“AI老法师”引领变革：大模型接管工厂，推动“制造”向生命般进化

徽声在线4月26日讯（记者 张校毓）“在相同的物料投入条件下，由智能计算机虚拟工程师调控的发酵罐，其平均产量比对照组高出3%至5%。并且，随着新批次数据的持续输入，经过多次迭代优化后，发酵产量有望进一步提升。”在川宁生物（301301.SZ）2025年的年度报告中，这样一句看似平常的描述，实则蕴含着可能颠覆未来工业格局的巨大潜力。

为了深入探究这一变革背后的秘密，徽声在线记者近日专程走访了上海交通大学人工智能与微结构实验室（AIMS Lab），并找到了参与川宁生物项目的韩彦强教授。他向记者透露，去年，团队在新疆进行了为期9个月的实地调研、数据整理、代码编写、测试以及模型训练和优化部署工作，最终实现了川宁生物年报中所提及的产量提升目标。

目前，这个被业界亲切地称为“AI老法师”的国际首个“人工智能时序控制大模型”——ManuDrive，已经不仅仅局限于生物制造领域，而是成功拓展到了建筑设计、纺织制版、污水处理等多个制造业场景。其开发者上海金珵科技，通过与地方国资携手成立合伙企业，已将业务拓展至山西、内蒙古、山东、宁夏、福建等十余个省份。

上海金珵科技有限公司（简称“金珵科技”），由上海交通大学人工智能与微结构实验室主任李金金教授一手创立。作为上海交大培养的科研领军人物，李金金教授的创业愿景是让AI技术真正赋能中国制造业，推动其转型升级。

AI精准描绘“微生物发酵曲线”

当大多数企业还在热衷于追逐大语言模型的“智能涌现”时，金珵科技这家上海本土的人工智能公司却选择了一条不同的道路——下沉到工厂一线。当其他AI在忙着生成文本和视频时，ManuDrive却专注于生成“时序工业生产曲线”，为工业生产提供精准的数据支持。

这一选择方向的前方，是一片广阔无垠的蓝海市场。

在李金金教授看来，当前的AI技术及其多数应用场景，仍然以静态建模任务为主。然而，大部分工业生产过程并非“静止”的，而是随着时间连续演变的。因此，当前的控制决策高度依赖于历史状态、趋势以及系统反馈。为了解决这一问题，AIMS Lab团队全栈自研了ManuDrive大模型，它以经典自控系统为应用载体，通过AI的“预测-优化-执行-反馈”闭环机制，接管并动态优化整个生产工艺流程，从而持续提升工厂的生产水平，直至达到理论极限。

这一系列技术应用实践的起点，源于团队与第一家合作企业——川宁生物的携手合作。

李金金教授向记者介绍，生物大发酵罐的罐体粗壮，从上到下贯通数层楼的高度，原料加满后重量多在500至800吨之间。彼时，川宁生物面临着生物发酵代谢过程复杂、发酵产量低、人力成本高以及人类工程师在降低生产波动、提升发酵产量等方面经验知识受限等诸多痛点。为了解决这些问题，李金金教授带领团队前往新疆，在川宁生物的一线车间用时9个月，基于自身的大模型基座，为企业开发了专门用于生物发酵的AI工程师系统，让AI接管发酵罐，并实时预测复杂的发酵动态过程。

参与该项目的韩彦强告诉记者，在实验室里，理论条件都是非常精准和量化的。但在企业生产现场，实际情况却比想象中要“粗糙”得多，需要经过大量的打磨和调试工作。他回忆道，当发酵罐内PH值偏低时，现场操作的老师傅通常会采取降温或减少原料投放的方式来降低菌种活性，虽然这样能使PH值回升，但却会导致产量下降和生产时间浪费。而AI大模型给出的方案则是微调补糖量及其他相关参数，在不影响产量的前提下实现PH值的稳定。

