摘 要:质量强企是建设质量强国、推进新型工业化的重要支点。随着智能制造与供应链网络的发展，产品质量形成已演变为跨组织、多主体、全周期的协同共创过程，协同质量管理成为推进质量强企的必然选择。人工智能与质量管理的深度融合，可以在产品生命周期、供应链生态、人机协同三大维度，有效赋能质量管理协同创新。
关键词:质量强企 协同质量管理 人工智能 质量强国
【中图分类号】F253.3 【文献标识码】A
习近平总书记指出：“要围绕推进新型工业化和加快建设制造强国、质量强国、网络强国、数字中国等战略任务，科学布局科技创新、产业创新。”[1]《质量强国建设纲要》（以下简称《纲要》）提出“增强企业质量和品牌发展能力”，强调“加快质量技术创新应用”“提升全面质量管理水平”。[2]《中华人民共和国国民经济和社会发展第十五个五年规划纲要》提出：“加强全面质量管理，深入实施制造业卓越质量工程，增强质量技术基础能力。”[3]随着智能制造系统的迭代发展和供应链网络复杂度持续提升，质量建设的过程已从单一企业的“孤岛式”质量管控，演变为跨组织、多主体、全周期的协同共创过程。人工智能（AI）作为新质生产力的重要引擎，通过数据互联与智能驱动，重塑协同质量管理范式，为破解跨组织协同质量管理中的信息不对称与决策滞后问题提供技术支撑，成为推进质量强企和企业高质量发展的关键路径。
协同质量管理：质量强企的必然选择
《纲要》提出：“鼓励企业制定实施以质取胜生产经营战略，创新质量管理理念、方法、工具，推动全员、全要素、全过程、全数据的新型质量管理体系应用，加快质量管理成熟度跃升。”[4]质量强企是推进供给侧改革的关键抓手，为培育新质生产力激活质量创新动能。当前，我国供给体系正处于由规模优势向质量优势转变的关键阶段。质量强企通过持续提升产品性能、可靠性和一致性，推动企业由低端同质竞争转向高质量供给和差异化发展，有助于优化供给结构，增强供给对需求变化的适应性和引领性，为畅通国内大循环、提升产业体系竞争力提供重要支点。发展新质生产力，本质是科技创新驱动的生产力跃迁，质优是其显著特征。人工智能赋能的协同质量管理，通过数智技术与质量管理的深度融合，构建数据协同、流程协同、技术协同的多主体协同质量管理生态，实现生产要素的创新性配置，将质量优势转化为企业持续发展的内生动力，是推动产业结构升级和产品、服务质量创新的重要路径。
协同质量管理是在数字化、网络化、智能化背景下，推进质量强企的必然选择和新范式。随着产业链供应链延伸，产品质量的形成已不再是单一企业内部的管理结果，而是跨企业、跨环节、多主体协同作用的综合体现。例如，国产大飞机、新能源汽车等复杂工业系统，涉及成千上万个零部件的复杂供应链协同。数智化技术的发展，可以打通产品全生命周期各阶段和供应链各主体之间的数据壁垒，为协同质量管理提供技术基础。《制造业质量管理数字化实施指南（试行）》提出，“推动质量管理范围从企业质量管控向生态圈协作转变”，将协同质量管理作为提升企业质量能力的重要方向。[5]在这一背景下，协同质量管理成为支撑企业持续提升质量水平的必然选择。
数智化背景下协同质量管理面临的现实挑战
随着新一轮科技革命和产业变革的深入推进，数智化技术正在重塑制造业的生产方式和治理模式，也在改变质量管理的模式和方法。从产品全生命周期和产业链供应链视角看，质量形成过程呈现出明显的跨阶段、跨组织、跨边界特征。构建基于数智化技术的协同质量管理并非一蹴而就，其在数据基础、算法应用和管理变革等层面，面临诸多现实挑战，对企业提出了新的能力要求。
数据共享与数据治理问题成为协同质量管理的基础性挑战。协同质量管理依赖跨企业、跨系统的数据联通，但现实中企业间仍存在数据标准不统一、质量参差不齐以及数据安全顾虑等问题。即使在企业内部，“数据孤岛”现象尚未根本消除，不同企业在数据口径、质量标准、基础管理水平和管理流程上的差异也会阻碍数据联通。此外，数据存在质量低、噪声大的问题，数据清洗、对齐和标识等工作耗时费力，成为数据联通实际落地的障碍。
算法应用与智能决策问题构成协同质量管理的技术性挑战。在机器学习的模型训练方面，面临小批量生产数据缺乏、数据不平衡、数据维度高和场景依赖性（场景变化或数据分布的漂移导致的模型性能下降）等问题，缺乏有效的解决方法。在大语言模型的质量管理垂直领域应用方面，存在算法偏见、黑箱问题和模型幻觉等问题。与此同时，质量工程领域知识（如失效模式分析、统计过程控制）与人工智能算法的深度融合不足，导致模型输出存在一定障碍。
管理变革与组织能力问题凸显协同质量管理的系统性挑战。数智化技术的引入绝非工具层面的简单叠加，而是涉及业务流程重构、组织边界重塑和价值链条重组的系统性变革，这需要战略领导力、系统规划、复合型人才培养、文化建设和治理模式变革等作为基础。任何一方面的缺失，都可能导致先进的技术工具无法真正融入业务，使协同质量管理流于形式，难以转化为实际的质量竞争力。
人工智能赋能协同质量管理范式变革的实现路径
