AI 行业落地 | 第41期：大模型下工厂，先学会看时间

AI行业落地 · 2026-11-02 · 九羲科技

AI 行业落地 | 第41期：大模型下工厂，先学会看时间

川宁生物年报披露，AI 调控的发酵罐产量比对照组高3%–5%。ManuDrive 靠的不是模型自己悟——是工程师在发酵罐旁驻扎九个月，把老师傅的时间感，一条条喂进闭环里。

这一期只讲一个案例，讲透。主角不在办公室里写文档，也不在客服队列里答问题——它蹲在新疆的发酵车间里，管着一罐要长一到四周的微生物。

川宁生物的发酵罐，五百到八百吨一罐，从上到下贯通数层楼。一次发酵，最终产品不到投料量的1%，罐里是活物，代谢过程复杂，工程师24小时轮班守着，靠经验压波动。经验这东西，在老师傅脑子里，不在系统里。

上海金珵科技的 ManuDrive 做的事，是把这份经验连同生产数据一起学下来，再把手伸进控制回路。财联社记者今年4月走访了上海交通大学人工智能与微结构实验室（AIMS Lab），把这条线摸了一遍¹。它被叫作“AI老法师”，原因也在这里：学的不是知识，是手艺。

一罐发酵里的“AI老法师”

1. 背景：生产不是静止的，决策全在时间里

李金金教授的判断是：大多数 AI 应用还在做静态建模，可工业生产的状态是随时间连续演化的——罐里的微生物在长，温度、酸碱度在变，眼下这一步怎么调，取决于前面几十个小时走过的路¹。传统自控按固定规则走，规则之外的那部分，靠老师傅看曲线补上；可人会累、会换班、会退休，曲线不会。

川宁遇到的问题很典型：发酵代谢复杂、产量低、人力成本高，人类工程师在降低波动、提升产量上，经验有它的上限¹。年报里那句不起眼的“智能计算机虚拟工程师”，就是从这个问题里长出来的²。

2. 机制：预测—优化—执行—反馈，闭环不是口号

ManuDrive 以经典自控系统为应用载体，在上面叠了一层 AI 的“预测—优化—执行—反馈”闭环，接管和动态优化整个工艺流程¹。先把话说准：按财联社原文，它在发酵场景里不是给人打下手的辅助工具，是真的在调控——发酵初期就能生成未来180个小时的全部发酵参数曲线，生成准确度达99.9%（团队口径），提前看到哪一个小时可能出问题，提前干预¹。

一个细节最能说明问题。罐内 pH 偏低时，老师傅的老办法是降温或减少投料，压低菌种活性，pH 能回升，产量却要跟着往下走。AI 给出的方案是微调补糖量和其他相关参数，pH 稳住，产量不掉¹。两条路摆在一起试过，AI 那条更优——“老法师”这个名号，是在和老师傅的正面对照里挣来的。

底座是物理机理加深度学习。基座里有127个可组合的功能组件，感知、规划、记忆、工具调用都在其中，靠标准化接口协同，支持动态组装、复用与持续学习¹。数据安全上，团队用加密容器做训练——李金金的说法是，AI 要学的是一对一的对应关系，不必看到原始数据¹。这一条，对把生产数据看得极重的制造企业，不是小事。

中控室

*川宁生物发酵产线中控室，大屏上运行的是 ManuDrive AI 工业自控系统（来源：上观新闻）*

3. 驻场：九个月，八张桌子

模型不是在上海的空调房里调出来的。团队在新疆用时9个月，做现场调研、整理数据、代码撰写、测试，以及模型训练、优化和部署，参与项目的韩彦强教授对财联社说，实验室里条件精准量化，到了企业生产现场，实际情形比想象中“粗糙”得多¹。上观新闻写得更具体：四五层楼高的发酵罐旁，拼起八张桌子当临时办公室，白天是电脑桌，晚上有时还要充当床³。

