联想集团的AI创新:智能制造、混合词元工厂与机器人自主巡检
2026/11/17 18:04AI云资讯17497
联想集团、阿里巴巴与MiniMax的AI创新,涉及工业AI系统工程、机器人操作模型训练和大模型注意力机制优化。2026年10月,联想集团全球制造运营AI控制塔iMCT和ESG平台获评“福布斯中国·全国新智奖”。联想以iMCT开展预测性维护,发布万全混合词元工厂,并用MX、MC轮足机器人自主巡检;阿里巴巴Qwen-RobotManip对齐不同机器人的状态与动作,MiniMax MSA以稀疏注意力优化长文本推理。
联想iMCT支持制造决策与预测性维护联想在墨西哥蒙特雷制造基地部署的iMCT,将分散在设备和业务系统中的数据统一治理,用于装配指导、设备异常预测和现场问题处理。工程师跨系统查数、人工核对格式的工作,改由统一平台整理数据,再供AI智能体分析和调用。
这座基地连接了2000多台设备,涉及超过30万个设备节点数据。运行信息来自运营技术设备、制造执行系统和企业资源计划系统,既包含设备状态,也关联生产执行与业务安排。统一数据格式和标准后,模型获得可实时调用的输入,现场人员也能据此获取操作指导和偏差预警。

iMCT的智能体分布在集团、工厂和产线三个层级。集团级支持跨工厂资源调拨和战略调度,工厂级支持产能调度与运营优化,产线级面向工程师和操作员,处理设备异常与现场执行任务。订单、质量、设备、物料、人力和碳排放六类场景,分别对应这些岗位的管理与作业需求。
在装配环节,员工通过手持设备和工作站获取实时、个性化的操作提示,并接收生产指标偏差预警。联想2026年10月发布的运行总结记录,该基地试点中的新员工操作失误率下降55%,一线问题解决平均时间由45分钟缩短至3分钟。指导信息直接送到岗位,成为日常操作的一部分。
设备维护采用混合深度学习模型,提前识别设备异常。蒙特雷基地部署iMCT一年半后,联想统计的工厂非计划停机时间减少62%。同一试点还记录了生产线换线时间由120分钟缩短至18分钟的结果。设备异常识别、产线指导和工厂调度,分别服务于这座基地的运行管理。
模型和知识库持续接收现场反馈。操作员对系统建议作出的修正被收集后,通过强化学习用于模型优化;系统每月自动生成并向知识库注入200多条优化规则。一次处置中积累的经验,由此能够进入后续指导与异常处理所用的知识,减少经验仅保留在个人岗位上的情况。
另一获奖对象联想ESG平台,把“机理模型+AI”融合建模用于能效管理:结合设备物理特性与运行数据,预测负荷并优化调控。联想公布的南方智能制造基地、武汉产业基地等国内应用结果中,单位生产能耗降低30%。
联想发布万全混合词元工厂2026年11月10日,联想在张家口发布万全混合词元工厂,并签署张家口母本工厂合作协议。联想问天AI基础设施提供异构算力,万全面向模型等资源的调配,擎天与百应则面向智能体解决方案和服务。词元供给连接基础设施与具体AI应用,多模型调度是其中的实际工作。
xCloud联想智能云词元中枢(Token Hub)通过统一标准接口,接入公有云大模型、本地私有模型和企业自研模型。不同厂商原有的协议差异由平台处理,业务系统可以采用统一接入方式,减少为每个模型分别开发、维护接口的工作。
调度依据包括模型价格、吞吐量和时延。业务对响应速度和成本的要求不同,词元中枢可按相应策略动态选择调用通道,再配合动态比价与语义缓存控制消耗。平台还支持秒级故障切换,在服务出现异常时转向备用通道,将模型接入、使用管理和稳定性保障纳入同一服务流程。
调用后的费用按实际消耗计量。词元中枢以词元为单位记录使用量,按部门分账,并提供模型选型、账单管理和财务运营服务。企业既能看到模型如何被调用,也能核对不同部门的费用。联想2026年8月公布的既有平台业务资料显示,Token使用成本可降低15%以上。
