新华三：打通工业AI的“最后一公里”

如何实现ICT与OT的深度融合，是AI真正进入工业现场需要跨过的坎。只有ICT与OT打通，数据才能从设备端流动起来，AI才有用武之地。

文｜钱丽娜
ID | BMR2004

在工业数字化转型领域，很少能看到体量特别大的综合服务商，因为工艺过程场景过于零散，几乎每个场景都要定制，规模效应难以形成。正因为如此，工业AI仍处于技术验证期，真正稀缺的不是模型，而是可沉淀、可复用的场景方法论。作为数字化及AI解决方案领导者，紫光股份旗下新华三集团有限公司（以下简称“新华三”）正在用AI破解工业智能化难于落地的“最后一公里”。

紫光股份财报显示，2026 年上半年度新华三实现营业收入499.75亿元，同比增长37.28%；实现净利润23.88 亿元，同比增长 29.03%。其中，国内政企市场业务规模进一步扩大，营业收入达到 438.67 亿元，同比增长 41.35%；海外业务持续快速扩张，营业收入达到 29.41 亿元，同比增长 53.25%。

01

通往智慧工厂：从建设视角转向运营视角

AIGC兴起之后，消费端AI的应用已经逐步收敛，行业形成共识：AI适合替代高价值、高重复度的人力工作。但这套经验并不能直接照搬到工业领域，工业AI落地，往往需要技术人员深入生产一线，去寻找“1厘米宽，1千米深”的垂直场景。新华三是ICT（信息通信技术）领域头部厂商，产品线覆盖计算、网络、存储、云、安全、运维全链条，是国内极少数可以一站式交付智算中心、数据中心、园区网络、工业网络的企业。然而，如何实现ICT与OT（工业现场控制技术）的深度融合，依然是产业界的难题。AI要真正进入工业现场，恰恰需要跨过这道坎——只有ICT与OT打通，数据才能从设备端流动起来，AI才有用武之地。

新华三的判断是，AI正在成为千行百业的基础能力。基于这一判断，公司深化“AI in ALL”与“AI for ALL”战略，通过“算、网、存、云、安、维”6个维度深度协同，充分发挥“算力×联接”的协同优势。在工业领域，新华三认为未来的工业运行将由AI驱动，并以“AI+场景化解决方案”对现有工厂的能力进行改造、提升。为深度探索智能工厂落地路径，2021年10月在杭州落地的新华三未来工厂，融合了工业互联网、人工智能、IoT、5G等技术，打造全链条高效协同、覆盖全生命周期的服务型制造模式。依托全域数据贯通，工厂产线换线时间从40分钟压缩至3—4分钟，人均产出提升5倍，订单交付周期缩短一半以上。新华三把在自有工厂验证跑通的能力，持续沉淀到数智工业平台，形成可对外输出的智慧工厂工业底座。

新华三集团副总裁、工业互联网研究院院长刘赞告诉《商学院》杂志：“以往工厂是用建设的视角做智能化改造，即更关注如何搭建数字化基础设施，但现在开始转向工厂运营的视角。而运营的核心是需要有工厂现场的数据，让数据流动起来，生成有价值的信息，进而用AI支持提升业务能力。”基于运营视角，新华三的核心交付能力发生了质变，企业的运营需求决定智能工厂的建设内容，除了原来的硬件设施，更需要交付工厂数字大脑，用软硬件共同支撑起智能工厂的运行。

这种对工厂运营能力的探索，本质上是瞄准先进制造业整体目标所采用的一套实施策略。工信部将先进制造业定义为：以科技创新为引领、以高端化智能化绿色化为路径、以提升全要素生产率和产业链韧性为目标的现代制造形态。这一定义既包含新一代信息技术、高端装备、新材料这类新兴产业，也涵盖石化、钢铁、纺织等传统产业的数字化再造。传统产业数字化再造不是“低端退出”，而是主战场。国内对先进制造的理解，已经跳出只看高新产业的狭义认知，转向以技术渗透、价值链提升、系统韧性作为评判标准。

02

在1厘米的需求孔洞中寻找机会

刘赞在采访中谈到，中国工厂存在大量无法提供数据的“哑设备”。这些“哑设备”需要做连接改造，让设备能够生成数据，让数据流动起来，这些是工业AI的基础。

进入工业场景后，客户对产品和技术的诉求从“性价比优先”转向“强稳定性与高确定性”，这为新华三打开增量市场的同时，也让其意识到：工业场景碎片化、需求定制化，通用硬件无法直接复制，必须深入一线做场景适配才能真正落地。

