在广汽埃安长沙工厂的焊装车间，由瑞松科技打造的智能柔性产线正以48秒/台的节拍高速运转，这条年产能达24万辆的生产线，正刷新着新能源汽车制造的效率纪录。

在广州某新能源汽车工厂内，瑞松科技的AI视觉系统正展现出“微米级精度、毫秒级响应”的功力：深度检测精度≤0.01mm、缺陷检出精度≤0.02mm，通过双传感器视野互补与图像拼接技术，实现检测无死角，设备缺陷检出率达99.9%，误检率控制在0.1%以下。

“以上种种技术性的突破，精准解决了长期以来诸如人工检测效率低、误检率高、产线切换时间长、生产数据追溯效率低等行业痛点。”全国政协委员、广州瑞松智能科技股份有限公司董事长孙志强告诉记者。

从工业机器人在生产线上的精准舞动，到高端精密装备打破国外垄断，再到数字化车间、智能工厂的逐步建成，瑞松科技的这些点滴进步无不印证着国家宏观战略与微观经营主体同频共振的强大力量。

如今，中国制造正在经历从“世界工厂”到“智造高地”的重要转型，在这场深刻变革中，瑞松科技交出了一份以“机器人﹢AI智能制造”为核心的答卷。

让中国制造拥有“会思考”的大脑

“早期，人工智能在制造业中大多扮演着单一环节的‘辅助工具’，比如视觉检测或焊接专家库。”孙志强在回顾公司技术发展历程时坦言。

但是痛点也随之而来：传统自动化产线只能被动执行命令，一旦出现细微偏差，可能导致整线停产。同时，面对生产问题，传统的控制系统无法回答“为什么”，工程师需要像“侦探”一样，花费大量时间排查海量数据，效率极低。

“在实践中，我们观察到，当机器人技术、IoT（物联网）技术与AI深度耦合时，产生了‘1﹢1﹢1>3’的质变效应。”孙志强生动地解释道，机器人通过AI视觉和力控，具备了“手眼协调”的灵巧作业能力，能应对复杂、多变的任务。而IoT﹢AI则能从生产线海量数据中提炼出规律和识别变化，使得预测性维护、能效优化、工艺参数自动调优成为可能。

面对生产实践的迫切需求与技术融合的历史机遇，瑞松科技做出了战略抉择。“我们坚信，人工智能不再是锦上添花的工具，而是重新定义硬件价值、重塑生产流程的‘灵魂’。”孙志强表示。

自此，以AI算法和数据驱动为核心，成为瑞松科技战略转型的关键方向。

在这一战略指引下，瑞松科技自主研发的数字化平台RIDP应运而生。该平台集成了产线监测管理、设备运维管理、生产过程管理、设备征兆管理及环境能源管理五大功能体系，通过对设备的实时监测、健康诊断和趋势化管理，确保了产品质量的稳定性与一致性，使生产过程更加高效精确。

“目前，这套数字化管理平台已在多家企业的智能工厂成功落地，并开始从汽车工业向一般工业领域拓展，在客户产线中得到广泛应用。”孙志强介绍。

“新质生产力的核心驱动力源自科技创新，科技创新则是促进产业转型升级的关键所在。”孙志强说。

以此为核心，瑞松科技大力推进数字化转型，以制造业高端化、智能化、绿色化发展为主攻方向和着力点，重点突破工业机器人在不同制造场景中示范应用、智能制造新兴场景应用技术、基于AI的工业机器视觉技术、高端精密装备、工业软件国产化替代、高质轻量化材料连接技术等，先后荣获国家级专精特新“小巨人”企业、制造业单项冠军示范企业、广东省人工智能培育企业等重量级资质。

从单一技术应用到底层逻辑重构，从辅助工具到核心驱动，瑞松科技用实践证明了人工智能与制造业深度融合的巨大潜力。正如孙志强所言：“我们正在做的，不只是提升生产效率，更是为中国制造注入会思考的‘大脑’。”

