1.      統一思想：打破對AI的“神秘感”與“恐懼感”，讓管理層理解AI的本質及其在制造業中的戰略價值。

2.      洞察場景：識別企業自身業務環節中AI可賦能的潛在機會點，特別是痛點、難點問題。

3.      掌握方法：學習企業導入AI的可行路徑、關鍵步驟與常見陷阱，避免“為了AI而AI”。

4.      規劃行動：結合企業實際情況，初步制定可行的AI應用探索計劃，推動創新落地。

模塊一：開篇導論 – 為什么AI是制造業的下一個“操作系統”？

‐   破冰與診斷： 學員分享當前企業面臨的最大運營挑戰（質量、成本、交付、效率）。

‐   時代背景： 從工業4.0到智能制造，AI如何成為新一輪產業變革的核心驅動力。

‐   重新定義AI： AI不是“魔法”，是“新電力”——一種賦能各行各業的基礎能力。

o   狹義AI（專用型） vs. 通用AI（概念性）。

o   AI的核心：數據 + 算法 + 算力 = 智能決策與自動化。

‐   AI對制造業的戰略意義： 從“規模成本”競爭轉向“質量效率”競爭，最終邁向“個性化敏捷”競爭。

‐   當前AI到了那個階段了？：是實現了通用智能，還是泡沫很多？

‐   互動討論： 我們的企業離AI有多遠？我們擁有哪些“數據燃料”？

模塊二：AI在制造業的應用全景圖 – 從產線到決策的賦能

‐   “AI+制造”核心應用場景深度剖析（采用“問題-方案-價值”模式講解）：

o   智能質量管控：

§  計算機視覺： 表面缺陷檢測、零部件裝配校驗、高精度計量。

§  案例： 面板行業、汽車零部件、紡織業的AI質檢，如何將漏檢率降低80%以上。

o   預測性維護：

§  異常檢測與時序數據分析： 基于設備振動、溫度、電流等數據，預測故障發生。

§  案例： 數控機床、風機、泵機的預測性維護，如何降低非計劃停機時間30%-50%。

o   生產流程優化：

§  運籌學優化與強化學習： 生產線節拍平衡、工藝參數優化（如注塑、焊接）、能耗管理。

§  案例： 電子廠SMT貼片機優化、鋼鐵企業煉鋼工藝優化，如何提升OEE（全局設備效率）。

o   智慧供應鏈與物流：

§  需求預測、庫存優化、智能調度： 利用AI精準預測需求，優化庫存水平，實現倉儲和運輸路徑最優。

§  案例： 智能倉內AGV調度、需求預測模型降低牛鞭效應。

o   智能設計與個性化定制：

§  生成式AI與仿真： 生成式設計、數字孿生、基于客戶需求的快速配置。

§  案例：汽車、新材料、航空航天領域的輕量化生成式設計。

‐   小組研討： 針對以上場景，分析我們企業哪個環節最迫切需要AI賦能？為什么？

模塊三：制造 +AI應用落地：模式、要素和路徑

‐   AI應用落地的基本邏輯和常見誤區

o   +AI，而不是 AI + : 當前階段構建增強現有流程環節和人的AI應用，比“無人化”自主智能體更有意義

o   不要迷信大模型，真正的護城河是“臟活累活”

