编者按：人工智能是新一轮科技革命和产业变革的重要驱动力量。当前，人工智能技术创新进入密集活跃期，产业化进程加快，为赢得未来发展先机创造了有利条件。《中国电子报》特邀请安徽省工业和信息化厅二级巡视员、安徽省新经济联合会会长潘峰，聚焦人工智能在制造业中的应用，用通俗易懂的语言、生动鲜活的案例，探讨如何以人工智能赋能制造业高质量发展。
想到了初一数学，又想到了当前的AI应用，然后就又想到了它们之间的方法“串门”。数学的魅力，远不止于帮我们算出一道题的答案那么简单，数学方法本身蕴含着洞察事物、破解难题的智慧，还可以为我们很多的重要应用提供思维支撑。比如，我们初一所学的设未知数X和做因式分解，就能为当下制造业的AI应用提供方法论。谈及人工智能在制造业的落地应用，很多企业容易陷入技术崇拜的误区，一味追逐前沿算法、智能设备等，却忽略了最朴素的底层逻辑。殊不知，破解制造业AI应用难题的密钥，就藏在一些基础思维与方法里，比如设未知数X，又比如做因式分解。
设X：找准关键未知数，定义有价值的应用场景
数学中，设X是解题的第一步，找准未知数、理清等量关系，才能搭建起正确的方程，为后续求解奠定基础。放到制造业AI应用中，设X就是精准定义问题、找准关键场景的能力。很多企业AI应用落地失败，根源就在于没设好这个“X”。要么盲目跟风，选择的场景缺乏实际价值，投入大量资源却无法解决生产痛点；要么场景描述模糊，无法将生产实际问题转化为AI可落地的需求，最终导致技术与业务脱节，AI沦为空中楼阁。
想要设好制造业AI应用的“X”，绝非易事。它要求企业跳出技术层面的空想，深入生产一线，找到真正制约效率、品质、成本的核心痛点，把这个痛点明确为待解决的“未知数”，同时清晰梳理痛点背后的业务逻辑、数据关联，搭建起“问题-需求-技术”的完整方程。唯有如此，AI应用才能有的放矢，每一步推进都围绕创造实际价值展开。
安徽的蔚来汽车公司实践，为制造业设好AI应用的“X”提供了很好的范本。蔚来汽车公司在推进AI应用的过程中，没有单纯依赖技术人员闭门造车，而是创新性地从生产一线吸纳人才，将那些深耕车间，对生产场景有深刻钻研，能把一线问题讲清楚、说明白的员工，招募到AI应用团队中。这些一线员工最懂生产中的堵点、难点，能精准捕捉到真正需要解决的“X”，也能把复杂的场景问题转化为清晰、可落地的AI需求，帮助技术团队搭建起贴合实际的“解题方程”。这种模式打破了技术与生产的壁垒，让AI应用从一开始就扎根实际场景，精准对接生产需求，最终在智能质检、生产调度、工艺优化等多个场景落地见效，让AI真正发挥出赋能制造的价值。
因式分解：拆解复杂要素，实现多维度协同解题
如果说设X是找准问题、定义方向，那么因式分解就是拆解问题、高效求解。在初中数学里，因式分解是把复杂多项式拆解成多个简单整式的乘积，让复杂计算变得简单易行。对应到制造业AI应用中，因式分解就是将复杂的生产场景拆解为一个个关联因子，借助工业互联网打通数据壁垒，实现各因子的协同联动，达到“一动百动、全局优化”的效果。
制造业的生产场景从来不是单一维度的，订单、设备、物料、工艺、人员、物流等各类要素相互交织、彼此影响，任何一个要素的变动，都可能引发连锁反应。过去，受限于技术手段，企业无法高效整合这些关联要素，只能孤岛化、碎片化地解决问题，难以实现全局最优。而如今，工业互联网的普及为制造业因式分解提供了技术支撑，企业可以将复杂的生产系统拆解成一个个独立又关联的因子，打通各因子之间的数据通道，让数据自由流动、相互联动，再通过AI算法实现各因子的动态适配，让整个生产流程实现智能化协同。
合肥江汽集团尊界生产线的API智慧排产系统，就是制造业因式分解的经典案例。作为国家级智能制造标杆，江汽集团尊界超级工厂面对高端汽车生产的复杂排产需求，通过因式分解的思路，将排产过程中的订单需求、物料库存、设备状态、工艺参数、物流进度等诸多关联要素，拆解为一个个独立的决策因子。借助华为的工业数据平台与悠桦林公司的智能算法，这些因子不再是孤立存在的个体，而是形成了链条式的关联组合，实现了数据的全流程贯通。销售端订单变动、供应链物料状态变化、生产端设备参数调整，任何一个因子发生改变，系统都会快速响应，自动调整排产方案，实现全局最优决策。这种模式彻底打破了传统排产的信息壁垒，让生产排产从人工经验主导转变为AI数据驱动，既提升了生产效率，又降低了运营成本，完美诠释了因式分解在制造业AI应用中的核心价值——化繁为简、联动协同，让复杂问题迎刃而解。
设X与因式分解，看似是简单的数学方法，实则蕴含着制造业AI应用的核心逻辑：设X是善于定义的能力，要求企业扎根实际、找准痛点，避免盲目试错；因式分解是善于解决的能力，推动企业拆解难题、联动协同，实现高效落地。制造业推进AI应用，从来不是技术的堆砌，而是逻辑的胜利，只有先掌握这基础思维，才能让AI技术真正贴合制造场景，发挥最大效能。当下，制造业正处于数字化、智能化转型的关键时期，越来越多的企业踏上AI赋能之路。对于广大制造企业而言，不必急于追求前沿技术“赶时髦”，不妨回归初心，重拾例若上述的基础数学智慧，先练好“设X”与“因式分解”这些思维与方法的基本功，深入一线设准价值场景，拆解要素做好协同联动，让AI应用从“纸上谈兵”走向“生产实战”。