集成供应链的APS（高级计划与排程系统）对库存、产能、订单交付等进行智能匹配，提升库存周转率、订单按时交付率；物料调度系统通过规则布置、模型推荐、AI智能调度算法等，实现物流最优路径；设备预测性维护持续评估设备健康状态并提前预警故障，减少突发停机，延长设备寿命，提升整体设备效率；包装AI防错，解决包装环节的漏装、错装等问题……如今，这些场景在惠州德赛西威的惠南工厂、仲恺工厂，已是日常。
德赛西威正以自研多模态大模型Pangoo为底座，将人工智能深度嵌入研发设计、供应链管理、生产制造、质量管控等环节，推动企业从“制造”向“智造”完成关键一跃。
搭建全链路智造三层构架
2015年，当多数制造企业仍在观望数字化转型时，德赛西威已将智能制造、数字化转型确立为公司级战略。近十年持续投入后，其于2023年通过国家《智能制造能力成熟度模型》四级认证（CMMM4），成为国内汽车电子行业智能制造的标杆。
“汽车电子对高柔性和高可靠性的要求，决定了AI不能只做几个孤立的应用。”德赛西威有关负责人表示，必须全面布局AI。
德赛西威打造“数据驱动—智能决策—动态优化”的闭环智造模式，搭建了一套“数据底座+模型中台+业务场景”的三层架构，形成全链路智能制造体系。德赛西威有关负责人表示，其核心逻辑可概括为：先让数据“说话”，再让AI“拿主意”，最后让系统“自己纠偏”。
这套逻辑在项目实施的过程中得到了充分验证。如通过大数据和AI优化生产流程、实现智能决策，生产效率大大提升，助力年营收实现大幅度增长；质量方面，产品过程不良率大大降低，电子器件缺陷检测系统将多产线、多厂区缺陷识别率提升100%，包装防错覆盖率提升至100%，订单按时交付率提升至98%-100%。
自研多模态大模型检测缺陷
在车规级制造中，一块电路板上的微小缺陷，都可能成为行车安全的风险敞口。传统AOI（自动光学检测）设备误报率高，需要大量人工复判。而市面上通用大模型又缺乏对汽车电子制造场景的“专业认知”。因此，德赛西威选择了自研Pangoo多模态大模型。
缺陷检测是最具代表性的场景之一。“基于多模态大模型的汽车电子元件缺陷检测应用”系统采用多个大模型，结合图像生成方法和数据增强技术，构建起高密度电子部件的缺陷检测体系。经测试应用，该系统在多产线、多厂区实现了至少99%的缺陷识别率。
在德赛西威工厂的生产线上，AI正在做一件更“超前”的事——预测设备何时会出故障。“基于人工智能的汽车电子制造产线装备预测性维护系统”从振动、温度、电信号、声学与超声、油液与介质、工况与运行日志六大类数据维度实时感知设备健康状态，通过建模得到“健康指标”和“剩余寿命”预测。德赛西威有关负责人表示，这对产线运营模式带来了根本性改变。
将AI能力产品化对外赋能
德赛西威的AI实践已获得工信部2024年人工智能赋能新型工业化典型应用案例、2026年广东省人工智能赋能新型工业化标杆项目等多项官方认可。
如今，德赛西威正将这套沉淀了数年的AI能力产品化，通过子公司威汇智能，将工业AI边缘计算器、APS等解决方案对外赋能，系统性地推动产业链企业从“制造”向“智造”加速跃升。据介绍，目前威汇智能已通过工业AI视觉方案、工业软件等产品赋能多个客户，主要聚焦在珠三角等汽车电子、消费电子等行业企业。
展望未来，德赛西威的目标是进一步打通研发设计、生产制造、质量管控的数据链路，让AI不只是“挑毛病”，而是主动指导工艺参数调优、产品设计迭代、生产排程优化等多个层面，实现真正的“数据反哺”。
德赛西威的实践并非孤例。在广东这片制造业热土上，AI正在深度融入各地产业运行的底层逻辑。广东省已明确提出，力争到2026年年底，建设200家以上智能工厂和智能体工厂；而2026年新设人工智能与机器人产业发展资金，将重点支持工业领域大模型研发及应用解决方案。
文/羊城晚报全媒体记者 杨锦强
图/受访单位提供