12月11日，广州保利洲际三楼，被TCL变成了一个AI应用的巨大展厅。
一头是“伏羲 AI 大模型，电视行业首个超级大智能体”的巨大展墙；在旁边是“AI for Living”专区，冰箱、洗衣机、空调因为“AI”焕发出新的生机；再往前走，是雷鸟 AR 眼镜的体验区，一位外国工程师正在现场体验；通道另一侧，则是中环领先的半导体器件、TCL Solar T5 Pro 多分片高密度光伏组件。
赶碳号在这一刻有点恍惚——TCL的这个AI应用大家庭真不是盖的，正如这场大会的主题所言——“AI for Real（AI 向实）”。就像TCL实业、TCL华星一样，TCL中环，也早已不是那家传统的光伏制造企业了。
01
TCL的AI产业化
在大会开场致辞时，李东生定了调：AI正在从概念走向深度产业化，真正重要的并不是参数有多大，而是能不能落在产品、技术和产业里，形成“实实在在的价值”。
他回顾了过去一年里TCL做的几件事情：
一是技术和产业结合到了一个新台阶——广州8.6代印刷OLED工厂开建，意味着华星在下一代显示技术上不再只是做方案，而是敢上量产线；
二是AI能力往深里扎——星智大模型3.0成为显示领域首个具备强推理能力的垂域大模型，要做半导体显示的“最强大脑”；
三是技术底座持续加厚——累计专利申请已经突破11万件，其中PCT专利接近两万件，在高端智能制造企业里排在前列。
另外，李东生也为TCL未来几年如何全面拥抱AI指明了方向：
一是以全球领先为目标，加大原创技术和关键核心技术投入；
二是把技术真正“长”到产品里，做出更多从0到1的创新；
三是让AI全面进入研发、制造、供应链和运营；
四是继续放大产业链协同的力量，通过国家级创新中心、联合实验室，把更多外部资源拉到一张网里。
李东生在致辞中表示：AI绝不在于流量的喧嚣和概念的堆砌，而在于场景的落地和价值的创造；TCL 要做“看不见的 AI”，都是为了“看得见的体验和价值”。
以TCL华星为例，华星推出的“星智大模型”已经迭代到3.0，在 2025年全球工业大模型排名里排名第11位，显示领域第一，垂直能力已经超过DeepSeek R1这类通用大模型。它不是放在展台上给人看的，而是实打实改了研发和制造流程——材料开发效率提升三成，产品问题解析效率提升两成，研发周期平均缩短一两个月。
TCL实业首席技术官孙立讲了一个生动的故事：再传统不过的洗衣机如何拥抱AI。几十年来，这个行业一直绕不过一个“不可能三角”：
想把衣服洗得更干净，通常要么加温、要么加药、要么加时间，结果是能耗上去；
想降低能耗，就得缩短程序、减少水和洗涤剂投放，洗净度难免打折；
如果再把“护衣”也拉进来——转速过高、搅拌过猛，纤维损伤和掉色马上就会出现。
传统做法只能在这三者之间做静态取舍：多几个固定程序，让用户自己在“洗净度”“省电”“护衣”之间选一个侧重，本质上还是一次性把参数写死。
TCL把伏羲大模型接入“AI 超级筒”之后，做的是另一套逻辑：先把这个“不可能三角”拆开，变成一条可以实时调节的时间轴。
一方面，通过多组传感器识别面料类型、估算衣物重量、感知水质和泡沫情况，实时判断这一筒衣物的“难洗程度”和“易损程度”；另一方面，把过去大量实验室测试和用户使用数据喂给模型，让它学会在不同场景下，水量、温度、转速、时间、洗涤剂浓度的组合边界在哪里。
于是，一个洗涤周期就被拆成几个子阶段：
前段针对重污渍短时间提温、加强水流，把“洗净度”拉上去；
中段迅速降温、降低转速，减少纤维拉扯，保护真丝、羊毛这类娇贵面料；
尾段再根据实时负载情况决定脱水强度，避免无谓的高转速空转。
对用户来说，只是按了一次键；对机器来说，却是在每一分钟重算一次这三角形的平衡点：哪怕只提高一点点算法精度，也是在用“算力”换回来一部分能耗、噪音和磨损上的节省。
这个故事充分说明，再传统不过的行业，都能用AI重新做一遍。
02
TCL中环的实践：让AI长在炉子里，而不是PPT上
TCL中环CEO、中环领先总经理王彦君，在论坛上的发言非常接地气。
他先把话题拉回到光伏人最熟悉的工序——拉晶。
在很长一段时间里，这个工艺靠的是“师傅带徒弟”的经验体系：温度抬多少、拉速怎么调、什么时候收尾，写不进工艺书，只在少数老师傅的眼睛和手感里。企业可以二十四小时不停地加炉子，却没法复制出同样多的“老师傅”。
在王彦君看来，这种模式在 AI 时代已经拖不动TCL中环这样一个全球化的光伏制造企业。他在现场用了一个比喻：AI不应该摆在办公室里，而要长在炉子里。
