2026 年 8 月 19 日，中鼎集团 AI Factory 项目启动会在安徽宁国举行。

中鼎集团、中鼎流体、中鼎 IT 与汉得信息、矩阵起源的项目团队共同出席，项目以中鼎流体系统有限公司为起点正式启动。

▲ 中鼎集团 AI Factory 项目启动会

中鼎集团创建于 1980 年，现已成为拥有 100 余家海内外企业，以机械基础件和汽车零部件为主导的跨国民营企业集团。在全球 20 多个国家和地区建有研发、生产和销售基地，形成覆盖亚、欧、美三大洲的全球化网络。已顺利跻身“全球非轮胎橡胶制品 TOP8”、 “全球汽车零部件行业 100 强”、“中国制造业企业 500 强”。

本次项目基于中鼎密封板块完成的 AI 验证：本地化部署大模型 + AI 应用中台 + 智能体。验证了 AI 技术落地闭环的可行性需要从单点智能体的价值向核心生产制造物流业务链路渗透验证。

本次项目汉得和中鼎基于前期探索验证，以中鼎流体为样板、覆盖五条业务线的 AI 全球化战略布局完整 AI 规划：

管理、研发、质量、成本、计划五条线完整梳理一遍， 确定 AI 与业务结合的落脚点。

业务价值、技术成熟度、实施复杂度、上下游依赖、数据与系统改造需求、投入与回报周期，一次算齐。

基于全球 AI 战略规划，全链路落地场景排序。

先在流体完成一轮完整的 AI Factory 到业务场景到 Token 转化到全球化 AI 规划模板的落地与验证，沉淀 AI 智能化转型方法论和工具向集团全球板块推广。

▲ 中鼎集团 AI Factory 项目启动会

近几年企业做 AI 的方式大致为：选几个场景、搭一个平台、上线几个智能体，验证「AI 到底能不能用」。这一步的答案已经很清楚——能用。

但紧接着，几乎所有企业都必然会撞上同一堵墙：智能体上线了，业务流程没有变，效果无法显现。

原因不在模型能力，而在于 AI 被放在了一个个孤立的节点上，而企业的价值产生于连续链路的业务协同。前一环的结论传不到后一环，每个环节的人还是要把同样的东西再查一遍，效率提升只是并列的，不会叠加。

AI Factory 要解决的正是从算力到 Token 到业务场景的全链路协同。

不是简单的把 AI 项目做得更大，而是回归到第一性原理：像规划一条产线那样规划 AI——先确定要生产什么（业务链路上的哪些产出）、需要什么原料（数据）、用什么设备（模型与算力）、按什么节奏投产（分阶段路线）。产线一旦建成，新增一个场景是往上加一道工序，而不是重新建一个车间。

这也是「AI工厂（ AI Factory）」这个比喻真正的含义：可持续产出、可扩展、可度量。

▲ 汉得 AI Factory 解决方案架构

AI 项目常见的困境是，钱花完了，留下的只有几个功能。AI Factory 会在企业内部留下三样长期 AI 资产。

多个场景并行推进时，制约进度的往往不是模型能力，而是数据的一致性与可用性，数字化底座的稳健与持续支撑。

图纸、工艺、质检记录、历史成交价，这些知识原本散落在各个系统与个人手里；一旦被统一治理、可被检索，它就不再服务于单个场景，而是成为所有后续场景的公共 AI Ready数字化底座的养料。

