昆明市中小企业数字化转型公共服务平台

柔性制造，高效匹配差异化需求

　　柔性制造是指一种应对大规模定制需求而产生的新型生产模式。　　柔性制造是指一种应对大规模定制需求而产生的新型生产模式。具体包括：一是生产能力的柔性反应能力，即机器设备的小批量生产能力；二是供应链的敏捷和精准的反应能力，从传统“以产定销”的“产供销人财物”转变成“以销定产”的“人财产物销”。　　7天，80件赛事服定制完成，从福建泉州发往澳大利亚，实现交付。　　接这样的订单，以前连交期都不敢保证，如今却成了常态。“哪怕是一件衣服的订单，我们也能接。”福建泉州鹏泰服饰有限公司副总经理赵文宏说。　　近年来，市场对服装定制的需求越来越多，小批量订单快速增长。鹏泰主要生产赛事服、工装制服和休闲运动服饰等，产品大多销往海外。赵文宏介绍：“以赛事服为例，每年赛事赞助商不同，参赛人员规模偏小，是典型的小单、急单。”　　然而，一条生产线一天至少要20个小单才能“吃饱”，“每单的原料、辅料、版型、裁剪都不同，人工管理生产已经无法适应新的节奏。”赵文宏说。　　在传统生产模式中，电商服饰生产企业还需承担高库存风险。“过去都是按预测备货生产，当年的夏装往往在上年底就已经批量生产完成，放在仓库等候订单。”赵文宏说。　　“我们要主动适应市场变化。”赵文宏介绍，从2015年开始，鹏泰累计投入超1.2亿元，打造2万余平方米的柔性制造车间与15万立方米的智能立体仓库，依托自主研发系统，推出全产业链智能化模式，按客户需求自动生成技术参数，生产线自动排产，仓库自动出入货。　　“这次接到澳大利亚一家橄榄球俱乐部的订单后，我们快速响应对接具体需求，利用自动生成版型系统为客户提供多样选择。第一天确认版型、款式，第二天完成打版，第三天生产下线，最后通过空运交付。”赵文宏说，如今这样的小单、急单对鹏泰而言，已不是问题。　　自动生成版型系统5分钟即可生成一件衣服的版型，并分解、输出打版技术参数；采购系统中，采购员查看库存信息后，能迅速联系供应商调取缺少的材料；数码打印设备快速为面料印上定制图案，智能裁床自动识别面料颜色、纹路，运用激光智能裁剪技术，将误差控制在0.2毫米内，实现单件单裁；裁剪好的布料通过车间的智能悬挂系统，精准将每一道工序匹配到擅长的员工手中。　　“全流程数字化管控，小单生产同样有大单的效率，交付时间比过去缩短约60%。”赵文宏说。　　高效的生产管理，得益于智能化、数字化技术的发展应用，也有赖于产业链的系统重构。　　“‘小单快反’生产模式需要工厂完善管理，也倒逼上游供应商协同转型。”鹏泰织造厂厂长张太平对接7家印染厂家，“织造厂每月大约有200吨坯布送往印染厂，原来谈合作都是250公斤起染，现在最低起染量降至15公斤。”　　尽管转型成效显著，产业链上下游仍需实现更深层的配合。“上游部分印染、辅料企业的小批量生产仍难盈利，目前我们还是靠整合原料共性需求，再以大单带小单的方式进行激励。”张太平坦言。　　政策激励也在同步跟上。《泉州市推动中小企业数字化转型试点城市工作若干措施》提出，支持“链主”企业、龙头企业、数字化服务商通过产业纽带、聚集孵化、上下游配套、开放应用场景和技术扩散等方式带动产业链上中下游中小企业数字化转型。　　“去年企业销售额增长15%，通过高质高效响应市场需求增强了客户黏性，保持了市场竞争力。”面向未来，赵文宏说，企业将继续提升自身的柔性制造能力，“我们要用更快速的反应来跟上市场变化。”（记者施钰）　　18天，是四川成都市民张先生从下单到提车的时间。　　蓝色车身、21寸轮毂、棕色内饰，再加一套运动套件……张先生输入需求并点击确认后，300公里之外的重庆两江新区阿维塔科技公司生产线接单运转。　　