广州工控把AI送进图纸室：22万张图纸，7%完全重复

9月2日，广州工控集团旗下工业AI公司工控智科公开了一项内部验证结果：抽取某高端装备企业约22万张核心零部件图纸做相似性校验，AI给出的结论是约7%完全重复、约30%高度相似。数字背后没有收入，只有一张张被反复画过的图纸。

这项实验值得关注，不是因为AI又解锁了一个新技能，而是它挑中的切口极其朴素——先不去碰生产线上那些复杂的调度决策，而是回到制造企业最上游、也最少被数字化工具照亮的一间屋子：图纸室。

一笔很少被正式记账的浪费

工控智科成立于2024年12月，是广州工控集团为工业AI专门设立的子公司。公司副总经理罗志勇向南方财经记者描述痛点时提到，离散制造（汽车、电梯、工程机械等）的产品由大量独立零部件装配而成，每个零部件对应一张图纸；同一个零部件在不同技术团队、不同研发团队手里，往往被赋予不同的名称和编号。

这类问题的特殊性在于，它几乎不出现在任何一张利润表上。罗志勇的概括是“多管一个东西，就意味着多一笔浪费”。按南方财经报道列出的链条，一张冗余图纸对应的隐性成本包括设计师重复画图、工艺师重复编制工艺、采购反复核对技术参数、库存中堆积的相似物料等，分散在研发、工艺、供应链三个部门的工时和物料科目里，很难被单独识别为一个“损失项”。

所以这份22万张样本的意义，首先不在比例本身，而在于它第一次把一类模糊的行业直觉变成了一个可数的量：在一家高端装备企业的核心零部件图纸库中，AI在几小时内给出了7%与30%两个分层结论。工控智科方面的判断是，这部分图纸可以通过合并或标准化设计优化。

不过，把这两个数字直接读成“三分之一成本可以省掉”，需要跨过几道边界。企业公布的是抽样校验结果，不是全量普查，也未披露验证周期；“高度相似”的判定阈值由哪套规则给出、相似是否等同于可合并，报道中均未说明。工业图纸里存在大量合理冗余：不同代际的改进版本、针对不同客户的定制变体、因法规或材料变更而保留的历史版本，都可能被算法判为高度相似却不该被删掉。更接近实际的说法或许是：约37%的图纸（按企业给出的两个比例简单相加测算）进入了“需要工程师复核是否可标准化”的候选池，而不是37%的浪费已经躺在地上等着捡。

通用大模型的盲区：看得见，看不懂

这件事为什么到现在才有人做，报道里给了一句行业共识式的解释：通用大模型的训练语料以文字为主，能写诗、能聊天，但面对工业图纸、三维模型以及背后的工程语义和制造知识，往往“看得见，却看不懂”。

这句话点出了工业AI与消费级AI真正分道的地方。一张机械零件图上承载的不是可被语言模型直接消化的文本，而是视图投影关系、尺寸标注、形位公差、表面粗糙度符号、材料与技术要求，以及这些要素与后续加工工艺之间的因果绑定。图纸转成图片后像素信息是完整的，工程语义却是另一层结构。罗志勇称，工控智科组建了工业多模态研发团队，把大量二维图纸、三维模型数据纳入垂类模型训练，让模型在三维图纸识别上提取孔、槽、面等加工特征，理解拓扑结构和约束关系；同时对接企业原有的PDM/PLM、ERP、SRM、MES系统，把图纸与产品库、工艺库、设计规范、采购记录、成本数据串起来。

这条技术路线里有两处值得肯定的务实选择。一是用DeepSeek做私有化底座——工控智科称在成立后三个月内完成了DeepSeek满血版私有化部署。对制造企业而言，图纸是最不可能出厂的数据资产，私有化部署既是技术选择，也是商业前提。二是先做“找相似、找差异”这类判定标准相对明确、错了也不会直接停机出安全事故的任务，而不是一上来就让AI去指挥产线。

