制造业AI场景应用生态大会(萧山站12月5日)

　　12月5日，制造业AI场景应用生态大会萧山站，由懂行联盟、场景学社、一线数智联合发起，并得到萧山区科协、萧山人工智能创新发展促进中心、萧山国际人才俱乐部、敛海智库、中科海越、甲骨文（上海）AI人才创智中心、花生社区（AI OPC FDE社区）等单位的大力支持。

　　萧山1700余家规上工业企业里，绝大多数不是"未来工厂"的种子选手，而是需要"小而硬"闭环的中小制造企业。

　　制造业AI场景应用生态大会萧山站要做的，是让"静谧的潮声"在萧山被更多人听见，让已经在别处被验证的方法与案例，在萧山的车间里找到新的落点，也让萧山的经验顺着这条巡回之路，抵达更多的工厂。

　　时间：2026年12月5日（周六）13：00-17：30

　　地点：杭州 萧山区

　　我们发现全国制造业场景转型的痛点正在加速聚集：场景落地难、复制推广难、投入产出难算账，几乎每一站都被摆上台面。与此同时，制造业AI场景转型的"样板间"正在浮现——在场景丰富、企业务实的地方，转型实践格外落地。两件事放在一起看恰恰说明：痛点暴露得越真实的地方，场景转型反而越有可能走通。

　　其一，是"K型分化"的结构性压力。用萧山区一位熟悉这个情况的朋友话说，一两家企业的爆发或许只是个案——上行端的新兴企业高歌猛进，下行端还有大量传统制造企业，转型仍较缓慢：部分赛道增速低于全市平均，研发费用占营收比重3.58%、低于全市平均1.66个百分点，产业链自主可控能力仍需提升。它们的AI改造需求是真实的、具体的，却往往卡在"不知道从哪里开始"。

　　其二，是场景落地难、复制推广难。数据散落在MES、ERP、DCS等接口封闭的老系统里，治理是第一道坎；单点跑通容易，沉淀成"可参观、可复制的超级样板"是第二道坎；从"一企聪明"到"一业智慧"是第三道坎。萧山的答案是"看样学样"——全年计划开展18场样板观摩、20场以上对接活动，覆盖集群企业30家以上——但这恰恰说明，复制之难是全行业的共性课题。

　　其三，是传统AI项目"贵、慢、不安全"的三大死穴。《中国制造业AI场景落地之FDE路径研究白皮书（2026）》给传统AI项目画过像：周期6—12个月、成本百万级起步，工业AI项目失败率普遍在70%以上。某汽车零部件企业AI质检项目8个月才上线，产品线已换了两代；某化工厂能耗优化项目写了200页需求文档，评审未完现场已变。制造业的专属死穴是"不安全"——工艺秘密、产能、订单不能上云、不能给外部人员看，某电子厂AI项目因数据需传境外训练被叫停，前期投入全部损失。对萧山面广量大的中小企业而言，这意味着"不敢乱做"：想上智能化，怕钱砸进去听个响。

　　其四，是"人"的缺口。做工厂的懂工艺但不懂AI，做AI的懂算法但不懂工厂，中间长期缺一个"能驻场翻译的人"。老师傅的经验是隐性的——什么情况下参数该变、设备出现某种状态该怎么处理，很难靠一份操作手册完整记录。而制造业AI的人才供给远跟不上需求：业界估计中国FDE人才需求在100万人以上，当前供给不足5000人。萧山企业自己也在印证这一点：友成科技观察到，对小企业来说"一个人多岗、流程自己走，使用软件非常繁琐，数据留下来了，工作量却大大增加"——这本质上是工具与人之间缺了一层"翻译"。

　　其五，是ROI对账的临界时刻。智能制造已经进入"必须算清账"的阶段。企业主最常问的问题，早已从"要不要用AI"变成"第一个项目从哪里开始、谁来负责、结果怎么验收"。报价能不能从2—5天压到15分钟？一条产线的良率波动能不能提前预警？每一问都指向可验证、可复算的经营指标，而不是演示视频里的炫技。

　　这些痛点不是萧山独有的，但萧山把它们集中地、诚实地摆到了台面上——这恰恰是"AI场景应用生态大会"这种以一线实践为底色的活动最能发力的地方。