精密CNC车间的核心矛盾，被统联精密总结为四个字：不可复制。老师傅凭多年实操能快速判断加工顺序、选对刀具和切削参数，新人只能靠观摩和试错慢慢学；企业于是长期面对效率低、废品多、人才断档三重压力。这家在深圳布局7个生产基地、服务苹果与大疆等客户的科创板企业，选择把工艺经验做成可计算的资产：投入超千万元，自研“基于工业AI模型的自动CNC工艺智能体”。
三层底座：软件、数据、特征识别
项目2024年启动，团队先深入各厂区工位，收集工程师数十年的工艺经验与上万件零件加工案例，搭起早期工艺规则库。2025年初大模型能力提升后，他们转向垂类小模型路线，专门适配三维模型与金属切削场景，以避开通用模型“懂文字、不懂车间”的毛病。技术底座分三层：底层整合各类工业基础软件；中层沉淀24TB车间刀路、工艺、质检数据，构建工艺知识库与知识图谱；高层用3D图卷积神经网络自动识别60余种精密加工特征。三层之上形成具备自我博弈与自动校验能力的工艺智能体。
从一句话到可上机的加工方案
使用方式很直接：上传零件三维模型或图纸，智能体输出可制造性分析、DFM报告、最优刀具路径和全套加工程序；输入“给我做这个零件的报价和工艺方案”，分钟级返回“报价单+DFM+刀路+仿真+加工方案”。它还会模拟多套刀路，从过切与碰撞风险、尺寸精度等维度打分，自主筛出较优方案，减少试切与报废。对多品种、小批量场景，这种“先虚拟验证、再物理试制”的顺序尤其重要。
部署形态是本地化，数据全程不出厂区；智能体具备感知、记忆、规划决策、工具行动与多智能体协同能力。经过两年多迭代，2026年上半年开放给上下游供应商试点，靠真实生产反馈继续调模型。
可量化的收益与仍待回答的问题
企业给出的实测数据是：工艺设计效率提升5%–15%，设备综合利用率提升到85%以上，交付周期缩短35%–50%。一位车间老师傅的描述更具体：过去每做一个设计要几个小时，现在几分钟出设计稿，人只需按经验微调。智能体还把资深工艺工程师从重复出图中解放出来，转向新品研发与工艺创新。
需要保留的判断是：这些数字来自企业自述与试点伙伴反馈，缺少独立第三方评测；24TB数据与60余种特征的规模，也意味着这套路线更适合有稳定产线与历史数据积累的中大型制造商，而非所有CNC车间。但它至少证明了一条路径——把工艺知识图谱、三维特征识别和小模型组合起来，能让“老师傅的手感”变成可复用、可迭代的工程能力，而不是停留在单点演示。
资料来源：自研“AI工艺专家” 破解“老师傅依赖” — 龙华新闻（2026-08-13）。本文为技术要点整理/编译，非原文全文。