文章详细-论道工业智能体：未来如何发展？

　　当前，工业智能体成为学术界和产业界的研究热点，国内外诸多企业纷纷展开了相关战略布局。近日，《中国电子报》组织召开工业智能体创新发展座谈会，邀请产业界代表共同探讨工业智能体创新发展路径、挑战与机遇。本报将从四个方面呈现此次座谈会内容，也欢迎有识之士留言，参与“云讨论”。

　　赛迪研究院信息化与软件产业研究所人工智能研究室主任王宇霞

　　技术上，AI与工业机理结合是关键；数据上，国家正构建工业高质量数据集；应用上，工业智能体的应用汇聚平台、交易平台十分重要；生态上，需要打造整个生态，完善协议、安全伦理、法律责任界定及应急接管、人工监督机制。

　　卡奥斯工业大脑总经理杨健

　　一是希望政府层面梳理、制定AI的应用路标，哪些场景应用AI能产生好的效果，给企业提供一个靶子，高效率、高价值、ROI高的企业优先做，能形成行业复制；二是监管牵头建立工业高质量数据的生态社区或共享机制，能大大加速工业大模型或智能体的落地效率，真正能产生价值的还是高质量数据，目前企业多需要自行寻找、清洗数据，若能有公共社区提供前期的验证和初步的训练，可以大幅提升效率；三是建立引导机制，通过政策、赛事等活动激发全社会参与，鼓励各行业、各企业贡献创新思路，为行业提供启发。

　　和利时集团中央研究院智能软件平台研究所所长李天辉

　　我们要构建的第一个能力，是打造真正的工业智能体底座，它本质还是软件，但工业软件和民用软件不同，对可靠性、资源、可信度、安全性、实时性都有要求，这些都需要基础工业软件技术，这些技术相对成熟，不会因为是智能的就和过去的数字化有本质区别，这是公共能力。第二是工业数据能力，数字化阶段必须把数据标识、模型化组织、质量管理、数据清洗这些做好，构建高质量数据集。第三是要把现在的工业智能技术和既有工业技术有机整合，不然肯定是“两张皮”，后续做智能体也难。现在智能体技术成熟度还很低，怎么整合、早期要不要考虑，这需要我们一起探索。

　　京东方科技集团股份有限公司科学家冷长林

　　第一，推动工业智能体领域的数据平台建设。建议在产业层面加强顶层设计，支持企业建立行业级、多模态高质量数据资产平台，为智能体训练提供“粮食”。第二，打造端云协同+软硬融合的工业智能体基础设施。支持企业构建自主可控、兼容异构的工业AI平台，强化算力适配、模型压缩、调度推理等关键技术突破，实现工业智能体高效、敏捷部署。第三，加强工业智能标准体系和评估机制建设。建议在国家或行业层面，通过国家或行业标准牵引，推动排产、设备维修等核心领域的通用模型接口、数据规范、性能指标研制，指导企业应用拓展。第四，推动工业智能在产业落地。可依托灯塔工厂、领航工厂等样板，构建工业智能体生态实验厂，围绕典型场景开展模型复用、算法开源、平台对接等生态试验，推动从企业内生应用向行业级协同创新转变。建立工业时序数据孵化基地，把典型场景的工业现场状态模拟出来，专门试验这些智能体，这可能是有突破意义的。而要做好这些前提是在数字化阶段解决工业数据的基础问题：采集能力、模型化表达、数据质量、标识一致性，这些没解决，很难说具备数字化能力。

　　鼎捷数智AI研发中心总经理刘晖

　　第一，除了通用大模型或开源大模型，工业现场还有大量垂域模型，建议主管机构推动建立垂域模型的生态和评价标准。现场很多工作，比如图纸识别、复杂报告格式识别都需要微调、强化学习。第二，未来智能体不会是单一生态，而是多智能体共存，需要协作标准。智能体使用的工具的标准和智能体之间协作的标准现在还没有定论，现在切入制定标准还不晚。第三，工业现场普遍有私有化和端侧部署需求，涉及模型、算力配置等，建议出台一些规范和标准，避免目前的随机状态。

