在AI持续成为产业焦点的当下，制造业对于AI的讨论正在发生微妙却重要的变化。从早期围绕模型能力与技术突破的热烈讨论，逐渐转向对落地路径、工程可靠性以及实际价值的审视。

（从左至右）ABB（中国）有限公司总经理康亮、ABB机械自动化（贝加莱）大中华区总经理李昕、ABB传动产品业务中国区负责人王余及中国自动化学会常务理事，北京大学电子学院党委副书记、教授程翔

竞赛之外，产业真正关注什么

近日，ABB举办了2026 ABB杯智能技术创新大赛媒体交流会，这是一项持续了21年的面向高校的技术赛事，但在笔者看来，行业真正关心的早已不只是竞赛本身，而是AI技术如何真正进入工业现场，并在复杂约束条件下发挥作用。

ABB杯早期赛事更侧重技术普及与产品应用，如今则明显承担起连接产业需求与工程人才培养的角色。在“十五五”规划强调现代产业体系与绿色转型的背景下，制造业对于复合型工程人才的需求愈发迫切，而传统学科体系与产业实践之间的距离，也使企业与高校都在寻找新的协同机制。中国自动化学会的相关代表在交流会上提出，产教融合正从补充性探索逐渐演变为工程教育的基础路径，本次活动不仅是赛事发布，更重要的是，共同探讨如何通过竞赛机制，将真实工业问题提前引入人才培养过程。

让真实场景成为技术试金石

这一变化首先体现在赛题设计逻辑上。本届大赛设置的两道赛题分别来自ABB不同业务单元，但共同特点十分鲜明——所有问题均源于企业实际应用场景，而非技术概念延伸。其中，围绕立体仓储系统的优化命题，直指当前智能物流领域普遍面临的效率瓶颈。随着电商与自动化仓储规模迅速扩大，高密度存储环境下的路径调度、货位分配与设备运行效率之间形成高度复杂的耦合关系，传统优化方式难以持续提升整体效率。ABB传动产品业务中国区负责人王余在交流中提到，真正的挑战并不在于是否拥有算法，而在于算法能否与控制系统深度结合并转化为可执行方案。因此，参赛者不仅需要完成模型设计，还必须将优化结果部署到PLC控制平台，使其能够驱动设备运行。这种要求意味着技术价值必须通过物理系统验证，也反映出工业AI与互联网AI之间的本质差异，前者的创新必须以工程可行性为前提。

语音识别技术在消费领域已趋成熟，但在工业环境中却面临截然不同的挑战。基于此，另一道赛题则来自ABB贝加莱，将焦点放在人机交互层面，即轻量化语音模型在工业场景中的优化与部署。高噪声背景、方言差异以及大量专业术语，使通用模型在车间环境中的识别准确率显著下降。同时，出于数据安全与实时性的考虑，多数工业企业并不接受云端处理方案，本地部署成为刚性需求。ABB机械自动化（贝加莱）大中华区总经理李昕指出，工业语音系统目前面临的核心问题并非技术不可实现，而是“可信度不足”，即系统必须在复杂环境中持续稳定运行，才能被一线工程人员真正接受。因此，本次赛题要求模型在离线状态与有限算力条件下完成优化，这种约束恰恰体现了工业AI的发展方向，从追求模型规模转向强调场景适配与工程稳定性。

人才与生态：下一阶段竞争核心

人才问题同样成为讨论重点。中国自动化学会常务理事，北京大学电子学院党委副书记、教授程翔指出，当前工业智能领域最突出的矛盾，是AI技术人才与行业专家之间存在明显能力断层。前者熟悉算法却缺乏工业经验，后者了解生产却难以掌握AI工具，这种错位使大量技术难以进入实际应用阶段。在他看来，以赛代练的价值正在于为学生提供真实工程语境，使其在解决具体问题过程中完成跨学科能力融合。相比传统课程体系，这类实践平台更接近产业需求，也更有可能培养具备工程思维的新一代技术人才。

从企业层面看，大赛同样承担着生态构建的功能。随着贝加莱正式纳入ABB自动化事业部，离散自动化与过程自动化之间的协同被进一步强化，本土研发与制造布局也被视为未来发展的关键方向。通过赛事平台，高校、初创团队、系统集成商与终端用户形成连接，创新不再局限于企业内部研发体系，而是在开放协同中逐渐形成。这种模式正在改变工业技术创新的路径，使竞赛成为产业生态的一部分，而非单纯的品牌活动。

在笔者来看，ABB杯智能技术创新大赛所呈现的，既是一项赛事的升级，也是一种产业信号：工业智能的发展正在从技术驱动迈向应用驱动。当AI不再只是展示能力的工具，而成为解决具体问题的工程手段时，制造业的智能化进程或许才真正进入深水区。在工业世界中，真正决定技术生命力的，从来不是概念的先进程度，而是它能否在复杂环境中长期稳定运行。

撰稿人：佟伟

责任编辑：朱晓裔

审 核 人：李峥