最终，在团队的不断调试和优化下，面对生物发酵罐这一“庞然大物”，仅凭一行行代码就可以提前精准生成微生物的发酵曲线。根据该批次的原料以及环境条件，在发酵过程初期便可将未来180个小时所有的发酵参数曲线生成出来，生成准确度高达99.9%。“现在有了这套系统，我们提前就能看到在哪一个小时发酵可能会出现问题，AI可以提前进行干预、预警和调整。”李金金教授自豪地说。

据李金金教授介绍，相较于原本的平均产量，该模型上线系统后，AI接管川宁生物500立方米发酵罐后，产量可提升约5%，生产波动降低50%。“我们一个月帮助企业提升的产量比过去五年还要高，而且现在的产量还在持续提升。”据悉，目前合作双方已经进入了收益分成阶段。

优先赋能“国之重器”，推动制造业转型升级

除了生物制造领域外，ManuDrive的应用还广泛覆盖到了多个制造业场景。

据李金金教授介绍，金珵科技与太重集团合作的AI工艺CAD图纸生成师系统，能够实现单张图纸的生成时间缩减到3秒以内，并自动识别去除冗余信息和人为错误信息，兼容多种图纸文件格式。最终，效率提升与废品率下降带动了企业净利润提升17%以上。

再如与双良集团合作的AI工业设计建筑师系统，通过AI智能系统自动生成钢塔最优参数设计方案与应力分析结果，从结构空间中筛选用料最少的方案，将单个方案的设计和验证周期缩短到10分钟以内，生产效率提升超85%，带动了企业净利润提升15%以上。

此外，金珵科技还自主研发了AI刀具生成师系统，大幅提升了刀具管理效率；基于纺织场景开发了AI纺织制版师系统，提高了制版效率；AI智能排产师系统为企业降低了运营成本，很大程度上缩短了交付周期；陆续落地的AI智能污水处理师系统可实时监测水质指标、智能调控药剂投加与设备运行参数，稳定出水达标排放，降低了能耗、药耗与运维人力成本，实现了污水治理全过程精细化、绿色化管控。

AI机器人调度师系统可完成物流设备的协同路径规划与任务动态分配，规避了路径冲突与闲置浪费问题，提升了车间物流转运、自动化作业的整体流转效率，保障了产线的连续稳定运行；AI视觉识别师系统基于高精度机器视觉与深度学习算法，高效完成了产品外观缺陷检测、零部件精准定位、物料分类识别、安全生产风险抓拍等工作，提升了质检精度与检测速度。

截至目前，这一被称为“AI老法师”的平台已经全面落地几十家上市企业，累计帮助合作企业创造了上亿元的经济效益。

谈及对合作企业的选择标准时，李金金教授告诉记者，目前团队优先赋能“国之重器”，优先关注的合作领域主要包括技术边界尚远、但最终能为企业带来巨大经济效益，以及能够替代大量人力决策的场景。

在功能背后，是ManuDrive模型基座的模块化工业智能体框架在发挥作用。该框架具有127个可组合的功能组件（如感知、规划、记忆、工具调用等），通过标准化接口协同工作，支持动态组装、复用与持续学习，形成了面向工业场景的可扩展基础架构。

“区别于大语言模型，ManuDrive是基于工业领域多场景真实物理机理+深度学习的AI算法构建的。它可解决幻视和灾难性遗忘造成的不垂直、不专业痛点，是专为复杂工业控制系统设计的可进化、可复用、可落地的专用AI智能操作平台。”李金金教授介绍道。

例如，FDE（前沿部署工程师）在生物发酵项目中开发的“菌株代谢适配算法”，经模块化封装后，FDR（前沿部署研究员）在工业废水处理场景仅调整3个参数，即可实现对不同降解菌群的精准调控，冷启动效率提升90%，吨水处理成本再降10%。

值得注意的是，这类大模型训练通常需要企业整个生产流程中的核心参数数据，而这些数据的安全对于企业而言至关重要。针对数据安全问题，李金金教授向徽声在线记者解释道，团队主要采用加密容器的方式进行训练，“其实我们AI训练什么样的数据并不重要，它只要是一对一的对应关系都可以。AI并不一定要关注到原始数据本身。”