在佛山制造业数智平台,词元中枢已经承担统一接入、调度、计量和分账。制造企业通过平台获得模型与算力服务,减少分别采购、搭建和维护多套系统的工作。多厂商接口如何接入、请求走哪个模型、消耗由哪个部门承担,成为这项服务实际解决的问题。
联想(北京)有限公司还通过了中国信通院首批可信Token云服务系列评估中的“模型聚合与Token管理平台”评估,并在“Token云服务TokenHub服务平台”评估中获评卓越级。相关结果于2026年7月公布,受评范围覆盖模型聚合、词元管理及服务平台能力。
新发布的万全混合词元工厂采用三级优化安排:超节点技术和异构智算平台优化算力使用,全栈智算中心运营优化日常运行,面向推理场景的词元中枢优化模型服务。联想将这些工作分层组织,以支持后续词元供给项目的建设和运营。
张家口母本工厂初期计划建设1.5万P异构算力集群、约100MW智算中心,并以年产超2000万亿词元为建设目标。项目合作签约已完成,算力规模和词元产量仍处于规划建设阶段;既有词元中枢及佛山平台的应用,则已提供多模型服务运营经验。
电力与园区巡检用上联想轮足机器人联想MX轮足机器人面向电力巡检,MC轮足机器人面向园区安防。在2026全球开发者先锋大会暨国际具身智能技能大赛中,两者分别获得能源巡检、安防巡防赛项第一名,考核任务涵盖定位、寻路、越障和隐患检查。
MX先通过传感器确定自身位置,感知周边环境并规划巡检路线,再移动到设备检测点。面对坡道、楼梯和沟壑,轮足混合架构配合地形自适应控制完成通行。其产品能力包括通过45度斜坡、跨越1.5米沟壑,以及在35公斤负载下连续爬楼,分别面向现场移动和携载作业需要。
到达检测点后,MX执行表计识别、红外测温和设备异常检测。机器人需要将自身定位、路线规划与设备检查连续组织起来,才能完成一次巡检。IP67工业级防护和双电池热插拔设计,则为现场持续作业提供支持。
联想的电力行业方案已随MX在全国20多个省份的电力系统应用。现场任务包括走到指定设备前读取表计、测量温度和检查异常,运动控制与检测功能共同参与作业,机器人本体与行业方案也需要配套部署。
MC沿园区路线自主巡逻,通过运动控制与动态避障应对现场变化。其安防方案识别烟火、人员倒地、异常滞留等隐患,再向告警系统反馈。安防人员可远程查看画面、使用语音对讲并开展干预,接续处理机器人发现的情况。
在联想公布的一处高新智慧园区应用案例中,MC安防方案部署后,单次巡逻时间由100分钟减少到40分钟。机器人在路线巡查中发现异常并告警,安防人员通过远程画面判断情况,安排后续处置。
两款机器人采用联想Physical AI通用底座,结合环境与任务理解、运动协调能力,并通过数据训练持续优化。电力巡检需要到达设备前执行测温、读表,园区巡逻需要识别动态障碍和安全隐患,底座能力再与各自方案中的检测任务配合使用。
DW系列工具链负责地图点位配置、AI检测与远程操控等部署工作。配置、检测和控制流程能够在工具链中衔接,减少重复部署。现场积累的任务配置和应用能力,也为下一处部署提供基础;具体点位、检测要求和运行环境仍随项目安排。
阿里巴巴用不同机器人的数据训练同一操作模型阿里巴巴Qwen团队2026年6月发布的Qwen-RobotManip,把不同机器人的操作数据用于同一模型训练。不同机器人的关节配置、动作空间和相机位置存在差异,同样的物理运动可能采用不同数值表达,模型需要先处理这些差异。
Qwen-RobotManip使用统一的状态和动作表示,并通过掩码标记不同机器人适用的状态与动作维度。对于机械臂末端运动,模型在相机坐标系下预测位姿变化,使视觉上相似的动作具有更接近的数值表达。机器人结构不同造成的表示差异,先在训练输入与动作预测中进行对齐。
团队还将人类第一视角示范视频转换为机器人运动轨迹,与公开的真实机器人操作数据共同训练。模型读取同一次任务中的执行历史,用于适应不同机器人的运动特征。数据合成、状态动作表达和运动对齐,共同支持多来源训练。
