从产品在线到数据产线，制造业如何让经验持续获得复利｜甲子光年 每一次生产，都该成为下一次智能升级的起点。 作者｜田思奇 编辑｜栗子 制造业从来都不缺数据。 二十年数字化建设，让研发、生产、质量管控和供应链沉淀了海量记录。过去，这些数据大多服务于流程管理、事后追溯与统计分析。但到了2026年，AI使用数据的方式正在发生变化。 上周的云栖大会主论坛上，阿里巴巴集团CEO吴泳铭把长程任务、自我迭代和多模态放到了机器智能继续演进的重要位置。他提到，模型正在从真实任务和反馈中发现短板、构建数据、评价结果，并进一步推动自身进化。谈到多模态时，他强调“一个足够聪明的大脑还不够”。AI还需要获得更强的感知和交互能力。 这和今年科技行业最热的Physical AI形成呼应。AI正在从文本、图像和代码构成的数字环境，进一步走向设备、机器人、实验室和生产现场。对于制造业而言，过去二十年沉淀的数据，也有了新的用途。 基础模型能力快速提升，但企业自己的工艺经验、判断逻辑与隐性知识很难通过采购获得。模型可以买到，生产经验却不能。 它诞生于一次次研发迭代、生产调试、故障排查与参数优化，是企业长期形成的隐性资产。 与