一辆个性化定制的新能源汽车，如何实现18天交付？针对消费者多元化需求，供给端如何发力，实现供需更高水平良性循环？答案不只在某一台设备、某一道工序，而是在生产组织方式的变革中。　　“客户在手机端点几下，几百条生产指令自动生成。”阿维塔科技公司计划管理业务主管李谦说。过去，一张个性化订单要人工录入、核对，耗时两三个小时；现在，系统几秒钟拆解，同步分发到冲压、焊装、涂装、总装等车间，并生成物料需求清单。　　“需求牵引新能源汽车厂家快速迭代技术，提供多元配置。如果沿用一条线对应一种车型、攒够一批再集中生产的方式，切换慢、投入高，生产线一旦定死，后续调整代价很大。”重庆社会科学院城市与区域经济研究所所长邓靖说。　　柔性制造，正是回应个性化需求的答案之一。　　传统汽车制造遵循“预测—库存—销售”模式，工厂根据市场预测提前数月安排生产。“5年前，生产一台个性化定制的车，少说要等两三个月。”长安汽车制造技术规划高级副总工程师王锐说，“如今客户需要什么，我们就造什么。”　　冲压车间内，轰鸣声低沉而密集。一只机械手从钢板堆里一张张抓取板料，动作轻而稳。平整的钢板，几秒后有了弧面和折边。　　更大的变化发生在换模时。“过去切换一套模具要一两个小时，工厂只能攒够批量再生产；现在压缩到几分钟，上一批刚冲完轿车门板，下一批立刻换到SUV翼子板。”王锐说。　　冲压件下线后，被送往焊装车间。记者还没走近，先看到一片细密的火花。上千台机器人分布在生产线两侧，机械臂高高低低，焊枪起起落落，蓝白色电弧闪过，火花像细雨一样溅开。　　产线上刚过去一辆轿车，又有一辆SUV滑了进来——两台车轴距不同、高度不同，焊点位置也不同，可生产线并未停顿。“过去换车型就得换夹具、重新调程序，现在每台车身进入工位前，系统先读取识别信息，夹具自动调整定位点，机器人同步换程序。说白了，就是来一台，认一台。”王锐介绍。　　涂装车间内，一台蓝色车紧随两台白色车进入喷房。换色本身不难，但难在怎么统筹安排——同色车身尽量集中，这样能少洗几次喷头，少切几次漆路，一天可以省出近一个小时。“系统排产时要把交付时间、颜色分布、换色成本和各车间生产效率一起算进去。柔性不是随意排，顺序排好了才能降本增效。”李谦说。　　最后是总装车间：流水线两侧，自动导引车来回穿梭，将座椅、轮毂、饰件等送到对应工位。王锐告诉记者：“不是车等料，而是料追着车跑，这是供应链与生产流深度协同的体现。”　　柔性制造，不止于应用场景。订单进入系统，变化同时沿产业链向外传导：上游供应商能提前看到需求变化，下游物流端能按时间窗口精准配送。　　就汽车生产来说，整车厂排产一变，物流配送顺序和到货时间都得跟着调整。“不但要送得快，还要送得准、接得上。”为阿维塔提供供应链物流服务的重庆长安民生物流公司渝北入厂物流项目副总监吴锡说。　　在重庆，这种协同能力正在产业集群层面持续放大。重庆2025年整车产量达278.8万辆，其中新能源汽车产量约129.6万辆，同比增长约36%。在长安、赛力斯等企业带动下，本地汽车零部件配套企业扩至1200家，形成从冲压件、三电系统到座椅、内外饰、智能汽车电子的完整本地供应链体系。供应链的本地化，也是压缩交付周期的重要支撑。　　过去消费者适应工厂：颜色选择少一点，配置固定一点，攒够一批再生产。现在产业链不断适应消费者：先下单，再生产，消费者选择更多了，生产周期也大幅缩短了。　　“交车时间会随着配置复杂程度、零件产地远近、运输路途长短等因素变化，只有每个环节都做到又快又准，才能最大限度压缩交车时间。”王锐说，随着柔性制造这一模式持续推进，个性化不再是奢侈品，而逐渐成为消费者的日常选择。(记者王欣悦)　　（来源：人民日报）　　来源：中国工信新闻网