“AI家族”模式让算法实现“因地制宜”

谈及最引以为傲的技术突破，孙志强首先提到了“大模型与小模型相结合的算法方案”。

这项被团队称为“面向工业制造的异构模型协同决策框架”的技术，其突破性在于解决了AI在工业领域落地的核心矛盾——通用化能力与个性化需求之间的冲突。

“工业场景极其复杂。”孙志强解释道，“同一条生产线上的两台设备，因其磨损、安装、负载的细微差异，其‘性格’可能迥然不同。用一套通用模型，无法达到极致精度。”

为了解决这个问题，瑞松科技的研发团队创造性地提出了“AI家族”的概念。孙志强用生动的比喻描述了这一创新：“通用大模型好比家族的‘族长’，掌握着所有成员的共性智慧和知识底蕴；而每个小模型就像是家族里的‘孩子’，不仅通过迁移学习继承族长的基因，更在各自岗位上历练出独特的‘手艺’。”这个“家族”内部有着精密的协作机制：“族长”负责宏观指导，“孩子”负责精准执行，通过团队设计的“家规”不断交流、共同成长。这种模式让团队从技术模块的简单拼接，跃升到构建有机进化的“模型生态”，使算法真正实现了“因地制宜”，AI应用的准确性获得了质的飞跃。

创新之路从无坦途。孙志强坦诚地分享了一个事例——在推进全车间数据采集项目时，团队面临着前所未有的挑战：20条生产线、1000多台机器、50多个PLC，数据量大、采集频率高、种类繁多。

“虽然团队推翻了原有的数据采集模式，搭建了全新的系统，最终实现了大数据、高并发、高频率的整车间数据采集，但这次经历却让团队对AI与工业融合的本质有了更深刻的认识。”孙志强说。

“我们意识到，工业智能的起点不是‘我们有什么数据’，而是‘客户要解决什么问题’。”孙志强感慨道。

基于这些实践经验，孙志强对AI与工业深度融合有了更透彻的理解：“新质生产力的‘新’，不仅在于技术的先进性，更在于应用模式的革命性。它要求我们必须从‘技术供给方’转变为‘价值共创者’。”

构建开放、协同的智能制造创新生态

“当前制约我国制造业普遍形成新质生产力的最大共性因素，并非单一的技术或人才短板，而是一个系统性难题——创新链与产业链之间存在‘应用鸿沟’。”孙志强表示。

孙志强分析道，“首先是数据因标准不一、权属不清而难以流通共享，形成‘数据孤岛’；其次是既懂工业场景又懂数字技术的‘桥梁型’人才严重短缺；再者是科研成果与产业需求脱节，中小企业面临‘转型成本高、融资难’等困境。”

“下一步，我们应致力于消弭这样的鸿沟，构建‘政产学研用金’协同的创新生态。”孙志强说，首要任务是打通数据血脉，核心举措是构建多层次人才培养与生态体系，关键支撑是强化企业创新主体地位。

当前，全球产业格局正在经历深刻变革，科技革命与产业转型加速推进。孙志强表示：“我们必须清醒认识到，关键核心技术是要不来、买不来、讨不来的。这一认知不仅驱动着我们企业的技术攻关方向，更关乎国家制造业的自主可控与安全稳定。”

“推动技术深度融合，打造‘会思考’的生产线；深耕核心领域，攻坚‘卡脖子’难题；构建产业生态，赋能制造业全域升级。”在孙志强的规划中，瑞松科技既要在自主创新上持续深耕，又要在开放合作中谋求共赢，为中国制造业高质量发展注入新动能，为培育新质生产力提供坚实支撑。

在中国制造业向高端化、智能化迈进的过程中，一个开放、协同的智能制造创新生态，将成为瑞松科技下一个五年的成长新引擎。

记者：周佳佳

编辑：洪琳

审核：周佳佳