在智能制造背景下，人工智能不仅是一种工具性技术，更是推动质量管理范式变革的关键力量。人工智能技术与质量管理的深度融合，推动质量管理在理念、边界、方法和生态上的系统性创新，通过构建跨主体、跨环节、跨生命周期的质量协同机制，形成“数据驱动、人工智能赋能、网络协同、价值共创”的全新质量管理范式。该范式的系统架构由三层构成：底层通过智能传感器、物联网等技术，实现全生命周期和全供应链质量要素的实时采集与边缘处理；中层依托工业互联网平台，完成质量数据的汇集与治理；上层则利用大数据、AI模型、区块链和智能体等技术，为跨阶段、跨组织的质量协同提供分析、决策与追溯支持。这一新范式以数据为关键、以智能决策为驱动、以生态协同为特征，通过三大协同创新得以具体实现，并在头部企业的实践中得到验证。
人工智能赋能产品全生命周期质量管理协同创新，推动产品质量迭代升级与闭环运行。人工智能技术的引入，使得贯通全生命周期的数字主线成为可能。通过数字孪生、知识图谱和机器学习模型，企业可以在设计阶段预测潜在质量风险，在制造阶段实现过程参数的自适应优化，在使用阶段及时捕获运行数据，开展基于设备运行状态的维护。这种跨阶段的数据联通与智能分析，有助于实现产品质量的快速迭代升级，推动质量管理从事后纠偏转向事前预防和过程优化。例如，宁德时代以数据驱动，完成电池全生命周期质量管控。在研发阶段，基于问题经验库与质量知识图谱，构建智能的失效模式与效应分析，实现产品质量与可靠性风险的前置识别与管理。在制造阶段，将人工智能技术赋能过程大数据预警，实时监控质量风险。在售后阶段，运用云端结合的智能诊断模型，实现对电池安全的多重防护，推动服务模式由传统的“故障报警＋被动维修”向“提前预警＋主动服务”转型，从而真正落实电池质量的前置化管理。
人工智能赋能供应链生态质量管理协同创新，推进由单点管控向系统共治演进。在复杂供应链环境中，单一节点的质量波动可能引发系统性风险。人工智能赋能的协同质量管理，通过构建覆盖多级供应商的质量数据共享平台，实现对关键质量特性的实时监控与协同调控。一方面，基于机器学习的质量预测模型可以识别高风险供应环节，支持链主企业实施差异化质量管控策略；另一方面，区块链和智能合约技术有助于建立激励相容的协同机制，促进质量信息真实共享和责任共担。由此，供应链质量管理从传统的事后追责转向事前协同和风险共治。例如，赛力斯围绕“研发—供应—制造—服务”全流程，形成贯穿始终的特性质量管理主线，通过对过程的质量特性数据自动采集、智能分析和动态控制，实现对质量结果的“确定性”目标。针对电动汽车电池安全这一关键质量问题，赛力斯通过与华为、宁德时代等合作伙伴开展协同设计和数据共享，利用人工智能进行电池状态监测和风险预警，实现在用车辆“零自燃”的突破，体现了供应链协同质量管理的重要价值。
人工智能赋能人机协同质量管理创新，实现由经验驱动向智能决策变革。质量管理的智能化并不意味着无人化，而是通过人机协同实现能力互补与价值共创。人工智能在感知、计算和模式识别方面具有优势，而人类在综合判断、价值权衡和情境理解方面不可替代。实践证明，基于大语言模型和智能决策支持系统的人机协同模式，可以显著提升质量分析和决策效率。人工智能可以辅助工程师进行质量问题诊断和改进方案生成，而最终决策由专家进行审核和优化，从而在提升效率的同时保障决策质量。比如，中兴通讯以智能、协同、同源、可视为数字化原则方法，通过数智化的手段将质量管理融于关键业务过程，用技术手段解决质量管理问题，以应对复杂环境的挑战。自研“中兴数字星云”大模型，构建基于人工智能的人机协同研发模式和流程，建立基于人工智能的智能质量审核模式和智能预警体系，开发通信网络故障智能诊断助手，取得显著成效。又如，联想依托其全球制造网络，构建覆盖研发、制造和服务的人机协同智能质量管理体系。通过开发超级质量工程师（SUPER QE）解决方案，联想确立以“边端自治—边云协同”为重点的技术架构。凭借人工智能驱动的质量数据平台，实现跨区域、跨工厂的质量协同与快速响应，有效支撑其全球化运营和高可靠性产品交付。
结语
随着“人工智能+”行动的深入实施，质量管理已不再局限于单点技术改进，而是演进为一场以数据互联为基础、以智能决策为牵引、以多主体协同为特征的系统性管理变革。以产品全生命周期协同、供应链生态协同和人机协同为重要内容的协同质量管理新范式，在人工智能赋能下，有效破解传统质量管理中信息割裂、协作失灵和风险滞后等结构性难题，推动质量治理由结果控制向全过程、系统性和前瞻性管控转变，实现全价值链范围内的价值共创。“十五五”时期，我国企业应紧紧把握新质生产力加快形成的战略机遇，以“高质量”为关键引擎，围绕协同质量管理这一关键抓手，持续深化人工智能与工业系统的深度融合，加快实现从“中国制造”向“中国智造”的跃迁，为中国式现代化构筑更加坚实可靠的物质技术基础。
【本文作者为天津大学管理与经济学部主任、教授；本文系国家自然科学基金项目“面向复杂产品研发的价值链共创机理与网络化智能协同技术集成演示验证”（项目编号：92467302）的阶段性研究成果；天津大学管理与经济学部博士生韩梦圆对本文亦有重要贡献。联想、中兴通讯、宁德时代、赛力斯为本文提供研究案例】
注释略
责编：张宏莉／美编：石 玉