独家专访 | 何桢：人工智能重塑制造业质量管理底层逻辑

随着工业体系从传统模式演进至数据驱动的智能化阶段，质量范式正经历深刻跃迁——从孤立环节的检验与控制转向系统关系的刻画与动态优化。质量管理的内涵持续拓展，由功能保障转变为价值创造的来源，并与创新形成动态平衡。在技术赋能下，国家质量基础设施（NQI）正向体系化、集成化方向重构，多主体参与的协同生态已逐渐形成，促使了中小企业借助平台化工具突破资源限制，实现质量能力普惠。基于此，本刊记者与国际质量科学院院士、天津大学讲席教授、博士生导师何桢展开对话，共同探讨人工智能对制造业质量管理的深层变革。

人工智能重塑制造业质量管理底层逻辑

——访国际质量科学院院士、天津大学讲席教授、博士生导师何桢

文/王蕾

在学术讲堂上，何桢的表达一如其学术研究般严谨而克制。作为国际质量科学院院士、天津大学讲席教授、博士生导师，他长期深耕质量科学与智能制造领域，研究跨越统计质量管理、复杂制造系统建模与人工智能应用等多个方向。

当新一轮科技革命和产业变革深入推进，以人工智能、大数据、工业互联网为代表的技术力量正深刻改变制造业的运行逻辑。在此背景下，质量管理不再仅仅是传统意义上的检验与控制，而是成为贯穿产品全生命周期、连接供需两端、融合技术与管理的核心枢纽。围绕“AI+质量”的时代命题，本刊对何桢进行了专访，结合其在产业实践中的系统思考，从学术研究到企业应用，从方法创新到体系重构，一幅面向未来的质量发展图景正逐渐展开。在交流中，他语速平缓、逻辑清晰，对于质量问题的理解，从方法论层面层层展开，透出一种典型的学者气质——冷静、审慎，却又始终指向实践。

质量范式的跃迁

质量管理的发展，从来不是线性推进的，而是与工业体系演进相互嵌套的过程。从工业1.0到工业4.0，生产方式的每一次跃迁，都会引发质量管理范式的相应调整。在谈及这一演进逻辑时，何桢从历史脉络出发，对不同阶段的特征作了系统梳理。

“在传统的工业1.0阶段，质量主要依赖成品检测来保障，其核心逻辑在于筛选不合格品。”他指出，随着统计质量控制方法的引入，企业开始通过过程数据分析实现预防性管理；全面质量管理（TQM）的提出，则将质量提升至组织层面，强调全员参与和持续改进。进入工业4.0阶段后，这一体系正经历更为根本性的转变，现代制造过程呈现出多阶段、强耦合和高复杂性的特征，单一环节的优化已难以显著提升整体质量水平。质量问题往往源于系统内部变量之间的复杂交互，而非某一孤立因素。因此，质量管理的重心正逐渐转向对系统关系的刻画与建模。产品质量可以被理解为多维变量共同作用的结果，而管理的关键在于识别其中的关键变量，理解其作用机制，并实现动态优化。

面对海量、多源、异构的数据，仅依赖统计分析已难以有效提取有价值的信息。正如他所言：“如今并不缺乏数据，真正的难点在于如何将其转化为可用于决策的能力。”在此背景下，通过机器学习与深度学习方法，企业可以在复杂数据中识别潜在规律，从而实现对质量问题的预测与诊断。这一能力的提升，使质量管理逐步由经验驱动转向数据驱动，由被动应对走向主动优化。

质量管理内涵的再定义

在智能制造语境下，质量管理的角色正在发生深刻转变。过去，质量管理更多被视为一种保障机制，其核心目标在于降低缺陷、减少损失。而当前，质量管理正逐渐转为价值创造的重要来源。在交流中，何桢从这一变化切入，对质量管理内涵的演进作了进一步分析。

在他看来，这一转变首先体现在质量边界的持续拓展上。质量不再局限于产品性能本身，而是延伸至用户体验、服务能力、环境影响以及可持续性等多个维度，从功能质量走向体验质量，从产品质量拓展为系统质量，其内涵不断被重构与丰富。与之相伴的，是质量评价标准的变化。他指出，客户需求已从是否合格转向是否契合，对个性化与整体体验的关注显著提升。这种需求结构的调整，使企业必须在设计阶段前置质量思维，将“顾客之声”转化为具体的设计参数，从源头上塑造质量。

在方法层面，质量管理工具也在持续演进。从以统计分析为核心的方法体系，到精益生产与六西格玛，再到以数据驱动为特征的智能分析工具，不同阶段的方法更新，反映出质量管理能力的不断深化与拓展。

值得注意的是，在谈及质量管理与创新的关系时，何桢给出了相对审慎的判断。长期以来，二者常被视为存在一定张力：质量管理强调稳定性与标准化，而创新强调不确定性与突破性。但是，从实际运行来看，这种关系更接近于一种动态平衡，而非简单对立。“高水平的质量管理，本身可以降低创新过程中的试错成本。”他指出，稳定的过程控制为创新提供了可靠基础；与此同时，创新又不断拓展质量管理的内涵，使其从达标走向卓越。在智能制造背景下，这种相互作用愈发明显。因此，企业的发展越来越依赖于质量管理与创新之间的协同能力。

质量基础设施的重构

国家质量基础设施（NQI）是支撑经济高质量发展的重要基石，涵盖计量、标准、认证认可与检验检测等关键要素。在人工智能技术持续渗透的背景下，这一体系正经历一轮结构性重塑。采访中，何桢将这一变化概括为由能力支撑走向体系重构的过程。