这批人有个新名字：FDE，前沿部署工程师。不坐在总部写代码，直接进驻客户的工厂、银行、医院，在一线把大模型的能力嵌进真实业务流程；他们身后还有 FDR，前沿部署研究员，拿一线回传的数据持续迭代算法。金珵把这套组合叫 FDE+FDR 终身服务模式¹。复用上已经有例子：FDE 在发酵项目中开发的“菌株代谢适配算法”经模块化封装后，FDR 在工业废水处理场景仅调整3个参数，就实现了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%——这是李金金向财联社介绍的口径¹。

团队

*李金金教授团队（来源：上观新闻）*

4. 效果：数字不少，先分清是谁说的

最硬的一条来自上市公司年报。川宁生物2025年年报披露：按照相同物料投入，智能计算机虚拟工程师所调控的发酵罐，平均产量超出对照组3%–5%；并且随着新批次数据的喂入，多次迭代后有望持续提升²。有对照组、有上市公司正式披露，这是本期所有数字里成色最高的一档。

第二档，是创始人向记者的介绍：AI 接管川宁生物500立方米发酵罐后，产量可提升5%左右，生产波动降低50%，合作双方已进入收益分成阶段；与太重集团合作的 AI 工艺 CAD 图纸生成，单张图纸生成时间缩减到3秒以内，带动净利润提升17%以上；与双良集团合作的 AI 工业设计，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%，带动净利润提升15%以上¹。这些数字未经第三方审计，摆出来供参考，心里要留个折扣。

部署广度是第三档，同样是公司口径：平台已全面落地几十家上市企业，场景从生物制造扩到建筑设计、纺织制版、污水处理、智能排产等；其开发者金珵科技通过与地方国资成立合伙企业，已落地山西、内蒙古、山东、宁夏、福建等十余省份¹。广度能证明复制正在发生，证明不了每一个场景都跑出了发酵罐那样的账。

5. 方法点：三件可抄走的事

一是先驻场、后产品。九个月蹲在一线，把数据关和现场关先过了，模型才谈得上准。指望远程发版就解决工厂的问题，多半会卡在“现场比想象中粗糙”这一句上。

二是按对照组验收。川宁的年报敢写3%–5%，是因为旁边摆着对照组。企业上 AI 之前先留好基线，效果才有地方落字；基线没留，后面永远是一笔糊涂账。

三是收费跟着增量走。收益分成把供应商和客户绑在同一本账上：没有增量，就没得分。卖方案的人敢这么收费，本身是一种表态；买方案的人，也可以用这一条反过来验对方的底气。

把控制权交出去之前

留一个还没完全有答案的问题：闭环控制跑通一个发酵罐，和跑通一座工厂、一个行业，中间隔着的到底是什么？发酵这一格有年报背书，其他场景目前主要是公司口径。下一次再听到“全面接管”四个字，先问三句：哪个场景，有没有对照组，数字进了谁的年报。

对更多制造企业来说，ManuDrive 这条路真正可借鉴的，可能不是模型本身，而是顺序——先把一个具体过程的时间账算清，先让工程师的脚踩进车间，模型排在后面。顺序对了，AI 才不是展厅里的演示。

觉然小注

老师傅看曲线，靠的是一辈子攒下来的“时候到了”。ManuDrive 学的也是这个：什么时候补糖，什么时候按住不动。工业里最贵的东西，一直是时间感——早一步浪费，晚一步坏事。

把时间感从人的脑子里挪进系统，不是要把人挪走。九个月的驻场说明白了：经验交接的那条路，还是人铺的。

九羲科技｜服务器 · 私有 AI · 存力方案

系列目录

引用与出处

[1] 张校毓. “AI老法师”上岗记：当大模型接管工厂，让“制造”像生命一样进化. 财联社, 2026-04-26. https://www.cls.cn/detail/2355997

[2] 川宁生物. 2025年年度报告（虚拟工程师调控产量对照数据，经财联社引述）. 2026.

[3] 上观新闻. “AI老法师”接管工业生产线，一出手产量提升5%. 上观新闻, 2026. https://www.shobserver.cn/wx/detail.do?id=1107665

[4] 金珵科技. ManuDrive 工业时序控制大模型与 FDE+FDR 模式介绍. 金珵科技官网. https://www.jinchengcn.com/