变，未铺装的运输道路、不断变化的条件、有限的能见度和突发障碍物，进一步增加了运营的复杂性。
方法：该解决方案综合了L4级自动驾驶、高精度定位、360度感知、车对车通信以及专为矿山作业设计的一体化调度系统。它支持混合车队及70余款卡车车型，协调自动驾驶设备与人工驾驶设备贯穿装载、运输和卸载全过程。
成果：每吨运输成本降低90%，能耗降低13.3%，与高风险运输任务相关的人工工作量减少82.5%。
第一批次一年后：富士康案例研究
2025年，富士康与波士顿咨询公司（BCG）合作，入选MINDS计划第一批次，参与“创世纪计划”，这是一项重塑电子制造业的人工智能转型举措。
加入该计划以来，富士康已在其成都园区的鸿富锦精密电子（成都）有限公司工厂成功推出该解决方案的升级版本。它将人工智能就绪数据、多智能体协同推理、可复用机器技能和数字孪生验证整合为统一的自适应运营系统。
该平台还打造了一座“自我思考”的工厂，多个人工智能智能体动态协作，以优化运营、应对异常情况，并持续适应不断变化的条件。
该举措已在300多条生产线上部署，服务超过5000名人员，异常响应时间缩短47%，能效提升30%。
此外，富士康已将5000多条专家规则和制造实践数字化，知识复用自动化率达到78%，并为跨200多个业务场景的软件定义制造奠定了可扩展的基础。
MINDS批次在人工智能创新方面的意义远不止于此
第三期MINDS批次共收到数百家企业的申请。
今日展示的项目连同此前各批次，仅代表了通过人工智能和前沿技术可以嵌入的创新性变革应用中的一小部分。
越来越清楚的是，人工智能的采用已不再是“是否”的问题，而是“如何”的问题。医疗、教育、研发等领域的各类组织正从孤立的应用场景转向企业级转型，在此过程中重新构想运营、基础设施，甚至实体环境。
本页展示的每一项部署都凝聚了多家机构数十位贡献者的努力。请访问我们的网站，查看支撑这些人工智能驱动解决方案的全部MINDS成员名单。我们的网站。
有意申请第四期批次吗？欢迎具备切实影响力、并拥有健全治理与负责任实践的人工智能应用机构，通过MINDS网站申请。入选的MINDS将在瑞士达沃斯-克洛斯特斯举行的2027年世界经济论坛年会上公布。
