成立于2003年的海信日立空调系统有限公司，作为海信集团心实践主体，是集多联机“研产销服”于一体的大型商用暖通企业，旗下运营海信、日立、约克三大品牌，连续多年位居中国多联机市场之首。海信日立先后获得国家智能制造示范工厂、工信部卓越工厂、全球双灯塔工厂等荣誉，并在2026年夏季达沃斯大会上获评全球AI应用之星。
在智能制造转型中，海信日立以“自动化信息化”、“黑灯制造”、“工厂大脑”为技术突破点，基于自研的“HBS工厂大脑”构建了覆盖五大环节的全链路工业智能体创新体系，算力规模达82PFLOPS，成为制造业智能化升级的标杆。
海信集团空气事业部智能制造专家王志青
6月30日，在中国信通院召开的工业互联网大会工业智能专题研讨会上，海信集团空气事业部智能制造专家王志青以“海信全链路工业智能体的创新实践”为题发表演讲，全景呈现了十余智能制造案例与成效，以及作为强劲支撑的五层技术底座与组织人才变革模式。
十余智能制造案例全景呈现
王志青表示，从工厂大脑到设备运维，海信日立的智能化实践覆盖了从研发到服务的全链条。
案例一：基于星海智能体平台的工厂大脑。
海信日立通过“星海智能体平台”构建全场景工厂大脑，覆盖管理集成产品开发、管理供应链、管理零售与服务三大业务域。平台打造了“神经元（L3智能体21个）、神经中枢（L2智能体78个）、手足口（L1智能体376个）、专家模型（132个）”的三层智能体架构。在业务流中，研发智能体、集成供应链智能体、工艺智能体、生产装备智能体、制造质量智能体、客服智能体实现端到端自治。具体案例包括：物流调度智能体实现物料拉动中央调度，TPM智能体对IoT设备进行全流程闭环管理，参数调优智能体自动优化工艺参数，结合AGV、CTU、天车等本体设备，实现全场景自驱自治。
案例二：AI赋能用户大数据驱动产品规划与设计优化。
针对用户需求收集不精准、设计知识分散、验证周期长等痛点，海信日立通过用户大数据平台（公网声音、NPS、云端物联网等）结合需求打标AI分析，利用多模态AI融合和机器学习技术，实现了产品规划的精准定位。ThinkAir系统上市一个月销售额即破亿。在设计优化方面，通过参数化模型自动设计、3D几何识别审查、整机系统仿真，并实现测试自动执行、问题自动判定和方案智能推优。最终研发周期缩短37%，验证成本降低32%。
案例三：AI&仿真赋能的数字化工艺设计与逆向建模。
针对试错成本高、工艺设计效率低、数据交互难等痛点，海信日立搭建数字化工艺设计平台，融合星海大模型、标准工步AI智能体等技术。通过工艺知识库与资源库、TSS数字化审核实现工艺设计快速迭代优化，利用数据支持与知识沉淀实现工艺路线智能设计，并采用离散工艺设计仿真工具缩短验证周期。成效方面，新品工艺设计时间缩短33%，设计验证周期缩短29%，年综合收益达252万元。
案例四：自主研发推进黑灯制造。
面对装备技术受制约、外购成本高、工期要求短等挑战，海信日立通过AI与具身智能技术实现装备自研突破，包括商检设备、自动穿管设备、视觉识别设备等核心装备的自主研发。公司建设了通用化自动化标准平台，内嵌深度学习算法和数字化仿真验证，形成“感知-决策-行动”闭环的具身智能体系。最终装备自研率大幅提升，自研成本降低32%，交付周期缩短35%，成功打破国外技术垄断。
案例五：基于AI分析大模型的设备智能管理。针对数据采集延时、故障诊断依赖人工经验、运维管理滞后等痛点，海信日立以设备全生命周期管理与预测性维护为核心，融合机器学习、振动分析模型、AI诊断模型和维修知识库等技术。通过IoT与传感器采集数据，构建设备密封性评价模型和振动分析模型，搭建故障预测与健康管理系统，建立备件动态需求预测模型与设备维修知识库，形成“监测-诊断-预测-维修-备件”闭环管理。成果显示，设备停机时间降低52%，维护响应速度提升50%，库存准确度提高81%。
案例六：智造质变——AI驱动的质量分析与改进体系。
针对预警响应滞后、预测精度不足、任务流程不透明、知识传承断层等痛点，海信日立围绕质量精准追溯、风险预测模型构建、质量分析改进三大方向，应用AI视觉检测、AI智能体与知识工程、机器学习与预测算法。通过全流程数据打通和多模态视觉融合，构建“Y-y-x”因果追溯算法模型，结合Pearson系数、随机森林等算法实现关键因子精准识别，实现质量问题“识别-分析-改进-沉淀”闭环。直通不良率降低29%，制程损失减少30%，直接收益达657万元。
案例七：AI驱动供应链全链路智能决策。
