随着“人工智能+制造”实践的日益深入，制造业数字化转型进入由基建搭建向价值深挖、从工具应用向体系变革、协同智能的关键转折期。作为国内垂直产品领域首家国家级智能制造示范工厂，某装备制造企业通过流程优化、业务驱动、组织变革、AI赋能的一系列工作，在提升生产效率、缩短研发周期、降低成本和不良率等方面实现了显著的量化经营效益。2026年8月26日，ENI总编辑程艳玲对话该装备制造业CIO顾总理、戴尔科技集团制造业首席技术官林帆，围绕智能工厂建设、数字化落地、智能制造、数据安全等核心议题进行了深入探讨。

　　数字化转型容易变成数字化部门、制造部门的专项工作，很难真正落地“一把手工程”;容易变成运动式推进，多任务齐头并进，最后场面热闹，但是没有实际经营效果。顾总理指出，“数字化建设的最大难点不是建设，是从建好到用好”，因此，数字化工作不能凌驾经营之上，而是要以企业战略经营为核心，基于业务战略目标确定数字化战略，再分阶段开展数字化项目。精益改善要走在数字化系统建设之前。以中型产品订单交付周期为例，企业设定订单履约周期改善目标，摒弃仅统计内部生产周期的传统做法，建立以客户为中心的完整订单履约周期定义，考核范围覆盖订单评审、设计、工艺、采购、制造装配、包装发运直至客户签收全流程。

　　该企业将整体周期拆解为多个细分阶段，每个阶段明确责任部门与主管负责人。考核不以理想周期作为标尺，而是以实际业务数据的同比、环比进行衡量，明确各环节数据取数规则，按月输出分析报表。一旦出现周期变长，责任主体必须完成原因分析，输改善出课题闭环，连续得不到改善则需要管理层介入。通过删减评审无效节点、打通图纸给到供应链实现并行备料等流程优化手段，以及快速换型等各项精益提产举措，该企业整体订单履约周期缩短25%，多数品类缩短幅度超过35%。顾总坦言，企业内部不少已建数字化系统的价值尚未充分释放，需要站在经营战略视角重新评估改造激活效能。

　　组织体系的搭建，是数字化绕不开的关键命题。顾总认为，企业一把手的认知高度，直接决定数字化与智能转型所能达到的上限。数字化是覆盖全业务链的系统性变革，该企业已经将数字化相关指标深度绑定各经营单位一把手绩效考核，数字化任务未完成，单位及个人将失去评优、加薪资格。若高层认知存在局限，企业可以借助外部服务商赋能、走访标杆灯塔工厂等方式提升管理层认知。

　　面对大量标杆工厂案例，如何借鉴经验而不是简单复制，是很多制造企业的现实困惑。林帆指出，不同制造业业务生态差异显著，直接照搬标杆模式极易水土不服。戴尔科技集团在服务企业的过程中，会萃取标杆客户实践，脱敏后输出包含项目周期、投入规模、量化成效的参考画像，供不同企业参考。针对规模差异，落地路径也要有所区分，大型企业可以推进全域数据湖、人工智能就绪平台建设;中小企业优先选择智能检测、内部知识库等见效快的最小验证场景，采用一体机等轻量化方案，规避直接套用大企业重投入模式。

　　林帆提到服务商在数字化进程中承担陪跑角色，而不是简单交付软硬件。他观察到行业普遍存在几类误区：部分企业先采购大量GPU算力，再反向寻找业务场景，最终造成算力闲置;部分企业盲目追逐各类大模型;还有企业高层对智能制造产出效果预期过高，推进之后才发现数据、人员条件不匹配，项目被迫重新改造。戴尔科技集团具备覆盖底层算力、工厂边缘推理、上层可视化的端到端的能力，因此，针对企业数据孤岛问题，戴尔科技集团提供跨数据源的统一报表展示与查询平台，不强制推倒企业现有数据湖仓，而是在存量基础之上挖掘数据价值。

　　数据贯通与安全是AI规模化落地绕不开的现实难题。顾总坦言，企业内部业务数据全部加密，无法使用外部公有AI平台，只能引入模型，自建算力中心，算力缺口持续存在，企业也在探讨部分租用外部算力的可行性。面对算力不足与数据安全挑战，林帆介绍道，戴尔科技集团可以提供端到端的智能工厂解决方案，并利用“数据避风港”经验解决出海企业的数据主权与合规难题。并可以通过本体和向量数据库技术，将员工脑海中的隐性知识转化为企业可复用的电子资产。

　　超过300位制造企业CIO及数智化管理人参与了此次直播，为接下来企业智能转型、升级实践，以及AI转型提供了经验积累和路径参考。