2026智能制造数据价值与AI应用大会在苏州举行，杉岩琢玉大模型正式发布

深圳2026年11月11日 美通社 －－ 2026年11月6日，以“AI向实•智造向新”为主题的 2026 智能制造数据价值与 AI 应用大会在苏州阳澄湖畔举行。大会由杉岩数据主办，华为、浪潮信息、超聚变特别支持，汇聚动力电池、显示面板、PCB、半导体、消费电子、汽车电子等先进制造领域的企业代表、生态伙伴与学术专家，共同探索 AI 从场景突破走向规模应用的实践路径。

会上，杉岩数据宣布杉岩 IDM 从检测数据管理系统升级为工业 AI 数据管理平台，正式发布面向工业质量领域的杉岩琢玉大模型，并系统展示 AI 原生数据基础设施产品族与算力调度布局。杉岩数据创始人、董事长陈坚，联合创始人、CEO 邱尚高，与湖南大学计算机学院院长、国家超级计算长沙中心总工程师唐卓，杉湖智算 COO 尹旦，以及来自吉曜通行、水晶光电、超聚变、喆塔科技等企业与机构的嘉宾，通过主题演讲与圆桌对话，分享了 AI 走进制造现场的思考与实践。

01 观大势：从数据存储到数据智能，以“模数共振”推动AI走进生产现场

杉岩数据创始人、董事长陈坚在《从数据存储到数据智能：AI时代的数据管理进化》演讲中指出，从“互联网＋”到“AI＋”，人工智能已走向规模应用，并正在进入智能制造全流程。他以“模数共振”概括行业 AI 的落地逻辑：由场景需求牵引数据积累，数据驱动模型优化，模型赋能应用，最终由应用创造价值，形成持续运转的数据飞轮。

陈坚判断，制造业 AI 已走过技术验证期，当前正处于场景落地阶段，并逐步迈向价值验证，但 AI 应用从“技术可行”走向“业务有效”，仍面临生产数据贯通不足、工业知识尚未沉淀、复杂工况适应困难、生产应用验证严格等挑战。为此，杉岩将聚焦工艺与质量环节，与客户和伙伴共建从缺陷检测、质量追溯到根因分析、工艺优化的端到端闭环。围绕这一目标，杉岩提出以存算协同为基础支撑、以“数据、模型与场景”深化协同，以工业智能体重构人机交互，推动工业 AI 在应用与验证中持续演进。

陈坚还回顾了杉岩数据成立 12 年来的发展路径，从打牢数据存储底座，到深入行业数据管理，再到迈向行业数据智能，公司始终围绕着数据价值链持续深耕。核心产品 IDM 也从聚焦检测数据存储管理，升级为工业 AI 数据管理平台，已在新能源、半导体、消费电子、汽车电子等先进制造领域获得超 300 家头部企业的选择与信赖，并落地越南、泰国、马来西亚、巴西等海外市场。

02 砺锋芒：杉岩IDM定位升级，琢玉大模型正式发布，以质量数据为基使能制造质量智能化

杉岩联合创始人兼总经理邱尚高发表《以质量数据为基、工业大模型为擎，使能制造质量智能化》主题演讲，他介绍，杉岩基于多年检测数据管理经验积累正式入局工业 AI 领域，推动质量管控从事后追溯向事前预防前移。杉岩 IDM 由检测数据管理系统升级为工业 AI 数据管理平台，同时推出面向制造业质量场景的工业质量 AI 大模型杉岩琢玉大模型。

邱尚高指出，质量决策正由经验驱动转向数据与模型驱动。杉岩制造行业数智化解决方案历经三阶段演进：1.0 阶段检测数据存储与管理；2.0 阶段构建工业高质量数据集；3.0 阶段由 IDM 与琢玉大模型协同，实现“模数共振”。

升级后的 IDM 作为工业 AI 数据底座，聚焦质量数据汇聚与关联、多模态数据治理、高质量数据集供给，新增以图搜图、自然语言检索等，支撑全链路质量追溯。

杉岩琢玉大模型是面向制造业质量场景的工业质量 AI 大模型，以多模态理解为基础，融合检测图像、生产数据与工艺知识、行业 Know－how，将缺陷现象与工艺成因关联起来，让质量根因说得清、改进措施有依据、专家经验留得住。以其为模型底座，可构建缺陷识别、缺陷分析、根因分析、质量预警、知识等质量 Agent。在动力电池激光焊接场景，根因定位已由人工排查转为模型辅助。