新华三工业互联网团队走入企业现场后发现，设备改造难度不小，有些化工厂还保留着上世纪八九十年代的工艺，老旧设备不能轻易改动。在这些设备上安装传感器，只能做一些外围修修补补的工作，一些工业场景还涉及防爆要求。

例如，在一家石化工厂，新华三发现，控制化工原料输送的阀门需要手动开关，阀门有2米多高，非常消耗人力。尽管这是一个业务痛点，但评估下来，团队认为阀门智能化改造的成本太高，而且也不能轻易调整工艺过程。可改造的地方在于识别员工是否规范操作阀门开关，以此及时发现因不规范操作所引发的泄漏。为此，新华三为化工厂搭建起物联网平台，针对阀门开关操作引入姿态传感器，置于阀门的旋转手柄上，在使用过程中收集数据、训练模型，进而形成作业规范。此后，一旦传感器感知到员工操作不规范，系统就会自动报警。同时，新华三还开发了防泄漏解决方案，一旦气味传感器“闻”到泄漏出来的特定气体的味道，也会报警，从而提高了化工厂的安全等级。

全国的化工厂加起来有近200万个阀门，单上述这个石化企业旗下的工厂就有2000多个阀门需要人工手动开关。新华三的姿态传感器解决方案，就是在这个极其微小，但又对安全至关重要的场景中保障了工厂的安全运行。新华三由此也成为业内第一家提出这一改造方案的企业。

在这个案例中，新华三与国际著名的传感器厂商合作，新华三负责物联网平台的搭建，完成基础设施改造，合力为客户提供完整的解决方案。

新华三基于自身ICT全栈产品的能力，向下深耕基础设施，充分释放底层系统价值；向上深耕行业场景，整合全球不同厂商、不同技术栈的产品，打破能力孤岛，将竞争重心从单纯比拼硬件规模，转向系统级整合与整体能效的综合竞争。

刘赞介绍，在一次次实践中，新华三遴选出工业场景改造的三个标准：价值密度、复用潜力以及技术闭环成熟度。举例来说，电子制造中的精细化管控、核心设备的智能运维等，价值密度高；AI质检、能源管控、安环监测、液冷运维等，通用性强、可标准化，复用潜力大；而工业智能体、多智能体协同等新兴技术应用，目前技术闭环成熟度还不够，现阶段以小范围试点探索和能力储备为主，着眼于构建长期技术竞争力。基于这套评估逻辑，新华三工业团队放弃竞争白热化的通用应用市场，而是深耕高价值密度、具备落地闭环能力且未来可规模化复用的细分场景，依托生态合作与解决方案能力构筑差异化优势。

03

ICT硬件与工业大脑的乘数效应

刘赞认为，消费互联网的发展历程为工业互联网带来启发。手机从最初的通话工具，演变为数字世界入口，手机硬件和APP数字平台互相赋能，形成乘数效应，深刻改变大众生活。汽车行业同样如此，历经车载信息服务、移动互联、车联网，发展到今天的智能网联汽车；智能化车辆搭配出行平台，也带来行业变革。

顺着这一思路，新华三也在思考，类似的乘数效应，是否会在工业领域重演。工厂完成智能化改造后，现场数据、业务经验持续沉淀到数字平台，持续增强底座能力。“当智慧工厂与数智平台产生乘数效应时，生产是不是也会被颠覆？”在这个宏大愿景的驱使下，智慧工厂改造就变得非常有意义。

宏大目标需要从点滴实践起步。ICT硬件底座是新华三的传统优势，但工业大脑能力，需要在一家又一家工厂项目中完成“经验开矿”，梳理场景、沉淀数据。做透少数项目还不够，当积累到上百家工厂实践之后，可复用的业务规律与方法论才会越来越清晰。刘赞说：“数字底座一旦与ICT硬件产生了乘数效应，新华三在工业领域的业务增量优势就会出现。”

2021年，新华三在苏州成立新华三工业互联网有限公司，专注工业互联网领域解决方案的落地，经过5年经营，已逐步成长为苏州工业园区工业数字化领域的龙头企业。

新华三为工厂智能化改造构建起三层架构：底层是工业数字化所需的ICT设备，中间层是支撑信息化交互的数智工业平台，上层是面向场景的工业智能体群。安全能力则贯穿全过程。

拿底层的工业设备通讯网络建设来说，过去工厂普遍采用PROFINET等工业总线作为厂区内网通信方案，国内外设备厂商均遵循该标准进行设备开发。而随着技术演进，业界开始探讨能否将面向公网的物联网、互联网技术引入工厂场景，实现一网贯通，依托互联网能力，把工厂内部操作延伸至千里之外，以此为工业生产赋能。