2026年08月11日

AI进药企，新药研发在提速

近年来，我国创新药上市数量快速增长，医药创新硬实力持续提升。随着技术加速渗透，人工智能已深度融入药品研发、生产、质控、监管全链条， AI赋能创新药正站上产业发展新风口。近年来，我国创新药上市数量快速增长，医药创新硬实力持续提升。随着技术加速渗透，人工智能已深度融入药品研发、生产、质控、监管全链条，AI赋能创新药正站上产业发展新风口。在政策红利、资本加持和跨界合作的多重助推下，AI技术能否从单点试点迈向全产业应用，真正驱动创新药高质量发展？一款新药从实验室走向患者，传统路径平均耗时10年、投入超10亿美元、临床成功率不足10%。这一长期困扰创新药研发的困局，正随着人工智能的进入被悄然改写：全球首款全流程AI设计的特发性肺纤维化候选药物，研发周期较传统模式缩短60%以上；国内首个完成Ⅲ期临床的AI赋能制剂新药，通过AI优化配方，显著提升了药物的生物利用度与用药安全性…… 如今，AI已融入新药研发全链条，实现降本、提速、提效多重突破。依托政策、技术、资本的助力，AI制药产业商业化进程也在不断加速。AI赋能创新药实际落地成效如何？行业发展逻辑发生了怎样的转变？还存在哪些挑战？产业全新增量又将在何处释放？记者就此展开采访。当前，依托底层技术的持续迭代，AI制药正从实验室研究、计算机模拟和商业概念中走出去，进入真实的临床验证阶段。兴业证券经济与金融研究院副院长、医药首席分析师孙媛媛介绍，截至今年年初，全球AI药物发现市场规模已达26亿美元左右，170多个AI原创新药项目进入临床开发阶段。AI发现分子的I期临床试验成功率达80%至90%，高于传统药物52%的历史平均水平。清华大学附属北京清华长庚医院医学数据科学中心主任、研究员李栋表示，随着AI的快速迭代，药物研发正从经验驱动迈向数据驱动的智能研发范式。普华永道合伙人吴峻也认为，AI技术正在改变传统药企的研发逻辑，AI通过算力模拟与模型推演，可大幅收缩候选化合物筛选范围，让研发决策摆脱单一经验依赖，形成“数据+模型+专家”的协同决策模式。来自企业的实践印证了AI技术的赋能效果。英矽智能首款全流程AI设计的创新药，仅耗时18个月便完成从靶点发现到临床前候选化合物提名，研发周期较传统模式大幅缩短；剂泰科技自主研发的一款AI赋能制剂新药，通过AI配方优化，药物生物利用度与用药安全性显著提升。 “在研发周期上，AI能大幅缩减研发时长、降低试错成本。目前，AI可将新药临床前研发周期压缩至1年左右，全球已有多款AI设计药物进入Ⅱ期、Ⅲ期临床阶段，行业正加速进入收获期。”吴峻说。数据显示，AI可将临床前靶点筛选、化合物优化环节的研发效率提升2倍至4倍，降低30%以上的无效试错成本。国内创新药早期项目转化效率也实现跃升，从2018年的不足3%提升至2023年的近8%，行业整体研发投入产出比持续优化。在打破技术壁垒方面，生成式AI表现优异。例如，临港实验室的ODesign模型可实现蛋白质、多肽、核酸、小分子等多种物质的“一键式”统一设计，效率较同类模型大幅跃升；泰格医药的“泰雅AI大模型”可智能生成合规文档；诺思格在药理学领域的AI使用率达20%至30%，CSR（临床研究报告）撰写成本区间从15万元至18万元下降到2万元至3万元。此外，赛诺菲、诺华、中国生物制药、恒瑞医药等知名药企也通过AI技术持续优化临床研发流程，实现实质性降本增效。临床运营管理已迈入精准提效阶段。吴峻告诉记者，依托AI患者画像精准匹配、临床风险智能预警、试验方案优化等数字化功能，新药临床试验入组周期平均缩短30%至50%，有效破解了传统临床研发周期冗长、资源损耗过高的行业痛点，让临床研发流程更加精细化、高效化。 “到目前为止，全球还没有一款靶点与分子全流程由AI自主设计的药物获批上市，AI赋能的真正‘成效’，主要体现在靶点发现环节的提速与降本等方面。”