　　统信生态合作中心总经理张木梁

　　不同的算力架构，X86、ARM、RISC-V等，操作系统软件要在应用层面帮大家拉平成一个统一的开发接口的平面，需要很多的投入，未来可能还要把开发接口变成二进制访问接口。另外，操作系统在边缘或者工业场景的定制化也是方向。最后，关于MCP协议，现在业内有不同声音。我们的看法是MCP还在迭代，本质是上下文协议，怎么去落地是另外的事，现阶段作为规范不用排斥，应该去拥抱和尝试。它可能是未来的最终标准，也可能有新的标准，但只要基于规范而非被某类机构控制，就值得尝试。在人工智能快速发展的阶段，调度不同能力、任务可能需要用到自己的模型，也可能需要外部的模型，甚至国内外的各种模型，未来得走到一定阶段再看最终会不会有自己的标准。

　　杭州炽橙科技副总经理、首席运营官韩鹏

　　从企业角度提出七步建议：第一，AI是战略级项目，企业做AI最忌讳试试看，试试看基本不会成功，也不是一两个部门能推进；第二，审视自身别盲目做，要看自己的底子，看清数据是否充足，有没有结构化和半结构化数据，战略是否清晰，AI落地不是喊口号；第三精准选择场景，不是赶时髦，要优先降本增效，提升客户体验；第四，先做验证性的DEMO，从简单场景（如合同审核找异常）快速验证，再逐步深入；第五，资源准备要跟上，算力、数据、工具，尤其是人才要跟上；第六，分阶段实施，不要一步登天，先从RAG起步做知识库、文档生成、会议纪要，第二阶段延伸到复杂场景，第三阶段再优化；第七，评估不可少，从数据、用户、成本多维度评估，包括业务价值、转化率、体验，体验包括点击量、反应情况等。

　　总而言之，工业智能体的技术门槛不高，更像给企业“换脑”。要通“血管（相应数据）”接“神经（把系统集成起来）”，防排异（人机磨合）。现在很多企业尝试AI都是摸着石头过河，要把老师傅经验“塞进”AI，又让工人觉得AI是帮手而非对手，才可能真正破局。

　　阿里巴巴达摩院算法专家赵亮

　　要有一个“能用、好用”的工业智能体，核心是要解决工业生产中的本质的效率问题。我们在这方面做了一些工作：比如自动建模智能体，能快速适配不同工业场景的实际问题，将其转化为数学和物理模型求解；针对板材切割的智能体，可为钢材厂、布料厂等提供支持；还有生产排程、供应链调度优化等领域的智能体。未来，这类智能体的构建会带来深远影响——过去数字化建设中，生产形式多是数字驱动或事件驱动，而未来会逐步转向模型驱动，以模型为知识中枢和决策中枢，发挥其主动性，更好地组织需求、数据、应对环境变化，协调资源进行全局调度和生产优化。

　　关于工业智能体的发展，我们建议一方面，要加强政策引导，尤其是针对中小企业，它们不仅缺资金、资源，更缺人才，中小企业需要打开自己的业务逻辑和生产逻辑，与智能体提供方合作。另一方面，要推动机理模型与大模型融合，从机理模型出发，结合数据和大模型，共同推动关键问题，即安全问题的解决。

　　京东工业工业技术部智能算法工程师黄智超

　　今天我们聊GPT Agent的时候提到了几点能力——网页检索、大模型、深度研究（Deep Reaserch）、网页理解能力。在网页理解这块，我们希望智能体能真正做到网页理解，给出我们想要的结果，比如我们在做工业品属性补全和信息探索的过程中，希望它能自己理解搜索意图，对搜集到的信息进行总结，并补全缺失信息，但现在更多还停留在基础的网页搜索阶段。未来希望能出现一款工业智能体像Manus、GPT Agent一样，能自己做信息补全。

　　浪潮云洲行业推进本部公共事务部总经理张萌

　　希望政府侧能给予更多支持，行业侧加强生态建设，由龙头企业带领，服务商提供技术支持，组成生态共同做大做强。

　　爱动超越人工智能科技总经理高志勇

　　最重要的是做生态的扶持，工业智能体需要百花齐放的，未来工业智能体生态肯定会是类似“Store（商店）”的形态，最好由行业和政府部门牵头建设，参考工业互联网的经验，企业和开放者一起做贡献。其次，标准的建设也很重要，有了统一的标准做智能体连接的时候就比较容易有抓手。第三，如果从某些指导性文件能在AI智能体引入后对新产生的岗位有新的定义，缓解人员替代的担忧，可能能更好地推进落地情况。