随后，大会举行杉岩琢玉大模型发布仪式。陈坚、邱尚高与来自吉曜通行、水晶光电、超聚变、中科类脑等客户及合作伙伴的代表共同登台启动发布。琢玉大模型将与 IDM 平台协同，为制造企业提供覆盖缺陷检测、质量追溯、根因分析与工艺优化的质量智能化能力。

03 筑底座：AI原生数据基础设施与算力原生调度，让数据释放潜能

杉岩数据产品副总裁花瑞围绕杉岩 AI 原生数据基础设施产品族进行阐述。花瑞指出，随着大模型训练与推理规模持续扩大，数据供给效率已成为影响 GPU 利用率的关键因素，存储正从 AI 系统的后台走向基础设施的核心位置。围绕数据归集与处理、模型训练与模型推理三个环节，杉岩推出三款产品：杉岩AI数据湖 SandOcean统一承载海量多模态数据，以智能数据处理生成 AI 就绪数据集，经多协议统一访问高效供给 AI 全流程，并以冷热数据自动分层降低长期存储成本；杉岩高性能文件存储 SandFS采用全闪存并行架构，为 GPU 集群高速供给训练数据，并支持训练中断后快速恢复，减少 GPU 等待数据的时间；杉岩 AI推理加速存储 SandKV将推理过程中的上下文缓存集中存储、跨节点共享，减少 GPU 重复计算，降低首 Token 时延与推理成本。三款产品协同，帮助企业提升 GPU 利用率，降低训练与推理成本，提升 Token 生产力，让算力投入充分转化为业务产出。

湖南大学计算机学院院长、国家超级计算长沙中心总工程师、杉湖智算首席科学家唐卓在演讲中分享了对算力服务的思考。AI Infra 产业链涵盖芯片、互连、存储、调度软件等环节，但用户购买的不是单一环节，而是任务按时完成、稳定运行的结果；整合各环节、交付这一结果，才是真正的算力服务，也是曦算以服务化方式为用户调度解决问题的能力、补齐产业链薄弱环节的核心思路。他提出“算力原生”理念，将算力视为系统设计的原生要素，通过统一度量、统一标识与智能调度，让算力可寻址、可交易。他介绍，曦算在东西向通过两级工作流调度与计算通信融合，实现跨中心任务的全局分解、负载均衡与精细化资源匹配；在南北向以数算协同推动“存为算用”，统筹调度任务与数据的位置，让系统走向自洽、自稳、自优、自愈，实现任务完成时间最优。

杉湖智算 COO、湖南大学计算机学院助理研究员尹旦就“杉湖曦算产品矩阵”进行具体阐述，杉湖智算由湖南大学、杉岩数据共同创立，杉湖智算基于算力原生理念，深度融合资源管理、智能调度与训推服务，构建“资源统一纳管任务智能调度场景化AI服务”三位一体的全栈式算力平台，并与杉岩共同推进存算协同，让数据跑在离算力最近的地方、任务跑在离数据最近的地方，实现任务完成时间最优。目前，杉湖智算旗下产品涵盖曦算云计算系统、曦算算力调度与运营平台、曦算 AI 网关、杉湖曦算智能路由等，其中曦算调度引擎通过自研的智能协同调度引擎，实现跨地域、跨异构芯片、跨云边端环境的 AI 高性能计算任务全流程自动化与全局资源最优调度，显著缩短任务完工时间、降低数据传输开销。

04 见真章：从质量数据管理到Token Factory建设，产业伙伴共证AI落地价值

AI 的价值，最终要在生产现场兑现。在实践分享环节，来自电池制造、算力基础设施与工业软件领域的产业伙伴，分享了从质量数据管理到 Token Factory 建设的一线实践，为 AI 规模化落地提供了可参照的路径。

吉曜通行制造领域数智化总监杨磊分享了电池制造质量数据管理的最新实践：吉曜通行单条产线每天产生千万张级检测图片，数据长期保存带来高昂的存储成本，客诉发生后又要求快速检索调用，检测数据正从生产资料转变为必须精细经营的核心资产。围绕这一挑战，吉曜通行与杉岩数据合作落地 CCD 存储方案，基于杉岩 IDM 实现检测数据的统一采集与存储，通过冷热分层兼顾保存成本与调阅效率，并配套“AI 全量复判＋人工离线复判”机制，让海量质量数据可存、可查、可用。谈及趋势与展望，他认为数据价值应在预防阶段通过模型持续迭代赋能业务，推动质量管控从事后追溯走向事前预防。

