工業智能體究竟價值幾何？
http://m.moduwu.com 2025-07-18 09:45 來源：中國電子報
當你用AI整理會議紀要時，智能體已經可以自主提交完整的設備巡檢報告；當你用AI體驗以圖生圖時，智能體已經能夠輔助生成工業設計方案；當你嘗試用AI解決日常問題時，智能體已經開始在工廠教徒弟、帶團隊。作為大模型落地工業應用的重要形態，工業智能體正逐漸融入工廠研發、制造、管理等全流程之中。
工業智能體是什么？
今年上半年，AI智能體板塊出現多次漲停潮，以鼎捷數智為代表的一批工業領域智能體企業的股價也迎來大漲。“工業智能體”概念雖已大火，但到底什么是工業智能體？這一問題目前尚無統一的答案。
華為等單位聯合編制的《工業數字化/智能化2030白皮書》提出，工業智能體如同人體，工業軟件是大腦，工業云底座是心臟，工業邊緣引擎、數字工業裝備是四肢，先進工業網絡是貫通全身的神經，工業數據是無處不在、流動的血液，端到端安全則是免疫系統。
國家工業信息安全發展研究中心工程師劉勁松等業內專家普遍認為，工業智能體是智能體技術與行業Know-How深度融合的產物，能實現對生產設備、工藝流程和物流管理等環節的智能化控制與優化，是制造業數字化轉型從“信息化建設”邁向“價值創造”的關鍵推手。
亞信科技工程總監劉長水表示，工業智能體是AI Agent技術在工業垂直場景中的應用深化，本質上是“工業機理+大模型+業務系統”的融合體。
工業智能體參考架構
盡管視角不同，業內人士普遍看好工業智能體的價值，認為工業智能體是未來推動工業智能化轉型的“必答題”。國際咨詢機構數據顯示，已經應用了大模型及智能體的中國工業企業的比例，從2024年的9.6%提升到2025年的47.5%。其中，35%的企業已在多環節開展應用；已經應用大模型及智能體的企業中，超過73.7%的企業應用場景在10個到幾十個左右。
劉長水指出，工業智能體相比傳統自動化系統的本質區別在于，擁有自主決策能力，能實時感知環境并動態生成決策；具備更好的復雜系統協同能力，能打通工業設計、生產、供應鏈等多個環節；能自主形成知識沉淀并復用。“工業智能體就像是位經驗豐富又能時刻關注前沿變化并不斷迭代自己的‘老師傅’。”他說。
亨通數科產品總監董曉健表示，工業智能體的核心優勢在于其綜合性與通用性：既能夠像人一樣理解論文、圖紙等非結構化信息，又能靈活調用傳統AI小模型，解決特定領域的專業問題。在工業場景下，這種能力尤為關鍵，這也是大模型從通用場景轉向工業應用的關鍵支點。
工業智能體用在哪？
“工業智能體改造制造業，帶來的不僅僅是工具的革命，也是一次革命的工具。如果把AI應用落地當做一場足球賽，那么軟件智能體就是把球踢進對方球門的前鋒。其中，左前鋒是傳統ERP、CRM等軟件，被AI重新改造升級、形成各種工業級的AI Agent；右前鋒則是AI原生的Agent，賦能制造業升級。”阿里云智能副總裁安筱鵬表示。
目前，工業智能體已在多個場景內有所應用。劉勁松等業內專家將工業智能體按功能劃分為執行型智能體、決策型智能體、協作型智能體，基本涵蓋了智能體的主要角色與職責；按照服務范圍劃分，則可以分為場景級智能體、環節級智能體和產業鏈級智能體。他們指出，工業智能體通過感知工業現場環境，基于決策結果調用相關工具逐步實現既定目標，在研發設計、生產制造、運行維護、供應鏈管理和經營管理等場景中發揮重要作用。
越來越多企業積極著手布局工業智能體。西門子嘗試打造面向工業自動化的AI智能體，突破傳統輔助應答模式，打造能夠自主執行完整流程的系統，預計幫助用戶提升50%的生產效率。華為依托盤古大模型推出工業智能體，實現全鏈式智能服務，降低企業運營成本18%。聯想推出制造領域智能體矩陣，在研發設計、生產優化、供應鏈協同、客服服務等關鍵場景實現智能驅動，交付效率提升82%。
聯想制造領域智能體矩陣
“當前，智能體在智能問答、文檔審核、文檔生成等方面應用較廣。”董曉健表示：“工業智能體的核心應用價值主要體現在兩個方面：其一是對海量數據的快速索引；其二是與應用系統相結合，融合各種結構化與非結構化數據庫，完成更全面的內容輸出。”
“工業智能體帶來的最明顯價值就是工業生產效率提升、成本優化、產出質量提升。”劉長水說道。過去由經驗規則驅動控制的生產流程，現在有機會交由AI實現基于數據驅動的控制，大幅提升作業效率。
工業智能體向哪去？
7月11日，工業和信息化部發布《信息化和工業化融合2025年工作要點》，明確提出“提升智能化水平”的重要任務，要求編制制造業企業人工智能應用指南，加強人工智能技術在工業領域的深度融合應用。實施“人工智能+制造”行動，支持企業在重點場景應用通用大模型、行業大模型和智能體。
“面對工業數字化的發展趨勢，我們可以認為工業數字化就是一場馬拉松，沒有終點，只有持續進化。”華為工業數字化產業發展總監郭小龍強調。
業內專家將工業智能體的部署過程概括為數據筑基、場景切入和生態擴展三個階段。
數據層面，標準化和公開化是兩個關鍵詞。董曉健認為，政府應推動建設更多公開、可用的行業數據集。劉長水表示，企業應建立更加標準化的數據清洗流程，降低標注成本。
場景層面，強調先試點再推廣。劉長水根據行業實踐經驗，推薦企業優先從單點業務切入，選擇數據較完整、流程較清晰的業務，再逐步擴展至全業務和復雜系統，以降低探索成本。
工業智能體賦能工業生產
生態層面，多智能體協同將成為未來發展的重要路徑。科技部前副部長李萌表示，當前，“基礎－垂類”協同并進、“大型－小型”融通適配、“中心－邊緣”梯次接續的模型體系正在逐步形成，智能體的發展已經進入突破階段。
董曉健指出，工業智能體要具備更強的能力，需要大小模型聯合發揮作用，“大模型做推薦，小模型做執行。”未來，工業智能體可能演化為一個綜合性的入口，通過協同多個垂域模型，實現聯網協作，構建更龐大、豐富的知識網絡。
“目前，由于技術條件等因素的限制，工業智能體尚不成熟，但看待它的眼光應該放長遠。”劉長水表示：“我們希望攜手各界伙伴，在產學研用協同的基礎上，推動算法模型、工業知識圖譜、數字孿生等技術深度融合，智能體必將從‘輔助工具’走向‘生產力主體’，推動工業制造業從‘經驗驅動’向‘認知驅動’躍遷。”
編輯精選