行业层面的落地难点恰好卡在这里。求是杂志社经济编辑部与赛迪研究院联合课题组在2026年4月底发布的产业调研中，记录了一家制造企业的反馈：AI视觉检测系统因光线轻微变化就把良品误判为废品、废品反被放行，最终仍需人工重检，并由此提出“演示时惊艳，产线上翻车”是AI在许多企业落地时的真实写照。同一份调研显示，截至2025年底我国重点行业企业关键工序数控化率为68.6%；在山东一家重型装备制造企业，工业大模型把新品工艺设计从多名资深工程师耗时数周压缩到72小时以内，良品率提升5个百分点——这组对照说明，工业AI的价值释放确实可以很大，但它高度依赖具体工序的数据条件，成果难以平移。

从“能查重”到“能复制”，中间还差三关

按报道披露，工控智科的工业智能体已从图纸识别、非标方案设计延伸到营销客户维护、质量根因分析、售后维修等场景，并正把内部标杆案例向外部制造企业复制推广。广州工控的另一重便利是场景供给：罗志勇称灵感“来源于集团数百家制造企业的真实业务场景和真实痛点”，“工控智脑”脱胎于集团2025年的“AI春风行动”，接下来还将策划“秋实行动”推动智能体平台进入企业一线。

但“集团内部有足够多的试验田”与“能在市场上复制”是两件事。第一关是数据地基不统一。查重的前提是每家企业都有一套相对干净的图纸库和物料编码体系，而大量中小制造企业的现状是图纸散落在个人电脑、扫描件和老旧系统里，AI进场前得先补上数据治理这一课，这部分成本既不可复用，也难以外包给算法。

第二关是非标与定制的长尾。离散制造越是细分，图纸规则越是本地化。为高端装备企业训练出的判重模型，能否直接用于电梯或工程机械的图纸库，取决于跨行业特征提取的可迁移性，报道中尚无对外部客户的验证数据。

第三关是ROI无法核算。回到开头那笔没人记的账：如果冗余图纸的原本成本无法在财务上单独成立，那么省下多少同样无法证明。这会直接决定这类产品是被客户当作可预算的必需品，还是当作数字化转型的形象工程——后者的付费意愿在经济下行周期里非常脆弱。

政策端在加码。2026年4月印发的《广东省加快推进人工智能全域全时全行业高水平应用行动方案》（粤办函〔2026〕50号）把“人工智能＋机械”列入传统产业方向，要求依托广州、深圳、珠海等高端机械装备制造基地提升装备全流程智能化水平，并在要素保障中提出出台省级“算力券”政策、省市协同推动智能算力供给普惠易用。南方财经报道另提及《广东省推动制造业与服务业协同融合发展2026年行动方案》提出到2026年底建设200家以上智能工厂和智能体工厂、《人工智能赋能制造业高质量发展行动方案（2025—2027年）》以“百行千模”牵引工业模型（两份文件的原文口径截至发稿未获独立核对）。补贴与算力会催生大量试点，而求是—赛迪调研对下一阶段风险的判断更值得记住：核心难题不是没有好的试点，而是好的试点无法批量复制。

对观察者来说，接下来有三个指标比平台发布本身更有信息量：其一，工控智科能否公布首批非广州工控集团体系内的付费客户，以及该客户的行业与图纸库规模；其二，判重结果能否给出可复核的准确率口径，例如与人工专家判定的一致率、误判率，并允许第三方抽检；其三，图纸查重之后，企业的物料编码总数、SKU数量、呆滞库存与采购金额是否出现可计量的下降——那才是把7%和30%从技术参数换成财务数字的唯一路径。

工业AI真正难的地方从来不在模型参数量，而在一个零件被三个团队画了三遍、还都起了不同的名字。

参考数据来源

南方财经全媒体集团（记者伍素文）·《广东AI智能体进厂：既看得了“天书”，又能破解“图纸迷宫”》· 2026年9月2日 · https://m.21jingji.com/article/20260902/herald/f4ed64d6bb8b7597bf942bf6092444ae.html

广东省人民政府办公厅 · 《广东省加快推进人工智能全域全时全行业高水平应用行动方案》（粤办函〔2026〕50号）· 2026年4月22日发布 · http://www.gd.gov.cn/zwgk/wjk/qbwj/ybh/content/post_4887794.html

求是网（求是杂志社经济编辑部、赛迪研究院联合课题组）· 《深度调研｜抢占智能时代制高点：我国人工智能产业发展调查》· 2026年5月1日 · https://www.qstheory.cn/20260430/fcfeb89054fe453ebe265f7e270917e9/c.html