刘赞认为，这既是科学问题，也是技术课题。当前落地的解决方案中，TSN（时间敏感网络）是国内核心设备与技术供应商所采用的关键技术。TSN基于商用互联网、万维网体系以及IP类网络协议构建，这套协议用于保障工厂端工业网络的确定性。日常使用手机、线上会议时，网络短暂延迟、小幅断连通常可以容忍；但在工业场景中，网络若在0.01秒内出现异常，就可能触发设备停机，引发严重的甚至灾难性的生产事故。网络攻击也会直接威胁系统安全与生产安全。TSN可实现工厂内网与外网之间的确定性传输，保障传输时延稳定，消除时延抖动。但该网络方案的落地，需要硬件产品作为支撑。

为此，新华三研发出系列产品：第一是设备侧TSN模组，实现基于TSN网络的数据采集上传；经由现场采集网关，将数据转发至TSN交换机，由交换机完成数据的进一步处理与分发；向上对接公网时，采用TSN三层核心交换机。在此基础上，实现5G与TSN的技术融合，最终对接工业平台。依托这套体系，远程管控工厂设备得以落地。这些产品属于行业内具备技术创新突破的通用型产品。刘赞表示：“从业务场景需求到通用产品的转化，这是新华三在工业设备领域产品的落地思路。”

第二是建立数智工业平台。刘赞认为，当前工厂的信息化已相对成熟，但信息系统多用于OA等办公辅助决策，而生产执行系统、库存管理系统、数据库系统、客户营销系统等工厂核心业务，与传统信息化系统分属两个独立域，前者是管理域，后者是生产域。

新华三希望打通生产域与管理域。设备联网之后产生海量产线数据，加工转化为生产信息，在此基础上沉淀数字化业务模板。不同行业可以基于这套模板，做适配调整，快速搭建业务应用，沉淀行业经验。后续新项目不再从零开发，而是在模板之上做局部适配，应用层交付效率可以提升50%以上。由此形成闭环：从项目实践沉淀标准化模板产品，再用产品反哺项目交付。

第三是创建工业智能体集群。其背景是，ICT基础设施正在从单纯的数据传输与信息存储通道，演变为具备泛在感知、复杂决策与自主执行能力的智能化系统。这一演变，推动软件架构从静态规则、预设流程和系统集成，转向以智能体和大规模预训练模型为核心的动态智能架构。

这一转向有两个关键支撑：一方面，以AI PaaS和MaaS为代表的平台化服务，将复杂的模型开发、微调、评估与部署过程标准化，大幅降低了AI应用的开发门槛；另一方面，随着OpenClaw等代理运行环境的普及，智能体之间可以实现双向协作，使ICT从传统的增删改查业务逻辑，转向意图理解与自动化执行。由此，ICT真正具备自演进、自愈合与智能调优的能力，成为整个系统的“大脑”。新华三创建的工业智能体集群，正是要把这种能力带入工业场景。

要把这种能力带入工业场景，产品本身必须先智能化。新华三实行“AI in ALL”技术战略，依托对底层硬件的深度掌控，将智能体能力内建到全栈产品中。今年新发布的灵犀运维智能体就是一个代表：它基于新华三1.2亿台在网设备运维经验积累，100万+ICT专业知识库沉淀，以及5000万+真实运维数据沉淀而来，通过多域、多模、多智能体的动态协作与统一调度，从前端的“运维工具”进化成为“智慧伙伴”，赋能精准排障、隐患先知与故障自愈。

“在前期运维功能治理的基础上，引入AI的优势非常明显。这样一来，新华三和企业客户只需把工作重心放在不同场景的工业智能体打造上。如果某个小场景的方法抽象得足够好，就能做成可复用的智能体。”刘赞说。

工业智能体方案的落地成效也很显著，新华三已经在未来工厂上线自研的排产智能体。传统应用开发模式依循需求调研、蓝图规划、方案设计、代码开发，最终上线部署，而未来工厂可直接基于业务模板调取可用模型，依托大模型来解决具体业务中的刚性需求。刘赞说，目前，该应用仍处于探索阶段，工业智能体要做到好用、持续创造业务价值，仍需要一定周期打磨。但从未来工厂目前项目反馈的数据，这套排产智能体将工厂的生产效率提升一倍以上。

刘赞说：“全球都在看好工业+AI，但目前行业还处于技术验证期。真正能沉淀到技术底座里的实践方法，占比还有限，不过总量增长很快。新华三把工业场景视作ICT落地的核心场景，从服务通用客户转向聚焦工业客户，就是希望中国的智能制造能成为全球典范。”

（本文图片由受访对象提供）