o   審視那些最傳統、最“笨重”、成本最高、人最不愿意做的業務環節

o   是先建“孤島”，還是先規劃好“大陸”？ ： 對比數字化轉型的系統建設

o   AI應用是先做利潤中心，還是先做成本中心？：先降本增效，還是先開源增收？

‐   AI應用的落地模式和路徑

o   建立認知 同步理念

§  當前，AI應用的最大價值是賦能，而不是“取代”人

§  人工智能不只是大模型，通用模型做“通用”的事，“專業”的事定制的“窄”模型更合適

o   聚焦業務 厘清重點

§  成本、可行度和收益的總和考量

§  短中長期考慮 點線面結合

o   落地規劃 明確路徑

§  遵循數字化項目的基本邏輯

§  POC/MVP非常關鍵

模塊四：組織變革與未來展望 – 打造面向未來的“人機協同”組織

‐   人才戰略： 不是讓每個人都成為數據科學家，而是培養“AI素養”。

o   管理層： 具備AI戰略眼光。

o   ?業務骨干： 成為“會使用AI工具的專家”。

o   引入外部智慧，內部培養核心。

‐   文化變革： AI不僅是辦公和搜索的工具，而是可以共同制定解決方案的世 界 級行業和技術專家。

‐   工作方式變革： AI不是取代人，而是增強人。人的角色從“操作執行”轉向“監督、決策、創新”；

‐   未來趨勢展望： 工業大模型（Industrial GPT）、具身智能、AI驅動的自主制造。

‐   課程總結與行動倡議：

o   世界咖啡館研討： 各組圍繞“我們企業未來12個月的AI行動方案”進行研討。

o   制定個人/部門行動承諾書： 每位學員提出1-2項回到工作崗位后可立即推動的行動。

尹老師  上海威才咨詢 | 大數據&AI專家，人工智能布道師，AI產業應用落地咨詢顧問

‐   荷蘭Utrecht大學MBI

‐   上海人工智能技術協會特聘首席顧問

‐   上海市元宇宙產業發展專家咨詢委員會專家

‐   上海市電競協會首席AI專家

‐   原商湯科技城市元宇宙首席架構師

‐   原商湯科技智能產業研究院首席架構師

‐   Oracle Master企業架構師

‐   原惠普企業服務新形態IT首席架構師

尹老師是AI首席咨詢顧問/講師，上海人工智能技術協會首席咨詢顧問，貴州大數據專家委員會委員。尹老師曾任商湯科技智能產業研究院首席架構師，德勤Oracle CX首席架構師，惠普企業新形態IT首席架構師，Oracle Master企業架構師。尹老師專注在人工智能戰略和架構規劃、元宇宙產業規劃及落地，數字化客戶體驗，以及AI及大數據驅動的新形態ICT架構規劃和咨詢落地，有超過19年在中國大陸和荷蘭的職業經驗。先后服務過世界頂 級的通訊和網絡設備及方案商，世界頂 級的咨詢和審計服務公司和企業軟件公司。

主講課程類型及具體課程：

‐   《通用人工智能曙光：生成式人工智能大模型的源起，發展和落地應用》

‐   《Deepseek的技術創新與產業影響—— AI競賽新格局》

‐   《如何開箱即用地私有化部署企業級Deepseek》

‐   《AI大模型智能體應用的模式和落地路徑》

‐   《人工智能時代地天空產業：低空經濟》

‐   《AI大模型時代的金融數字化轉型和人工智能賦能應用》

‐   《生成式AI大模型時代的財稅領域AI賦能：范式和應用》

‐   《深入淺出數字化戰略和企業架構：框架和應用》

‐   《數字新基建：智能計算中心承載的人工智能模型和應用》

‐   《人工智能大模型時代的人力資源賦能：應用和實踐》

‐   《人工智能時代的數字科技在雙碳全生命周期管理中的應用模式和實踐》

‐   《元宇宙+ 電競：人工智能時代的數實融合新形態虛擬體育》

‐   《人工智能和AI大模型落地工作坊：從業務分析到技術架構落地設計》

‐   《AI大模型時代的算法思維和實踐運用》

‐   《AI大模型賦能的5G+ 元宇宙產業應用》

‐   《人工智能時代的企業大數據技術和架構》

授課風格：

尹老師的課程深入淺出，視野宏大，案例研究豐富，分析精彩，講解幽默風趣，用企業和政府的語言，把抽象的人工智能和元宇宙理論知識與產業轉化、政府數字化變革融會貫通，講得通俗易懂，看得見，摸得著，用得上，深受好評。

尹老師的講課自我要求：“不講正確的廢話”，“所有聽眾都要聽得懂”，“內容原創”，“不僅講“What”，更講“Why”和“How”。

服務客戶（部分）：

院校，科研機構：復旦大學、清華大學經管學院、上海交通大學、上海人工智能研究院、上海理工大學、上海體育學院、中國傳媒大學、同濟大學、武漢大學、浙江大學、齊魯工大、深圳大學等。

政企集團：上海市經信局、湖畔創研中心、廣東機場集團、中國電信、中國移動、中國聯通華盛、中國通信服務、中國銀行、中國建設銀行、國家金融監管總局廣西監管局、興業銀行、中核集團、交通銀行、中國工商銀行、北京銀行、平安銀行、平安租賃、平安一賬通、建設銀行、國泰君安、中國煙草、國家電網、中電建、國電投、阿里云創新中心、華為云、臨港集團、商飛集團、虎彩集團、國泰君安、成都新經濟局、江西省政府、揚州市政府、合肥市政府、中南建筑設計院、銀川市政府、云南市政府、深圳交管局、安徽鐵塔、成都金牛區、武漢洪山區、中石油、云南中煙、北汽集團、上海鐵路局、上海電力、南京大數據局、河南能源集團、神華集團、平安集團、中國國航、南方航空、新華三、海隆石油、安東石油等