《工程·管理（英文）》第13卷第2期封面

生成式人工智能究竟能不能、以何種方式重塑制造業？2026年6月，中國工程院院刊《工程·管理（英文）》刊發論文《基於基礎模型的生成式人工智能驅動的智能制造：一場范式轉移》，提出生成式人工智能（GenAI）在制造業中的角色正從“輔助工具”轉向“自成一體的服務提供者”。

該論文以鄭浩博士為一作，新西蘭奧克蘭大學機械與機電工程系徐旬教授為通訊作者。徐旬表示，這一轉變的關鍵不在於通過GenAI優化各既定環節，而在於由GenAI交付完整方案，其落地取決於可靠性這一根本性難題的破解。

“AI+制造”已成普遍說法，但在徐旬看來，這仍是工具論：工程師借人工智能優化現有環節，整體方案設計仍依賴人工。論文提出的“范式轉移”，指向的是角色之變——GenAI成為自成一體的服務提供者：用戶提出需求后，由通用模型理解問題、規劃並執行完整方案。

實現該范式轉移，須滿足三項條件：從語義需求到物理執行的端到端閉環，人工干預降至極低﹔跨任務的零樣本與少樣本泛化能力﹔生成方案可制造、可驗証，並能超越專家既有方案。論文搭建了“產品設計—生產制造”全流程框架作為落地支撐，証明了該范式在原型層面的可行性。

GenAI在制造業的應用呈現清晰的五級遞進：從對話輔助、數據增強、模型增強，到方案編排與創新生成。但當前的應用還主要集中在第一層，徐旬認為這一差異主要來自應用門檻的高低：對話輔助可直接調用現成大模型﹔數據增強則要求生成數據符合工藝精度與物理規律，而通用模型缺乏這種細粒度領域知識﹔更進一步，走向“方案編排”與“創新生成”，則要求GenAI真正接入物理世界中的工具與設備，依據現場反饋可靠完成多步生產任務，保証方案可制造、可驗証、能創造實際價值。不過，徐旬提醒，企業不必一味追求更高層級的應用，適合業務、能穩定產生效益的應用比層級高低更重要。

當前，部署GenAI仍面臨接口異構、災難性遺忘、語義符號與連續傳感信號對齊等多重挑戰。此外，徐旬指出在短期內最難突破的是可靠性，即如何保証生成結果在物理上一定成立。然后，可靠性難題根植於生成式模型的概率本質：生成模型給出的是“看起來合理”的答案，制造要求的卻是“確定正確”。

徐旬坦言，“物理約束內嵌的GenAI”研究仍處於早期階段。現階段較務實，也是學界主流的做法是“生成＋驗証”——讓模型調用CAD內核、有限元、仿真器等確定性工具進行校驗和迭代，而不是指望模型把物理規律學進參數裡。

徐旬認為，生成的方案須同時滿足任務效率、人的福祉、環境可持續性與社會影響四項屬性。當四者發生沖突時，既不應由GenAI單獨決定，也不能隻由企業或個人決定。應當由監管機構設定安全與環境底線，各方參與協商，GenAI負責把價值顯示化、可解釋地開展多目標權衡。

人工智能該當“副駕”還是“自動駕駛”？徐旬主張按風險分級：低風險任務可自主完成，高風險任務應是“副駕＋人類最終責任”。他同時警示兩種風險——自動化對象正從體力勞動轉向決策與創造過程的“認知替代”，以及工程師因過度依賴人工智能而喪失判斷力的“技能萎縮”。隻有實現價值對齊、可審計、可追責，GenAI才可能走向更高程度的自主。

就我國而言，徐旬的判斷是“優勢是長期的、制約是階段性的”：豐富的應用場景意味著任務多樣性和大量部署反饋，這一優勢難以復制﹔而數據分散在各企業手中、權屬敏感、共享意願有限，嚴重制約了制造業GenAI技術的發展。

如何讓數據“可用不可見”？徐旬認為，雖然聯邦基礎模型技術上可行，但從零預訓練成本過高。或許，更現實的路徑是在通用模型之上開展聯邦參數高效微調，做到原始數據不出廠。“但這並不等於絕對安全——梯度仍可能泄露信息。”徐旬表示，真正更難的是激勵與確權：誰貢獻、誰受益、模型歸誰。（張沛）