李金金教授还向记者透露，金珵科技目前已经实现了盈利目标。未来的一大重点是，在上市后拓展更多场景并扩充人才队伍，“上市是我们正式面向资本市场和迅速扩展人才的重要时机。”

打造上海AI创新高地，引领“制造”向生命般进化

随着人工智能技术加速向工业、科研场景深度渗透，上海本土的科创企业正加速探索AI技术的产业落地路径。

在金珵科技的上述应用案例中，尤为值得关注的一点是这些项目均采用了FDE+FDR终身服务模式。金珵科技也正是依托上海FDE人才计划，输出标准化落地服务，对接工信部全国推广体系，建立了AI工业制造赋能生态，形成了AI中央大脑在上海、赋能全国工业制造企业的格局。

据了解，FDE是AI时代的新型技术角色——他们不坐在总部写代码，而是直接进驻客户的工厂、银行、医院等一线场所，将大模型的能力“嵌入”真实的业务流程中。FDE模式能有效填补产品功能与实际需求之间的差距，解决人工智能技术商业化落地的“最后一公里”问题。

李金金教授提到，FDE既非专注单一领域的传统工程师，也非局限于实验室的AI研究者，而是打破“技术孤岛”与“产业需求”壁垒的关键角色。

当前，上海正以建成具有世界影响力的人工智能“上海高地”为目标，在底层技术上加快实现新的突破，在场景应用上不断形成新的示范，在生态培育上更好发挥龙头企业的带动作用，在人才培养上最大程度激活青年人才的创新潜能，在科技治理上带头制定新的标准，实施全链条布局，完善产业生态。

为加快AI规模化落地的FDE人才培养工作，上海正着力构建FDE人才培养体系，开办了全国首个前沿部署工程师专题培训班。课程以标杆AI企业的探索历程为切入点，结合真实案例讲解前沿部署范式，强调把技术人才直接输送至业务一线、在产业场景中定义产品。

徽声在线记者获悉，截至目前，上海会同创智学院等方面已经组织了十余场FDE培训课程，覆盖了2000余人次，形成了良好的行业反馈。同时，还推动创智学院与两大AI小镇形成合力，将推出形式更灵活、班次更高频的培训模式，以扩大FDE培训的覆盖面和影响力。

值得关注的是，2025年上海市人工智能产业规模已经超过6370亿元，同比增速达到了39.5%，成为拉动全市经济增长的新引擎。

在推进人工智能+应用落地方面，上海坚持应用牵引的原则，率先发布了《关于人工智能“模塑申城”的实施方案》，加快了“人工智能+”的落地步伐，培育了新质生产力。记者了解到，上海在筑牢产业发展根基方面建设了智能算力集群、语料供给体系、虚实融合实训场、行业基座大模型等四大基础底座，完善了人工智能产业发展的核心基础设施，夯实了技术和数据支撑能力。

同时，上海还加速了场景应用的落地工作，加快推进国家级中试基地建设，推动了MaaS平台、智能体“驾驶舱”等系统集成工作，提升了平台共性服务能力，助力企业降低了创新成本。

在制造领域方面，上海专项推进了“AI+制造”工作，出台了《上海市加快推动“AI+制造”发展的实施方案》，聚焦“企业、行业、平台、生态”等方面，“四位一体”地推动了工作落地。培育了“AI+制造”样板企业，并按照“全流程智能化、智能产线、智能产品”三类方向形成了首批10家“AI+制造”样板企业，明确了培育思路并加快了各类高价值场景的落地工作。此外，还建设了工业智算、语料等要素平台，实现了“公有云+私有云”的灵活部署方式，并集成了算力、语料、模型、工具和智能体等服务。

李金金教授表示，制造业是我国的大基础和大底盘。他希望金珵科技团队能够持续推动AI融入中国工业领域，让存量制造业能够再创新增量，让工厂像生命一样不断进化和发展。