这层底座建成之后，新场景的开发难度会明显下降——这是 AI Factory 最容易被低估的复利。

当 AI 覆盖了一条完整链路，它承担的就不再是「一个功能」，而是嵌入业务流程的「岗位工作」。

企业的组织视角随之改变：不再问「上了几个智能体」，而是问「哪些岗位的工作已经交给数字员工，提升了多少效益」。

越来越多制造企业开始把人类员工、数字员工与具身员工放在同一张组织图上讨论——AI Factory 是这张图能够落地的前提。

AI 投入最难的部分往往不是预算规模，而是无法预判。

AI Factory 的做法是把场景、数据、模型与算力四件事一起测算：要什么数据、用什么模型、需要多少算力、什么时候做，都排进同一张路线图。

企业由此得到一份可以支撑企业全球化战略的企业级 AI 战略路线图。

▲ 企业 AI 建设的两种路径

AI Factory 的每一层，都有专业玩家：算力、模型、数据平台各有其领域领先者。

企业真正缺少的，不是某一层的最优解，而是有人把这几层整合成一件能立项、能验收、能持续演进的 AI 战略落地路线图，并持续推进。

这正是汉得 AI 时代的战略定位：基于近三十年累积的企业数字化转型经验，这决定了我们能判断 AI 该落在链路的哪个节点上，而不只是判断技术上能不能做。

基于「得·灵」企业级 AI 产品/服务体系，做 AI 时代的智能化综合服务提供商，和客户携手构建 AI 时代核心竞争力。

我们从产品全生命周期把业务链路拆开，识别链路上的改进点，决定 AI 的融合点，构筑全链路全业务场景的 AI 战略落地路线图。

每个候选场景，同时测算业务价值、技术成熟度、实施复杂度、上下游依赖、数据与系统改造需求、人天与算力投入，以及回报周期。

评估结果里既有值得优先投入的场景，也会明确写出短期回报为负、但对后续场景不可或缺的战略诉求。这份评估同时是企业AI战略落线规划的预算依据。

基于「得·灵」企业级AI产品/服务体系，帮助客户 AI 战略端到端交付落地：由方案、业务、开发与技术交付团队进场，与客户业务方共同完成设计、开发、上线与持续优化。

架构分层在每一层都选择该领域最强的生态合作伙伴。

在数据层，我们引入矩阵起源 MatrixOne，结合汉得数据中台，承担多模态数据的统一管理与治理，支持向量检索与全文检索的结合——图纸、文档与结构化数据的元数据与向量结果可以在同一层管理，检索类场景不必再各自搭建一套数据链路。

在软件技术栈层，我们引入NVIDIA AI Enterprise，其面向 AI 开发的微服务、框架和库与先进的 GPU 编排和基础设施管理相集成，打造出全面受支持的生产就绪型商业软件套件，助力企业自信部署领先的开源工具和 AI 模型，提高生产力，加速价值实现，同时以优化的资源利用率大规模运行 AI 工作负载。

引入这套软件技术栈的意义在于「可扩展」三个字。验证阶段场景少、并发低，怎么部署都能跑；一旦场景数量上升、多个业务线同时使用，推理服务的标准化部署与模型定制能力就成为必要条件。

在汉得的方案中，NVIDIA NIM 用于推理服务的标准化部署，NVIDIA NeMo 用于模型定制阶段，与项目的算力规划同步推进。

AI 平台和智能体应用层，基于汉得「得·灵」企业级 AI 产品/服务体系，帮助客户构建可持续演进的全球化 AI Factory。

分层架构也保留了演进空间：随着场景与规模变化，算力形态可以从云端共享逐步走向混合与私有化部署，而上层的平台与应用不需要重建。

链路拆解方式、场景评估模板、优先级排序逻辑、数据治理路径——沉淀了智能制造全球化 AI Factory 落地的标杆模板，可以在全球各个产业板块和行业板块复制泛化。

中鼎流体是 AI Factory 方法论的一次完整验证。

往后看，我们的方向有三个：

✅把方法论从项目经验沉淀为可交付的标准产品解决方案模板；

✅把落地范围从单个事业部推向集团全球层面推进，让数字化底座与全球化 AI Factory 规划与落地方法论在全球各个板块之间复用；

✅ AI 应用的目标从「上线几个智能体」到「组建一支可度量的数字员工军团」到全球化 AI Factory 战略落地闭环。

千里之行，始于足下；

道阻且长，行则将至。

欢迎与我们联系，

开始您的全球化 AI Factory 之旅！