合成流程同时处理动作和画面。人手轨迹先转换为机械臂末端的位置、朝向与夹爪开合,再进行平滑处理;视频中去除人手、补齐背景并渲染机器人,使动作轨迹和视觉输入对应。面对不同臂长和关节配置,流程还会分别搜索底座位置,让目标动作处于机器人可达范围。这样,同一段人类示范可以转换成不同机器人的训练数据。
技术报告通过分布外测试,考察模型面对未参与训练的场景、任务和机器人类型时的表现;受控消融则比较状态动作表示、对齐方法和数据配方的作用。在数据规模实验中,研究者逐级扩大训练子集,再用固定的未见任务与机器人类型集合测试,分析对齐方式是否有助于利用新增数据。
真实机器人测试涉及AgileX ALOHA、Franka、UR和ARX等平台,包含双臂协调、抓取摆放等任务。团队在实机测试中观察到双臂配合、跨不同机器人平台的抓取与放置和失败后重试行为。这些实验对应的是机器人操作模型的训练与迁移能力。
MiniMax的稀疏注意力架构MSAMiniMax与合作研究者提出的MiniMax Sparse Attention(MSA),通过选择相关上下文,减少长文本推理中的注意力计算。其索引分支先对上下文中的键值数据块评分,再为每个分组查询注意力(GQA)组选择相关块,主分支只在选中的块上计算注意力。
不同GQA组可以选择不同的数据块。在论文实验配置中,每个GQA组对每个查询选择16块,块大小为128,对应2048词元的选择预算。索引评分面向完整的因果上下文,主分支再将注意力计算集中于选中的块。
索引分支通过额外的对齐损失学习如何打分,以主分支在已选词元上的注意力分布作为学习信号。训练初期先运行全注意力,让新增索引参数预热,再切换到稀疏选择。包含当前查询位置的局部块始终入选,保留当前词元附近的信息,其余位置再由索引分支挑选。
研究团队同时设计GPU执行内核:索引分支采用无需指数运算的Top-k选择,KV-outer执行方式围绕键值块聚集所需查询,改善数据复用和计算单元利用。索引构建、数据访问与负载均衡也参与执行设计,使减少的注意力计算能够体现为运行速度。
在1090亿参数模型、100万词元上下文和H800测试条件下,相对于头数、维度和上下文长度一致的GQA配置,配套注意力实现的预填充和解码计算分别获得14.2倍、7.6倍的实测加速。团队还以能力及长上下文任务测试检查稀疏选择对模型效果的影响。
MSA已用于MiniMax于2026年6月发布的M3模型。该模型最高支持100万词元上下文,提供图片和视频输入,并通过MiniMax Code及API等服务面向开发者。注意力架构的选择与内核优化,已经进入其公开模型和推理实现。
相关文章
- 联想集团的AI创新:智能制造、混合词元工厂与机器人自主巡检
- 联想AI平板拯救者Y700五代亮相中超联赛收官轮,小巧机身增添多元视角
- 联想等推进AI创新:数据中心节能、在网计算与端侧推理提速
- 从复杂地形到复杂网络:声网 × 联想的轮足机器人远控实践
- 联想AI平板小新10.1彩墨柔光版现已开售!叠加国补到手1359.15元起,护眼学习一机兼得
- 端侧跑通超千亿参数大模型!联想YOGA Pro 15 RTX Spark开启盲约,重塑个人生产力边界
- 联想天禧AI 4.5正式升级落地:三大场景重磅进化,多端协同打造“职场超能搭档”
- 为世界杯干杯!联想世界杯嘉年华燃爆青岛
- 联想集团联合开发者、软硬件与渠道伙伴构建AI生态
- AI新物种来了!联想AI主机P7预览版亮相并启动“先享计划”
- 小巧机身驱动本地千亿级大模型:联想AI主机P7预览版亮相,同步启动“先享计划”
- 擎天智能体+万全混合词元工厂双轮驱动 联想方案服务加速企业AI原生转型
- 联想AI平板双十一新品加码:小新10.1彩墨柔光版今日开启预约
- 开启预约:联想AI平板小新10.1彩墨柔光版一屏三模,护眼能力全面升级
- AI 私有化怎么选:ZStack、华为、联想
- 以世界模型为基,共筑具身智能产业闭环|联想新视界与极佳视界达成战略合作









