制造业作为中国经济的核心引擎与战略基石，其转型升级进程不仅关乎国家产业竞争力的重塑，更是引领全球产业链格局变革的重要驱动力量。中国制造业增加值占全球比重约30%，并连续15年稳居世界第一制造大国的雄厚基础上，中国制造业正经历着从"规模扩张"向"价值跃升"的质变过程。当前，中国制造业在‘中国制造2025’战略指引下，以新一代信息技术与制造业深度融合为核心驱动力，推动全产业链智能化升级，加速实现从‘制造大国’向‘制造强国’的历史跨越。在这场深刻变革中，人工智能技术的突破性进展正成为重构制造业底层逻辑的核心变量。特别是DeepSeek的横空出世，标志着中国制造业智能化转型进入"技术普惠"新纪元，为制造业的智能化转型注入了革命性动力，推动行业从传统模式向AI的新范式加速跃迁。
生成式AI与判别式AI是人工智能领域的两大核心技术范式，分别以“创造”和“分类”为核心目标，推动着不同行业的技术革新与应用场景拓展。生成式AI擅长从数据中学习模式并生成新内容，而判别式AI则专注于对已有数据进行分类或预测。两者在技术原理、应用场景和优缺点上存在显著差异，但未来发展的趋势更强调两者的融合与协同创新。用友近期发布的一系列智能应用，将生成式人工智能与判别式人工智能的优势相结合，推动着企业数字化向智能化又迈进了关键性的一步。
用友作为全球ERP领域的绝对领导者，凭借逾30年企业级数智化服务经验，始终以技术创新引领制造业智能化转型进程。公司前瞻性构建了智能算法引擎与行业知识融合的完整技术栈，基于自主研发的用友BIP平台打造了"感知-决策-执行"三位一体的多模态智能体矩阵。通过深度解构制造业供应链价值流，将AI能力无缝嵌入营销、供应链、设计、采购、设备运维、物流配送等多个核心业务节点，形成贯穿"研产供销服"全价值链的智能化闭环体系。
案例1：某年产值超百亿规模的制造集团企业，在推进全国多基地战略布局过程中，面临跨区域产能协同的深层治理挑战。该集团构建了覆盖五大经济圈的生产矩阵，但传统人工模式下暴露出显著的系统性瓶颈：计划中心依赖经验驱动决策，难以兼顾多维动态变量：既无法量化评估工厂生产成本和工厂产能的差异、物流网络效率（费用及运输时效），更无法在订单高频波动中实现敏捷响应。尤其在应对紧急插单和订单变更时，计划员需手动重构全集团排产逻辑，这不仅仅导致了决策延迟，其工厂产能利用率长期徘徊于70%阈值之下。用友BIP基于工业运筹学理论技术，通过开发多目标优化模型，将订单交期、工厂的生产成本、工厂的可用产能、不同工厂到客户运费等多维约束条件转化为动态规划矩阵，最终实现分钟级智能决策。
案例2：某头部造纸集团在深度考察用友BIP在工业智能场景的标杆实践后，最终决定达成战略合作意向，希望借助AI技术突破母卷分切的长期行业痛点。经专家团队开展全价值链诊断，发现其核心瓶颈集中体现在：传统人工排刀模式仅能支撑1-2天的短周期排程，与企业以周为单位的连续性生产计划严重脱节，导致排产人员每日需进行高频次重复计算，在订单复杂度指数级增长时，人工方案生成效率骤降且存在显著次优决策风险。更关键的是，企业过往引入的外部系统仅能输出局部近似解，从而可能导致分切后的材料浪费问题，在认真严格验证后往往会发现有更优的分切排刀方案。针对这一制造业共性难题，用友攻坚团队基于工业运筹学算法构建多目标优化模型，该模型通过把不同客户的订单按照定量、纸芯直径、规格、套数、等级等信息作为模型的输入，以材料利用率最大化，边丝最小化为目标，同时考虑不同纸机的出纸幅宽等因素，自动给出母卷分切为复卷的最优方案，彻底解决母卷分切环节的难点，为企业带来实实在在的效益提升。
案例3：
在流程工业领域（涵盖化工、食品、钢铁等行业），配方制定构成生产与采购流程的核心环节。该环节旨在通过对各类原材料的科学配比，确保其组合后的成分或元素总量精准符合企业规范、行业准则或国家标准。与此同时，原料选择需综合考量可用库存、采购成本、原料种类及数量等多重约束条件。传统配料环节长期依赖资深技术人员基于历史经验，通过人工方式利用Excel电子表格进行逆向推算以确定原材料用量。此模式存在显著局限性，不仅效率不高，且计算结果易受主观因素影响。为系统性解决流程行业客户在配料环节面临的挑战，用友团队自主研发了先进的智能配料产品。该产品深度融合运筹学优化算法，能够精准处理多决策变量与多约束条件下的复杂配料需求，实现以成本或质量最优为目标导向的精细化配料方案推荐。智能配料产品构建了端到端的数字化配料流程：从无缝接入MES/LIMS/ERP系统数据源，到基于模型构建与优化计算生成精准配料建议，最终将结果回传至ERP/MES系统执行业务操作。此流程成功打破了传统配料环节的数据孤岛状态，实现了配料业务与其他核心生产管理流程的深度集成与高效闭环。智能配料系统通过智能化与自动化，为销售、采购、生产、财务决策提供精准数据支撑。采购环节：支持原料批次模拟对比，评估最优采购方案，显著提升原料采购成本效益与质量管控精度。生产环节：结合库存信息优化原料配比，优先消耗特定库存，提升周转率；依据质量属性生成最优配料方案，保障产品质量。财务环节：以成本最优为目标制定原料配比方案，有效降低企业生产成本。
结语
随着人工智能技术与制造企业运营的深度融合，制造业将加速向"自感知、自决策、自优化"的智能化模式跃迁。用友始终致力于企业数智化转型的前沿探索，依托在企业全价值链中沉淀的数据资产和场景，通过AI技术实现数据深度挖掘与智能决策闭环，构建起"需求感知-动态优化-自主执行"的全域智能化产品体系。这不仅重构了制造企业资源配置效率，更驱动传统生产模式向AI驱动的智能范式跨越升级，为制造业高质量发展注入新质生产力动能。
