先进的物理人工智能正从机械空间感知转向实时分子化学管理。
全球制造商正借助工艺感知自主系统，同步降低运营成本并实现可持续发展目标。
如何让有前景的理念转化为可规模化的影响力，是世界经济论坛“新领军者年会”的重点议题之一。新领军者年会，又称“夏季达沃斯”，将于6月23日至25日在中国举行。
在离散制造业（即汽车或智能手机等独立实体物品的组装）中，物理AI的应用几乎遍布每一座工厂车间。拣选与放置机器人、视觉引导检测、自主物流，每一项都以空间感知解决了现实中的生产效率难题。成效显著，正在全球各地重塑汽车工厂、电子设施和包装作业。
挑战在于，空间感知无法适用于流程制造业，即进行酿造、混合、反应、乳化和流动作业的制造领域。这一类制造需要一种全新的物理AI，能够在实时环境中、在每次都不尽相同的条件下，在分子层面管理产品。家居用品、食品饮料、健康美容及制药等行业，正是下一代物理AI在可持续发展与生产效率方面带来最重大收益的领域。然而，要实现这些收益，制造业与技术领袖需要采取根本性的全新方法。
制造生态系统的核心差异
离散制造处理的是物体，即可以被看到、测量、拾取和放置的部件。波士顿动力公司的Atlas人形机器人或许是这一点最知名的体现：摄像头、激光传感器和力反馈所获取的空间感知，转化为精准的物理动作。
流程制造处理的则是截然不同的对象：处于持续转化状态中的产品与工艺。流体、化学反应、相变和流动过程中，只要一个变量超出范围，就可能危及整批生产、引发产线停机或导致安全审核不合格。生产全球所食、所饮、所用清洁产品的行业，改变的是材料的根本属性，这需要一种真正不同的智能。
什么是工艺感知自主？
工艺感知AI或工艺感知自主，是一类新型物理AI，旨在应对流程制造中动态的、以化学为驱动的现实。工艺感知自主适用于定义离散制造中物理AI的同一“感知—推理—执行”框架，但针对一个以组分为核心挑战的环境进行了全面重塑。
“感知”是收集后续行动所需数据的第一步。在离散制造中，物理AI理解的是物理空间；而在流程制造中，它利用先进光谱传感器等在线测量工具，理解分子层面的化学变化。这些基于硬件的系统实时从产线接收多模态信号，持续读取粘度、浓度、倾注速率、浊度和流体动力学数据，且无需中断生产。
框架中的“推理”环节是AI发挥作用的地方。在离散制造中，AI模型推理的是物理空间和作用力；而在流程制造中，它们推理的是化学与组分。这些模型基于每条产线、每种产品和每次运行的具体工艺进行训练，从而准确理解管道内部正在发生的一切。
框架中的“执行”环节是将所收集的信息转化为即时运营行动从而创造价值的环节。在离散制造中，这表现为机械臂将部件安装到位；在流程制造中，执行动作包括向阀门下达指令、投加新的化学剂量、启动分流点，所有决策均基于实时的产线状况。每一次行动都会产生累积效应：完善的循环为下一次循环提供依据，随着时间推移，逐步趋向工艺、产线和工厂的最优状态。
通过实时运营效率缓解工业压力
流程制造业同时承受着多方面的压力。随着经验丰富的操作人员退休，机构知识正在流失；原材料成本持续上涨；消费者需求迫使产线以超出固定自动化设计能力的速度进行切换。与此同时，企业面临着更严格的气候承诺，而工厂车间却没有可以实现这些承诺的运营路线图。
工艺感知自主正是同时、直面应对这些挑战的方案。
每个周期都在应当结束的那一刻终止，而非由计时器决定，这一改变影响深远。被释放的时间，解锁了数十年来被悄然浪费的产能。同样的精准度可以消除浪费，并实现质量的规模化提升：水、化学品和能源仅在工艺需要时投入使用，并在不需要时立即停止，由此降低成本的途径不是削减，而是提高效率。此外，员工队伍的素质随之提升，而非规模缩减：操作人员得以从手动监测仪表中解放出来，专注于真正需要人类参与的判断密集型工作；而曾随专家退休而流失的机构知识，也首次被编入系统本身。
最重要的是，可持续发展与生产效率不再是非此即彼的取舍。
当工厂不再依据计时器运行清洁程序，而是在产线真正洁净的那一刻结束清洁时，用水、化学品和能源的消耗都会减少。这并非源于某项可持续发展倡议，而是高效运营的直接结果。在预算讨论中，可持续发展往往输给生产效率，被视为成本而非结果。工艺感知自主改变了这一局面：效率提升与环境效益通过同一行动在同一时间实现。
规模化验证：全球制造业领袖如何部署工艺感知AI
如今，工艺感知自主已应用于全球部分最大制造商的工厂车间，并在全球范围内取得成效。联合利华在其冰淇淋和食品工厂部署工艺感知AI后，清洁时间缩短20%，公用设施用量下降10%，每条产线每年节省10万欧元，并计划将推广范围扩展至其全球网络中的另外35个站点。百威英博将工艺感知AI应用于其全球酿造运营的水质监测，水资源利用效率提高20%，从2017年的3.08 hl/hl降至2024年的2.47 hl/hl；公司目标是到2030年将其进一步降至2.0 hl/hl。
在全球要求最为严苛、监管最为严格的制造环境中，工业规模的生产部署已证明：工艺感知自主切实可行，且其收益即时可见、可衡量并可持续累积。
竞争优势：抓住工业技术领域的下一个重大机遇
离散制造中的物理AI与空间感知已是一个竞争激烈的领域。数十亿美元的投资、数百家企业以及数年的研发积累，都汇聚于同一个工厂车间，收益确实可观，但该领域已being探索充分。流程制造则截然相反：其规模庞大、影响深远，却因一个简单的原因，在AI时代基本未被触及。出色地执行工艺感知自主，即在分子层面、实时地、贯穿数十年积累的异构工厂基础设施进行推理，确实困难重重。正是这种困难，使其长期抵制自动化；也正是因为如此，其背后的机遇才如此广阔。
软硬件一体的AI技术体系如今已经成熟。对其提出的需求从未如此强烈。而那些已率先完成转型的制造商并未坐等观望，它们正在降低成本、节约用水、挽回因停产损失的时间，并借助每一次循环不断累积运营优势。下一片“蓝海”已经开启，唯一的问题是：谁将率先行动，谁又会被甩在后面。
论坛正聚焦创新如何从突破走向规模化、再到产生影响，相关议题将在2026年6月23日至25日于中国举行的“夏季达沃斯”前展开。关注最新动态。
