当前，全球制造业正处于从"数字化转型" 向 "智能化升级" 的关键跃迁阶段。面对全球供应链愈发复杂、市场需求瞬息万变、质量与成本压力持续攀升的多重挑战，人工智能已深度融入生产执行、供应链协同、质量管控、仓储物流等智能制造全链路，成为破解 "生产效率瓶颈""成本管控压力""柔性制造需求" 的核心驱动力。
近日，鼎捷数智主办的"2025「AI + 智能制造」破局者峰会"在上海成功举办。本次峰会以"AI赋能·数智重生"为主题，汇聚了智能制造领域的行业专家、企业领袖等，围绕AI技术在制造场景的实践应用、落地挑战及未来趋势展开深度探讨。杉岩数据联合创始人兼总经理邱尚高受邀出席，并参与圆桌对话，共同探讨"AI重构数智工厂，如何破局？"
企业实践：检测数据高效管理支撑AI +智能制造场景落地
谈及AI +智能制造的场景落地，邱尚高表示，AI 技术已在生产检测、运维管理等核心环节实现规模化落地，尤其小模型在半导体及泛半导体等领域的光学检测中，通过"检测 - 训练 - 复判"的闭环优化模式，大幅提升检测的准确率。不过，AI大模型在制造企业应用中仍存在不确定性，这种不确定性使得在对精度要求极高的工业制造、质量管理等领域难以直接落地，因此应结合场景的容错能力分阶段推进。
从实践应用中看，大型面板厂、晶圆制造企业等正加速自建AI 检测体系，减少对外部设备商的依赖，而这背后离不开海量数据的支撑。一些头部的制造企业，随着高分辨率工业相机和先进的图像处理算法的普及，其检测数据量已进入数十PB甚至上百PB级别，海量非结构化数据的存储与管理成为AI落地的先决条件。
破局困境：携手共创"AI+智能制造"产业新篇章
在谈到"AI+智能制造"的未来方向，邱尚高建议采用"共创模式"，可优先选择利润空间充足、技术接受度高的行业头部客户共同探索，通过试点积累经验，逐步形成可复制、可推广的标杆案例。
尽管AI技术在部分领域已超前发展，但整体产品化能力仍处于早期阶段，需要产业链上下游企业协同投入和共同构建可持续发展的AI工业生态。在对话的最后环节，邱尚高以 **"筑牢数据底座，释放 AI 价值，共筑数智制造新生态"**作为寄语，呼吁产业链各方协同创新，共同推动智能制造高质量发展。
杉岩IDM：赋能"AI+智能制造"破局前行
无论AI应用如何演进，海量数据的可靠存储和高效管理始终是智能制造的基石。在本次峰会上，**杉岩检测数据管理系统IDM（**简称"杉岩IDM"）亮相成果展区。杉岩IDM通过"检测数据管理+AI"的深度融合，为智能制造工厂构建了坚实的检测数据管理平台，解决生产制造过程中海量质量检测数据采集、存储、处理、归档、分析、利用等痛点，实现产线业务在成本降低、效率提升、质量改进等方面的全面突破。
杉岩IDM通过智能提取元数据（如机台号、时间戳、序列号）自动生成结构化标签， 为缺陷检测模型提供高质量数据集；通过整合质检图片、设备日志、工艺参数等多源数据，实现多源异构数据的标准化接入与跨模态融合训练；通过多维融合分析预测，构建"数据－算法－业务"的闭环，实现全流程检测数据分析优化，提升生产良率，提升产品质量。
未来，杉岩数据将进一步融合AI等技术，为新能源、半导体、消费电子、汽车电子等先进制造企业打造海量检测数据的"隐形基础设施"，构建智能化、预测性、闭环的质量管控体系。