李栋介绍，现阶段AI制药的核心价值集中于两个维度，一是前端研发提速，精准挖掘全新靶点、优化分子结构，突破传统研发盲区；二是临床端高效赋能，优化试验设计、精准筛选患者、助力真实世界研究，为新药临床转化筑牢基础。博济医药董事长王廷春也客观指出，AI是新药发现阶段的助推器，可大幅提升前期研发效率，但无法颠覆性压缩整体研发周期。药物发现环节仅占新药全研发周期的一小部分，即便AI数倍提升该阶段效率，对整体周期的优化效果依旧有限。随着技术迭代与临床验证持续推进，AI制药正走出概念验证阶段，实现价值兑现。与此同时，资本与市场对AI制药的评判标准也从“分子生成数量”转向“临床转化能力与商业价值”，产业发展更趋理性务实。记者了解到，目前行业主要形成三大主流商业化落地形态，构建起完整的产业变现体系。第一类是平台授权与联合研发，头部AI制药企业向跨国药企输出智能研发平台、核心算法与研发管线，通过“预付款+里程碑收益+销售分成”的模式实现持续盈利，数十亿美元级跨界合作已成行业常态。第二类为自主管线研发，企业依托自有AI技术平台独立开展创新药研发，全程推进临床试验与上市进程，实现药物自主商业化变现。第三类是技术服务赋能，AI制药企业为传统药企、CRO（合同研究组织）企业提供靶点发现、分子优化、临床设计、数据管理等全流程技术服务，助力传统医药产业数字化转型。吴峻表示，随着AI的广泛应用，传统药企的研发组织模式实现了从封闭自研到开放协同的升级。一些传统药企逐步摒弃全链条自主研发的重资产模式，通过与AI技术服务商跨界合作、搭建内部AI研发中台等举措，打通数据壁垒、补齐技术短板。与此同时，行业合作格局持续升级，药企合作重心从单一管线商务合作，转向AI技术平台、智能研发模型、数据资产等核心能力的长期共建共享。孙媛媛对此也有同感，“传统药企的外部合作模式正在发生变化，越来越多的合作开始围绕技术平台、AI模型、数据资产和早期发现能力展开。AI的加入，本质上进一步提升了中国药企的研发效率和全球合作价值”。今年以来，AI制药领域合作持续升温，跨国合作项目加速落地：石药集团与阿斯利康达成17.7亿美元合作，英矽智能与武田制药敲定超6亿美元战略合作……目前，阿斯利康、辉瑞、强生、诺华等全球知名制药企业，均已与国内AI制药企业达成深度合作，中国AI制药技术的国际竞争力愈发突出。随着技术实力提升，国内AI制药头部企业在融资、上市、营收等多方面实现突破，产业韧性持续彰显。作为在港交所上市的AI药企，晶泰科技2025年获得近60亿美元合作订单；英矽智能2025年12月登陆港交所，获得市场追捧；剂泰科技2025年营收达1.05亿元，较2023年的930万元营收实现近70倍的增长，公司今年5月在港交所上市。在产业整体发展层面，政策红利持续释放，为商业化落地保驾护航。2025年10月，多部门发布的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》明确提出，推动医药产业高质量发展，鼓励国家医学中心、区域医疗中心和临床医学研究中心等与药品生产企业协同，面向重大疾病以及罕见病和特定人群的疾病，开发新药筛选模型，加速新药智能研发。2026年年初，工业和信息化部等8部门联合印发的《“人工智能+制造”专项行动实施意见》提出，提升医药智能研发与供应管理水平，建设人工智能驱动的新药发现与虚拟筛选平台，通过多模态药效预测大模型，加速靶点识别与候选药物发现，降低药物研发周期与成本。政策、技术、资本同向发力下，我国创新药发展稳步提质。2026年上半年，38款创新药获批上市，其中，国产创新药31款、占比超80%，创新药对外技术授权交易额超过1000亿美元，持续彰显国内AI制药赋能下的医药创新硬实力。 AI技术的全方位渗透，推动医药行业迎来系统性升级变革。