从流程工厂到智能协同样板：一家轴承厂的AI跃迁

唐洛

2026-06-01 19:38:48

来源: 时代在线

数字化本身，正在变成基础设施。

如果只看产品，上海联合滚动轴承有限公司（下称“联合轴承”）并不算一家明星公司。

联合轴承做的是工业轴承，客户包括轨交、重工等对稳定性与安全性要求极高的行业。但恰恰是在这样一个“最不像AI公司”的制造现场，一场关于中国制造业下一阶段形态的实验，正在发生。

近日，在上海嘉定新基地，联合轴承与鼎捷数智对外展示了一座新工厂：MES、WMS、QMS、AGV、IoT、BI大屏、能耗系统、设备管理系统全面上线，200多台设备联网运行，AI开始介入设备预测、库存管理、排程优化、订单协同等核心环节。

在外界热衷讨论“AI会不会替代人”的时候，这家工厂更现实的问题是：AI能不能真正接管一座工厂运行。而这，也成为鼎捷试图定义的新方向——企业智能运行空间（EIOSpace）。

联合轴承的数字化并不是突然开始的。早在2008年，公司便与鼎捷合作建设ERP系统。当时中国制造业还处于典型的信息化阶段，企业核心目标是解决“账”和“流程”的问题。那一阶段，中国制造业的逻辑更接近“经验驱动”：老师傅决定工艺，现场主管决定排产，企业依赖人的经验维持运转。

随后十多年，制造业进入“流程驱动”和“系统驱动”时代。ERP、MES、PLM、WMS、自动化产线逐渐普及，企业开始拥有越来越多的软件系统与自动化设备。联合轴承也在这一过程中不断推进。

2023年，公司启动嘉定新基地整体规划；2024年至2025年完成立库自动化集成；随着新基地全面投产，数字化与自动化体系开始真正融合。这也是鼎捷与联合轴承合作关系变化的分水岭。

联合轴承副总经理郑磊表示，2008年至2022年，双方更多属于“浅度信息化合作”，主要围绕ERP进销存、工单工艺等模块展开；而新工厂建设之后，合作开始进入深水区。

一边是制造企业对现场工艺与生产痛点的理解，另一边则是鼎捷试图向“AI时代企业运行体系”转型的野心。双方开始共同搭建一套新的工厂运行逻辑。

在嘉定新基地，目前AI已经进入两个最核心、也是最容易直接产生经营价值的场景：第一是设备故障预测。传统工厂里，设备异常往往依赖老师傅经验判断。而现在，系统会实时采集振动、温度、转速等工艺参数，通过AI提前12至24小时预测机械疲劳或异常。

其目标很直接：减少停机。联合轴承预计，非计划停机时间有望下降30%以上。对于连续制造企业而言，设备停一次，损失往往不是一台机器，而是整个生产节奏。

第二是备品备件管理。轴承行业存在大量进口核心备件，部分海外采购周期长达90天。库存备少了会停产，备多了则意味着大量资金沉淀。AI在这里扮演的，更像一个“动态精算师”。系统会结合历史消耗、设备寿命、供应周期、订单波动等因素，动态调整库存策略。联合轴承预计，可降低20%-25%的呆滞库存资金占用。

这也是当前工业AI与互联网AI最大的不同。互联网AI解决的是“信息效率”，工业AI解决的则是“物理世界里的经营效率”。它不是聊天机器人，而是停机时间、库存周转率、能耗和良率。

在现场交流中，鼎捷数智提出了一个新概念：企业智能运行空间（EIOSpace）。在鼎捷的定义里，过去企业建设的是ERP、MES、WMS等“功能系统”；而AI时代，企业真正需要的，是能够连接人、设备、系统、数据与AI能力的“能力协同系统”。

其背后，是鼎捷对制造业下一阶段的判断。鼎捷数智方案咨询专家高路认为，过去几十年，中国制造业经历了三轮运行逻辑升级：第一阶段是“经验驱动”；第二阶段是“流程驱动”；第三阶段则是“系统驱动”。而AI时代，企业开始进入新的阶段“智能协同”。

过去企业更多是“人调度系统”，系统只是工具；而未来，企业会逐渐变成“系统调度能力”。这意味着，企业运行方式正在从“流程串联”转向“感知—思考—协同—执行”的智能协同网络。

在联合轴承的案例中，这种变化已经开始显现。设备异常预警，本质上是“主动感知”；备件协同采购，本质上是跨系统动态协同；未来AI排程、多智能体调度，则意味着企业运行将逐渐从“人工经验驱动”转向“目标驱动”。

企业只需要给出目标，如库存最优、交付优先、换线成本最低，多智能体便会动态推演与资源调度。这也是鼎捷现在反复强调的“从2D到3D”。过去企业AI更多停留在人与AI助手交互；而未来，智能体之间、智能设备与智能体之间，也会形成协同关系。

值得注意的是，鼎捷董事长特助张俊杰坦言，现在多数AI应用仍停留在“点状应用”，部分场景形成小闭环，但尚未形成全局循环。

原因很现实，制造业不是互联网。互联网系统容错率高，推荐错一条内容问题不大；但工业场景容错率极低。尤其联合轴承服务的轨交、重工等客户，对产品稳定性要求极高。郑磊举了一个例子：机台参数调试必须分级授权，操作员、工艺员、技术员权限完全不同，否则参数被误修改，可能直接影响产品质量。

因此，AI进入工厂的第一步，并不是“大模型”，而是数据治理。“数据异常会直接导致AI结果错误。”郑磊表示，目前项目第一阶段重点仍是数据治理与有效性验证。换句话说，工业AI真正的门槛，从来不只是模型能力，而是OT数据。这也是为什么大量互联网公司很难真正进入工业腹地。因为工厂里的知识，并不在互联网文本里，而在PLC、机床参数、工艺曲线、老师傅经验和设备联动逻辑中。

在现场交流中，一个很有意思的变化是：无论联合轴承还是鼎捷，都已经很少再提“数字化工厂”。因为数字化本身，正在变成基础设施。未来制造业真正的竞争点，开始从有没有系统，转向有没有组织级智能协同能力。这也是鼎捷试图从传统ERP厂商转向“企业运行体系”的核心逻辑。

过去工业软件更像工具；未来，它更像企业运行神经网络。而联合轴承，则成为这场实验里的样板工厂之一。