中环过去几年做的事情，正是把这些在过去被视为“玄学”的经验拆开来算。通过深蓝AI模型、数字孪生系统，把温度场、拉速曲线、电流波动、晶体缺陷等数据全部拉上来喂给模型，让 AI 学会在不同工况下如何调节参数、如何预判风险，再把这套模型嵌回单晶炉控制系统。
中环领先首席信息官缪苗在演讲中进一步补充。她把拉晶分成几个层次来讲：最外层，是大家看得见的产量和良率；往里一层，是炉温、功率、拉速、晶体直径等显性参数；再往里，是老师傅凭经验判断的“感觉”：哪一段波动是正常扰动，哪一段是缺陷前兆；什么时候该稳住，什么时候可以提速。
过去，这些“感觉”无法量化，只能靠人去记；现在，中环开始用高频采集和数学模型，把这些细节拆成十几万条特征，再交给深蓝 AI 模型去训练。训练完成后，模型可以在仿真环境里反复“拉晶”，把各种极端工况都试一遍，最后给出最稳妥的控制策略。
等到模型推回产线，现场操作人员看到的不再是一堆冷冰冰的曲线，而是系统给出的实时建议：该怎么调、调整幅度多大、预期效果是什么。老师傅没有被替代，而是从“亲自调炉”变成“带着 AI 调炉”。
现在，TCL中环晶体环节四个模块共有3072台单晶炉，由集中控制室远程操控，单人值守的炉台数已经做到384台；晶片环节从线切到包装全程自动，碎片损耗率压到了0.1%以下，劳动生产率比早期提升数倍。
对于赶碳号这样的旁观者来说，这段故事的震撼之处不在于“用了 AI”，而在于一个高度依赖经验的核心工艺，被拆解到可以训练、可以复制的程度。光伏行业讲了这么多年“降本增效”，真正把核心 know-how 抽象成工程能力的公司并不多，中环算是给出了一个相对完整的路径。
在这种模式下，企业扩一条新产线，问的就不再是“有没有足够的老师傅”，而是“数据是否够干净、模型有没有继续迭代空间”。这背后，是对光伏制造逻辑的一次重写。
03
从产线到财务报表：中环领先的“小环同学”
如果说拉晶环节是把“工艺经验”交给AI，那么中环领先的“小环同学”，则是把一部分经营决策交给AI做参谋。
中环领先用这套系统做了一期试点，把几个过去最费人力、又最容易出错的环节交给“小环同学”来协助：
一是经营指标问答。过去，管理层问一个“某个基地本月ASP为什么下来了”的问题，财务和业务同事要花几天时间跑数、对账，现在通过系统可以直接按客户、产品、区域拆解，把关键波动点标出来。
二是用AI做经营分析。系统会自动监测毛利异常、订单结构变化，在后台拉出可能的原因，提示相关负责人跟进。
三是AI财报。财务报表不能只是
用于总结，而是平常也要用起来。在小环同学参与之下，现金流、费用结构的异常可以提前预警。
四是AR执行追踪。项目执行的进度和质量，通过AR方式在现场展示，方便项目经理跟进，避免出现“纸面进度正常，现场一片混乱”的情况。
这些意味着，AI 不再只是帮企业“算得更快”，而是在帮管理层“想得更清晰”。
04
光伏破卷的新门槛：从拼产能转向拼工程化的AI
回到光伏行业自身，过去三年的关键词是“过剩”和“内卷”：硅片、电池、组件全面价格倒挂，很多企业在现金流和债务边缘徘徊。
TIC2025这次现场给人的一种直观感受是：光伏行业的下一轮分化，很可能不再由谁扩产更快、谁价格更低来决定，而是由谁先把AI变成可复用的工程能力来决定。
TCL中环的优势，在于它不是孤立地去搞一两个“智能工厂试点”，而是站在整个 TCL AI体系的肩膀上：
上游有华星星智大模型、伏羲大模型、雷鸟 AR 与通义千问的合作，为集团提供统一的算法和算力基础；
中间有多年来黑灯工厂建设打下的自动化和数据基础，把产线各个环节的行为全部数字化；
下游则有小环同学这样面向经营和管理的智能体，把财务、供应链、销售、项目管理连接成为一个闭环。
在这套体系之下，“科技破卷”不再是一句口号，而是可以摊开成一系列可验证的指标：单炉月产量、开炉成本、人机比、碎片损耗率、经营分析的人力节省、决策闭环的速度……这些数字每过一段时间都会被重新刷新，让“卷”的焦点从价格表慢慢移向系统能力。
对行业来说，这也许是真正值得重视的一点：当少数企业率先完成AI工程化、把经验固化在模型和系统里之后，光伏制造的门槛就不再只是设备和资金，而是有没有能力把一整套AI+制造方法论跑通。
这场TIC2025，给赶碳号的直观感受是，TCL正把AI当成一张贯穿终端、显示、半导体和光伏制造的网，而不是某一个点上的应用；而TCL中环，正在借此奋力破局。
沿着这个方向思考，光伏企业要想“破卷”，恐怕很难再停留在“少扩一点产能、多讲一点自律”的层面，而必须认真回答一个问题：在自己的工厂和报表里，究竟准备留出多少位置给真正“长在炉子里、长在系统里”的AI。
编审：侦碳