11月27日，由北京市科学技术协会主办，北京市海淀区科学技术协会、中关村网络安全与信息化产业联盟（以下简称“联盟”）联合承办，北京四季慧谷园区管理有限公司、中关村意谷（北京）科技服务有限公司协办的AI赋能智能制造的痛点破解与实施路径沙龙活动顺利举办。来自北京市科学技术协会一级巡视员何劲松，北京市科技教育中心（市科协党校）副主任孙涛，北京市科委中关村管委会新材料与智能制造处原一级调研员张若松，工业和信息化部网络安全产业发展中心原副主任李新社，北京市海淀区科学技术协会党组成员、副主席邱峰等相关领导专家出席。同时，浪潮、航天云网、福田汽车、六方云、706所、安天、和利时、中联德冠、东方通、烽台科技、惠而特、用友、数力拓新、康泰博控、爱加密等企业代表共40余人参加活动。本次活动由联盟秘书长邹冬主持。

主题报告环节，工业和信息化部网络安全产业发展中心原副主任李新社以《AI助力制造业发展的问题和破局》为题展开分享，聚焦AI赋能智能制造中的数据治理瓶颈、场景适配性不足、算力成本压力、人才短板等核心痛点，结合工信部推动人工智能产业发展的政策方向，重点围绕“强化八大基础支撑”中的数据供给创新、智能算力统筹，以及“场景牵引技术适配”的落地逻辑，解析了从政策保障到企业实践的破局路径，为制造业智能化转型提供了兼具政策指导性与实操性的方向参考。

在航天云网科技发展有限责任公司项目处处长赵志达看来，工业大模型正成为AI技术赋能工业场景的关键。他围绕《工业大模型实践之路》展开深度分享，首先点明了行业逻辑：工业互联网是数实融合的核心，而工业大模型则是其落地关键。随后，他聚焦“AI+数字孪生”这一核心赋能模式，详细拆解了航天云网INDICS-MIND工业大模型的架构与服务。并进一步用6个典型场景案例串联起实践价值，从需求痛点切入，对应呈现解决方案的落地效果。基于这些实践洞察，他展望行业前景，认为工业大模型的持续演进将推动工业领域生产方式的根本性变革，并建议以技术创新为核心、以场景落地为导向培育新质生产力。

浪潮信息自动驾驶架构师龚湛在《认知驱动：VLA与世界模型重塑智能驾驶新范式》报告中，分析了当前智驾模型在空间理解、时序建模与数据效率上面临的挑战。他认为，端到端模型正朝着VLA与世界模型的方向发展，该方向模型遵循Scaling Law，有望显著提升汽车的环境认知能力。龚总指出，算力是支撑这一发展的关键基础。为满足VLA模型训练与大规模仿真验证的需求，智驾算力需向100 EFLOPS的目标持续演进，为高阶自动驾驶的实现提供重要保障。

在项目分享环节，北京六方云总裁李江力深度解读了《工业互联网安全态势报告》。他首先结合政策导向与产业发展要求，指出在工业互联网加速渗透的背景下，安全边界拓宽与风险传导性增强已成为两大显著特征。基于多维度统计数据，他进一步点明三大核心风险：工业主机隐患突出、工控系统漏洞高发、以及工控设备暴露数量同比攀升，同时工业机器人、物联网等新兴场景的风险亦在加剧。随后，他通过对2024年国外典型事件与近年国内重点案例的剖析，揭示了安全事件的传播路径与严重危害。

北汽福田制造领域专家、副院长李红亮做《福田汽车AI+赋能业务领域的探索及实践》项目分享，核心拆解供应链数智化转型实战。他明确“精益化-信息化-数字化-智能化”的进阶路径，强调AI变革需以“场景+流程+组织+IT”为系统方法，按“三层五阶八步”稳步落地。结合标杆车企AI应用调研，他重点介绍落地成果：依托数据资产沉淀，在设备预测性维护、物流智能规划、能耗AI分析等场景实现突破，订单可视化预警更成为降本增效典型。分享中他同步介绍，未来要建立供应链两级AI应用架构，并融入DeepSeek与具身智能技术，推进智能产线集成。这套从场景挖掘到技术落地的完整方案，为制造企业AI转型提供了可复用的鲜活样本。

自由交流环节气氛热烈，与会嘉宾围绕AI赋能智能制造核心议题展开深度研讨。大家重点聚焦数据底座建设的基础性意义，认为数据治理与标准统一是智能化转型的关键前提；同时强调技术应用需贴合行业场景特性，灵活适配不同类型模型发展，避免同质化推进；并围绕数据短缺、人才匮乏等行业共性痛点，探讨了政策支持、生态共建、技术融合等破解路径，为智能制造高质量发展凝聚共识。

最后，北京市科学技术协会一级巡视员何劲松发表总结讲话。他肯定AI技术在智能制造领域提升效率、保障安全的核心价值，针对行业面临的需求多元与技术落地难题、专业团队储备不足等关键问题，结合典型案例阐释了AI赋能传统产业转型升级的重要意义，为行业高质量发展提供指引。同时，他也表达了对联盟的殷切希望，期望联盟能继续发挥平台作用，凝聚产学研用合力，加强关键技术创新与人才培养，共同推动产业高质量发展。

接下来，联盟将继续开展AI赋能相关产业发展的系列主题沙龙活动，化共识为行动，坚持问题导向、聚焦应用目标。着力搭建常态化交流平台，促进成员单位技术共享与项目合作；同时，积极整合产学研用力量，围绕数据标准、人才培养等关键环节深耕发力，搭建产业协同坚实桥梁，共同破解发展难题，加速AI技术在相关领域的规模化落地。