然而，技术壁垒、数据短板、人才缺口、监管适配不足等诸多问题，也让创新药AI研发赛道面临多重现实挑战，行业转型仍在路上。 “AI深度介入创新药研发后，行业在数据应用、成果验证、模型缺陷、行业格局等维度仍存在不少亟待破解的难题。”孙媛媛表示，目前研发端普遍面临高质量训练数据匮乏与数据孤岛问题，优质蛋白质相互作用、抗体结构、临床级生物数据储备不足，分子数据库、临床记录、真实世界证据分散于各类平台，无法形成有效数据合力，制约数据驱动研发的落地效能。夯实数据基础设施是关键突破口。李栋建议，针对数据稀缺、孤岛突出、隐私合规受限等问题，通过行业标准化建设，依托隐私计算技术等在物理分散、逻辑一体的前提下整合数据资源。同时，应规范算法应用，防范数据偏倚被算法放大，坚守“以患者为中心”的可信AI研发底线。“真正有价值的技术，是可信的、以患者为中心的智能。”李栋说。 AI制药领域的“验证鸿沟”问题也同样突出。一方面，AI可快速批量生成候选分子，但实验室湿实验、临床试验的验证通量远跟不上AI计算速度，大量优质候选分子积压、落地受阻。另一方面，AI模型幻觉与“假阳性”风险难以规避，纯数据驱动的模型易产出统计学合理但生物学无效，甚至存在安全隐患的分子。对于如何“填平”研发“验证鸿沟”，李栋表示，必须坚守AI候选药与传统药物同等严格的临床检验标准。王廷春强调，动物实验、人体临床试验等基础验证环节具备不可替代的严谨性与合规性，目前AI无法替代，虚拟实验模拟技术尚未落地应用，这对行业监管与技术迭代提出了更高要求。 “AI制药的发展，首先要解决治理问题，其次才是技术问题。”中国生物制药相关负责人表示，医药行业具备强监管、高合规、高风险的核心属性。在药品生产质量管理、药物警戒等领域，AI仅能作为辅助工具，关键决策必须由人工把控。AI人机协同、跨系统数据流转、智能辅助决策等新型应用模式，对传统行业监管体系提出全新挑战。未来需要药企、监管机构、技术机构三方协同，在保障药品质量与用药安全的前提下，搭建适配AI研发模式的监管标准、验证体系与治理机制，推动产业创新与监管治理同步迭代，保障AI技术长效赋能医药核心产业。复合型人才短缺是行业面临的又一突出短板。目前，头部药企AI研发团队中，医工交叉复合型人才占比超20%，但行业仍有大量人才缺口。李栋建议，完善医工交叉人才培养机制，为行业输送兼具临床认知与算法能力的跨界人才。同时也要看到，“AI的应用并非要取代科学家和医生，而是增强全链条协同创新能力”。 “从临床和真实世界看，海量诊疗数据正在成为研发上游的‘新矿藏’。我们可以从真实世界的临床现象反向提出靶点假设、支持药物重定位与适应症拓展，再把AI用于试验设计、患者精准招募等方面。药企的研发链条，正在从实验室单点突破变成‘数据—计算—临床’的闭环协同。”在李栋看来，“新矿藏的潜力能否兑现，仍取决于数据基础设施的夯实、方法学的严谨性、临床验证的刚性、监管的协同以及复合型人才的供给。” 展望未来，业内人士表示，AI在创新药领域的应用将从药物早期发现逐步延伸至全研发链条。靶点发现、蛋白结构预测、小分子优化、抗体筛选等早期环节，数据基数大、试错成本高，将成为AI技术落地的核心场景。若AI技术能与国内药企的临床研发效率、工程化能力、产业链优势及全球化布局能力深度融合，将助力中国创新药实现从数量增长到质量跃升的突破，进一步提升我国在全球创新药领域的核心竞争力。（中国经济网记者郭文培）（来源：中国经济网）

2026年08月11日

柔性制造，高效匹配差异化需求

“三新”经济正成为转型升级的新引擎

未来五年，煤炭工业如何发展？

无人机牧渔 “活鲜”更鲜活

AI进药企，新药研发在提速

新需求成为有色行业增长引擎

国产智能装备矩阵护航海洋产业发展

“新新三样”新在哪？

人形机器人产业加速迈入量产爆发期

“算力金属”行情持续升温

热门资讯

友情链接

快捷导航

联系我们