具体来看，他首先谈到计量领域的演进。随着智能传感技术的广泛应用，数据采集方式正由间隔抽样向连续化转变。借助物联网与边缘计算，生产过程中的关键参数可以实现实时监测，从而为质量控制提供更为精细、动态的数据基础。

在标准制定方面，他注意到一个明显趋势——数据驱动正在逐步取代经验主导。通过对海量运行数据的分析，可以提炼出具有共性的规律，为标准优化提供更加客观的依据。这一变化使标准从经验总结逐渐走向数据生成，其科学性与适用性也随之提升。

相比之下，认证认可与检验检测领域的变化更为直观。机器视觉、自动化检测系统以及智能审核工具的应用，大幅提升了检测效率与一致性。在复杂制造场景中，基于深度学习的缺陷识别技术已能够实现高精度检测，从而有效降低人为因素带来的不确定性。同时，人工智能不仅改变了单一环节的技术路径，也在推动质量管理系统向集成化方向发展。通过将质量系统与生产系统、供应链系统进行整合，企业可以构建统一的管理平台，实现信息共享与协同决策，从而提升整体运行效率。

在肯定技术进步的同时，何桢也客观指出，当前AI在质量领域的应用仍面临多方面约束，包括算法可解释性不足、数据质量参差不齐以及标准体系尚未统一等，这些问题在一定程度上制约了其规模化推广。从更宏观的层面看，各国在数据治理与技术标准方面的差异，也为国际质量治理与协同带来了复杂性。因此，如何构建兼容国际规则的AI质量治理体系，既是技术问题，也是制度问题。

质量协同生态的构建

质量管理的有效运行从来不是单一主体可以完成的。在智能化时代，这一特征愈发凸显。谈及此，何桢将视角放在多方协同的体系构建上。他认为，政府在制度设计与政策引导方面发挥着关键作用，从推动质量数字化转型，到完善标准体系建设，一系列制度安排为产业发展提供了方向性支撑。与此同时，企业作为技术应用与创新的主体，需要承担落地与验证的责任。无论是智能检测系统、质量追溯平台，还是基于AI的工艺优化模型，都需在具体生产场景中不断迭代，才能真正转化为稳定的质量能力。高校与科研机构的作用则更多体现在方法创新与人才供给层面。随着质量科学与数据科学、人工智能等领域的交叉融合，新的研究范式正在逐步形成，也为产业实践提供了持续的理论支持。

“用户的角色也在发生变化。”他进一步指出，在数字化环境中，用户通过数据反馈参与产品改进过程，逐步从“被动接受者”转变为“主动参与者”。这一变化使质量管理不再局限于企业内部，而是延伸为多方参与的价值共创过程。此外，供应链协同也正成为质量管理不可忽视的重要维度。借助工业互联网平台，企业能够对供应商质量进行实时监控与动态评估，从而提升整体运行效率。

质量普惠路径的跨越

人工智能不仅为质量管理带来了技术提升，也为中小企业高质量发展提供了新的机遇。在分析这一趋势时，何桢指出，传统模式下，高水平的质量管理往往依赖大量资源投入，中小企业在实践中面临较高门槛。而随着平台化、智能化的发展，企业可以通过工业互联网获取相对成熟的技术工具，从而降低应用成本与门槛。例如，基于云平台的质量分析工具可以支持数据可视化与问题诊断；标准化的AI模型有助于实现更为高效的部署。这一变化正推动质量管理能力逐步呈现出外部化供给的特征。

但是，他也强调，如果缺乏统一标准与公共服务体系支撑，不同企业之间的数字化水平差距仍可能扩大。因此，有必要通过标准化与制度设计，推动质量管理技术的广泛应用。实现质量管理技术的普惠化，不仅有助于提升整体产业水平，也有助于增强经济体系的韧性。

质量管理的演进方向与全球意义

展望未来，何桢说：“质量管理体系将继续向更高层次演进。在未来10至15年间，有望呈现出以下特征。一是全流程数据贯通：设计、制造与服务环节实现信息互联，形成闭环反馈机制；二是决策智能化：质量问题能够被实时预测与优化，减少人为干预；三是系统韧性增强：在复杂环境中具备更强的适应能力与风险应对能力；四是绿色导向突出：质量评价更加关注资源利用效率与环境影响。”

此外，他强调，在全球技术竞争日益激烈的背景下，各国都在积极布局质量领域的规则制定。如何在技术自主与国际协同之间取得平衡，成为重要课题。我国在智能制造与工业互联网领域的实践，为质量管理创新提供了丰富场景。这些经验不仅服务于国内发展，也为全球质量治理提供了新的思路。

采访接近尾声时，话题再次回到“质量的未来”。在智能技术深度融入制造业的今天，质量管理正在完成一次深刻转型——从检验产品走向理解系统，从控制缺陷迈向创造价值。在何桢看来，这不仅是方法工具的更新，更是一种发展逻辑的重构，正在悄然改变企业参与竞争的方式，也在重塑产业运行的底层机制。可以预见，随着技术与管理的持续融合，质量管理将不再只是制造业的基础能力，而将逐步成为引领未来发展的关键力量。这场有关质量的变革，或许正如他所言，并不喧哗，却深刻而持久。

信息来源：《质量与认证》杂志 2026年7月刊