工业AI正在加速走进玻璃制造全链条,行业会议

发布时间：2026-11-05 08:32:52 来源：豪车解析用车技巧_行业行情分析 作者：综合

8月27日，工业聚玻工业科技董事长康明柱一行到访广东省玻璃行业协会，正加造全双方围绕产业数智化转型、速走供应链协同服务达成深度合作共识。进玻

共识很快有了落点。璃制链条9月4日，行业聚玻工业科技受邀登上广东省玻璃行业协会大会讲台。工业从6月河北、正加造全8月河南到9月广东，速走不到三个月，进玻三场省级行业大会贯穿了浮法原片到建筑玻璃深加工的璃制链条全链条。工业AI，行业正在加速走进玻璃制造的工业全产业链。

广东玻璃行业大会：全产业链集结，正加造全协会搭台推动智能化突围

9月4日，速走“2025年度玻璃行业能效对标培训总结表彰大会暨节能降碳优化升级供需对接交流会”在广州增城召开，由广东省工信厅、省能源局指导，广东省玻璃行业协会主办，主题聚焦“节能减碳?人工智能 玻璃制造?优化升级”。

广东是全国玻璃产业链最完整的省份，聚集了中国玻璃产业最密集的优质企业群。面对市场压力，协会主动担当、积极作为，企业务实进取、敢为人先——越是行业调整期，越是主动求变。从平板玻璃、玻璃纤维、日用玻璃、汽车玻璃等的各门类头部企业负责人亲自到会，数智化已被列入“一把手工程”。

正因为协会的推动和企业的求变，聚玻受邀将在浮法、深加工端的“AI 未来工厂”建设经验和能力带到广东，与全产业链企业共同探讨数智化升级的方略与标准。

原片不智，加工不深

聚玻工业科技产业智慧协同研发中心主任曹璐在会上提出，AI能力只长在加工端，产业链数智化就是“半身不遂”。只有当原片端也跑通AI 未来工厂，从原料、熔化、锡槽、退火到冷端——每个环节都被数据看见、被算法调优、被智能体协同——全链条升级才算真正打通。

建设AI 未来工厂，无需推倒重来，只需补齐三层能力：

执行有帮手——AI智能体协同报价、下单、排产、发货；

管理有抓手——数据驾驶舱一屏掌控订单、产能、质量、能耗；

决策有推手——数字孪生系统自主发现问题、预判风险。三层协同，形成闭环。

不同需求，同一套底座

广东产业链完整，需求也分层：

浮法原片企业已有DCS底子，但窑炉能效、环保合规仍是硬骨头。他们算的是能源账。

建筑玻璃加工企业面临数据孤岛、数字员工缺位。他们要的是在不推倒重来的前提下补齐AI能力。

电子玻璃企业的痛点更尖锐——一个微米级瑕疵可致整批电子玻璃加工成品报废。AI视觉检测不是“增效”选项，是“生死线”。

三类企业，三种需求。聚玻给的不是标准化通用方案，而是同一套底层能力在不同产线上“长”出的不同形态。

贴着浮法产线长的数智方案

针对浮法原片企业，聚玻从“数据底座→控制大脑→各环节应用→交互入口”逐层构建：

数据底座——云渚大模型支撑全流程智能优化，工艺环保数据管理中心贯通原料至脱硫脱硝全车间；

控制大脑——数据驾驶舱一屏掌控熔窑、退火窑、排放、设备健康度，AI浮法中控实时分析火焰状态；

各环节应用——AI智能体覆盖原料至经营全环节；

交互入口——原片厂AI智能体随时回答生产问题。

这套能力已在浮法企业落地，相关原片企业入选第一批建材行业环保公共设施开放名单。落地效果：综合能耗↓2.9%、良率↑2.6%、非计划停机时长↓32%、视觉检测人力↓80% 漏检率<0.1%。

工业AI视觉检测：电子玻璃的“生死线”

作为电子玻璃加工制造厂商，逻辑与建筑玻璃完全不同。因为电子玻璃价值相对较高，所以客户的要求不是“差不多”，而是“零缺陷”。

聚玻明视AI在线质量检测系统，高分辨率成像 专用AI算法，实时识别崩边、划伤、气泡、尺寸偏差、风斑、应力条纹、平整度异常等全类型缺陷，人力↓80%、漏检率<0.1%，已实现应力斑、风斑平整度检测的“从0到1”突破。

没有这套能力，连高端供应链的门都进不去。

一场行业大会，明确两个信号：

这场大会，聚玻接收到了两个清晰的信号：

第一，行业头部客户已明确提出智能化新厂建设需求，认可聚玻的落地方案，愿意提供场景，让“AI进产线”的方案先“跑起来”——行业已进入真刀真枪验证能力的阶段。

第二，广东的玻璃设备制造在全国属于顶尖。目前，部分厂商已将核心业务转向高端玻璃制造领域。通过这次大会，聚玻与广东设备制造企业有了更深入的交流——聚玻愿与更多头部设备制造企业深化合作，推动“AI 设备智造”的融合落地。接下来，这种协同模式有望在广东率先落地生根。

如何让全球买家找到优秀的中国玻璃供应商？

中玻跨境｜玻璃企业出海一站式领航

【破内卷 拓海外】2025中玻跨境护航中国玻璃“走出去，开新局”！

墨西哥加速发展玻璃行业

别错过！三月200余条玻璃采购订单来袭！

感恩有您 | 中玻跨境，助力中国玻璃走向世界！

本公众号原创以及整合的文章，请转载时务必标明文章来源。

免责声明：

以上观点不代表“”立场，本公众号文章版权归原作者及原出处所有。内容为作者个人观点，并不代表本公众号赞同其观点和对其真实性负责，本公众号只提供参考并不构成投资及应用建议。但因转载众多，或无法确认真正原始作者，故仅标明转载来源，如标错来源，涉及作品版权问题，请作者与我们联系，我们将在第一时间处理，立即更正或者删除有关内容，谢谢！

相关文章