超聚变 Token Factory 解决方案总经理林海锋分享了打造 Token Factory 企业 AI 生产新范式的路径：以一套体系贯通业务负载、Token 供给与算力形态，先把资源容量算准、再把 Token 账算清，让 Token 从调用计费走向可度量、可运营的生产要素。他介绍，超聚变通过内部零号客户实践，对外沉淀 FusionOne AI 六大能力，为企业打造自己的 Token Factory：一是组织产能，通过异构纳管与资源池化让 Token 产线“建得起来”，以Smart 推理引擎、模型路由、SmartQoS 协同助力 Token 跑得更快更稳；二是以 ModelEver 持续适配与验证新模型上线，让智能“跟得上变化”，以TokenOps 计量归属、配额预算管控支撑“管得住 Token 成本”；三是连接业务，以 FusionXray 安全沙箱与观测治理让 Agent “用得进业务”，以 AI Lab＋FusionXplay AI 应用市场打通 AI 落地最后一公里，同时协同超聚变 FDE 服务，最终帮助企业建设客户自有、全场景一致体验、最优性价比、持续可运营的企业级 Token Factory。

喆塔科技解决方案专家张俊介绍了 ZetaAISee＋ZetaADC 质检相融方案：面向AOI、CCD、X－Ray 等检测图像，AISee 零代码建模平台让质量人员自主定义缺陷、完成模型训练与迭代，ADC 边缘推理平台实现产线在线判图，180ms 内完成缺陷分类、分级与拦截；判图差异数据自动回流、触发增量训练，形成“模型自进化”的闭环，让全人工复判升级为“AI 全判＋人工抽检”，目前方案已在半导体、锂电、光伏等行业落地。在半导体领域，国内 812 寸晶圆厂通过该方案对接 SEM、OM 检测设备与 DMS 系统，完成约 50 Layer 缺陷图片的自动分类，单 Lot 判图时效由 20 分钟缩短至 4 分钟，分类准确率由约 80％ 提升至 95％ 以上，平均每班节约 2 名人力，实现从人工延迟判图到实时自动分类、异常及时拦截的跨越。

05 论之道：圆桌对话，共探AI从场景突破到规模应用

大会压轴环节是“AI 走进制造现场：从场景突破到规模应用”圆桌论坛，由杉岩数据邱尚高主持，头部动力电池、消费电子、汽车零部件制造企业代表，以及行业技术及学术专家共同展开对话。嘉宾普遍认为，全员拥抱AI的氛围已经形成，但技术路线选型、投入产出核算、数据安全与业务效率的平衡仍是现实挑战；以点带面成为共同策略，化成分容工艺优化、设备预测性维护、AI视觉质检等高价值场景先行试点，AI现阶段主要承担辅助决策角色，输出结果仍需人工校验。

对于规模化应用的路径，嘉宾们形成几点共识：数据治理必须先行，混合部署是当前常态，核心生产数据必须本地化存储；AI的价值不能仅以减少人力来核算，而应从全流程工艺优化、生产模式重构的长期视角评估。此外，工业软件与大模型的深度融合、既懂工艺又懂AI的复合型人才，仍是行业需要共同补齐的短板。

从技术趋势到产品发布，从 AI 基础设施建设到场景落地实践，本届大会始终围绕同一个命题：让 AI 走进制造现场，创造可持续的业务价值。大会内容丰富，不仅为先进制造行业的企业领袖、IT、质量管理、工艺管理精英搭建了交流合作的平台，也围绕“AI 向实•智造向新”主题，集中呈现了 AI 走进制造现场的实践路径与数据价值转化方法，为推动 AI 在制造业的规模化应用、数字化质量管理和智能制造转型升级提供了新的思路和方向。

杉岩数据将以“两脚沾泥、同行共创”的态度与方式，与客户和伙伴一起深入生产线，让企业积累的海量数据成为真正的价值金矿，把数据的积累转化为制造效率与增长动力，共同推动智能制造迈向新未来。