针对预测模型缺智能、产销协同缺机制、工序排程难、仓储错漏配等痛点，海信日立应用GBM多因子预测模型、混合整数线性规划和多目标AI排产引擎。基于行业趋势与销售数据，通过GBM模型实现精准需求预测，多目标优化算法平衡产能、库存、交付等约束，AI驱动仓储仿真与AGV/AMR配送打造“一体两翼”配送体系。需求预测偏差率降低38%，库存周转天数减少15天，配送自动化率超95%。
案例八：数字化赋能供应链协同降碳。
面对工艺路线复杂、碳数据量大、中小供应商技改能力弱等挑战，海信日立分“AI赋能碳分析、全链路碳减排、供应商赋能”三层推进。通过搭建公网知识库和技改经验库，实现碳数据标准化收集与报告生成；多维度分析碳数据识别改善机会；开发高耗能设备诊断工具，基于10万+工况数据搭建AI模型。碳排放降低21.4%，供应商碳盘查时间减少87%，原材料碳数据追溯比例达81%。
案例九：AI赋能的空调方案选型。
针对选型方案能耗高、未考虑建筑特性和用户习惯等问题，海信日立以全年负荷模拟、逐时能耗仿真、选型方案智能推优为核心，应用气象参数数据库、3D建筑建模和AI大模型产品数据库。通过SMAD+DeST内核实现逐时负荷仿真，基于专属多联机AI数据库设计系统，进行8760小时逐时能耗仿真，最终自动推优最优方案。选型产品提效63%，系统运行节能17.3%，年减碳71万吨。
案例十：基于AIoT的产品预测性维护服务。
针对维修响应效率低、运行能耗增长、远程监控缺失等痛点，海信日立围绕远程监控诊断和预测性维护，应用大数据模型、AI预诊断模型和数字孪生技术。选取液管/气管温度、压力等特征变量，融合云平台2000万+和历史维修记录2万+数据，通过LSC诊断算法迭代优化，实现故障预判与主动推送售后。平均维修时间降低20%，异常运行能耗减少40%，设备联网率提升133%。
五层技术底座驱动智造转型
上述成功应用，离不开一个稳固、可靠的技术底座。
据王志青介绍，这个由五层技术构筑的底座贯通全流程数据，驱动模型与智能体协同。第一层为事件驱动，负责底层数据感知；第二层为流程驱动，实现业务流数字化；第三层为数据驱动，依托信智平台整合业务大数据、知识图谱和设备数据，容量达22PB；第四层为模型驱动，通过仿真孪生平台（49套标准）实现“以虚映实-控实-优实”；第五层为智能集控，基于星海平台打造“大脑-神经-手足”架构，部署475个智能体。
看得出来，该技术底座支撑全链路数字化与行业领先算力，赋能研发、供应链、智能制造等全业务场景。
组织人才模式变革引领人机共生
另一项重要的支撑乃是不断优化的组织架构及动态合作的人机团队。
海信日立搭建“数据+模型”驱动的模块网络组织，实现价值与能力共享。在组织架构上推行轻量化变革，集团“小总部”、事业部“大产业”协同发展；在运营上实现数字化，研发、供应链等全环节极简审批、线上化运作；在决策上推进智能化，通过AI人才认证让“人人都是分析师、设计师、开发工程师”。核心是以企业架构4A方法实现端到端数智化，以“工厂大脑+超级员工”构建动态组织，推动人才年轻化、全球化，破解组织协作与能力复用难题。
总结与展望
依托全链路工业智能体的创新落地，海信成功探索出一条从效率革新到价值升级的智能制造发展路径，并且取得了诸如研发周期缩短37%、设备停机时间减半、单品碳排放降低两成以上等优异成果。
立足当下、放眼未来，海信正在持续深耕工厂大脑建设，推动智能体协作能力迭代升级，搭建数字孪生工厂与绿色智造生态，依托“人人都是AI工程师”的培育体系，打造人机共生的创新型组织，以灯塔工厂为标杆，为全球制造业智能化转型输出成熟可复制的中国方案。
在笔者看来，在智能制造体系持续深化落地的过程中，海信日立仍面临两大核心风险隐患：多智能体协同作业模式下，数百个智能体同步开展调度、检测、排产工作，单一环节的数据污染、传感器失灵等问题极易引发连锁决策偏差，影响整体生产体系稳定；而在全面AI应用的过程中，过度依赖人工智能的决策建议，可能导致一线技工丧失独立判断能力，弱化人工核心价值。建议海信筑牢发展底线、规避AI失控风险，通过搭建智能体行为审计机制，以常态化反向验证、压力测试保障数据闭环质量与工厂大脑决策精准度，同时清晰划分人机权责边界，明确AI的建议权与执行权，在关键生产节点保留人工复核通道，助力企业智能制造行稳致远。
- 从“灯塔”到“星海”：海信日立以全链路工业智能体重塑智造新标杆 – 2026年7月3日
- 迈向AI原生智能工厂：灯塔工厂中信泰富特钢的AI进阶 – 2026年7月2日
- 供电架构范式创新！秦淮数据投运行业首个算力中心SST商用项目 – 2026年7月2日