工業(yè)智能體是大模型與工業(yè)機理、機器學習等技術(shù)融合應用的最新產(chǎn)物，其帶來的經(jīng)濟價值備受業(yè)界關(guān)注。
前不久舉行的工業(yè)和信息化部兩化融合工作領(lǐng)導小組會議提出，以工業(yè)智能體為抓手深化人工智能工業(yè)應用，帶動工業(yè)數(shù)據(jù)集、工業(yè)大模型創(chuàng)新迭代。
行業(yè)最新報告顯示，全球工業(yè)智能化市場規(guī)模今年將突破3.5萬億元，中國市場份額超過40%，工業(yè)智能體時代正在加速到來。
改變傳統(tǒng)方式
工業(yè)智能體是指專為工業(yè)生產(chǎn)制造設計，具備自主感知、認知、決策和學習能力的軟硬一體系統(tǒng)。與通用智能體的區(qū)別在于，它不僅涉及信息技術(shù)，還融合工業(yè)知識圖譜等多領(lǐng)域知識，實現(xiàn)了從預設編程、機械響應向自主決策、動態(tài)自適應的躍遷。
“工業(yè)智能體能夠理解高層次語言和自然語言指令，改變了人機交互方式——無需人工逐步點擊、操作軟件，只需下達命令即可直接得到結(jié)果。”賽迪研究院信息化與軟件產(chǎn)業(yè)研究所人工智能研究室主任王宇霞介紹，它可以拆解任務、調(diào)用工具，如子軟件、外部數(shù)據(jù)源，還可以通過多智能體協(xié)同，實現(xiàn)以語言下達任務、智能體完成后反饋結(jié)果，這是其與自動化系統(tǒng)的主要差異。若將工業(yè)大模型比作“發(fā)動機”，那么工業(yè)智能體就是能在工業(yè)場景中自主行駛、功能完備的“汽車”。
工業(yè)智能體的應用場景有哪些？王宇霞分析，一方面，工業(yè)智能體正推動研發(fā)從經(jīng)驗試錯模式向智能驅(qū)動范式轉(zhuǎn)變。傳統(tǒng)研發(fā)依賴工程師經(jīng)驗，在有限空間試錯，效率較低。工業(yè)智能體可深度分析海量數(shù)據(jù)，縮短研發(fā)周期，還能在海量空間搜索，推動更多研發(fā)和設計組合。另一方面，在生產(chǎn)制造環(huán)節(jié)，推動制造過程從自動化向自主化升級，在優(yōu)化生產(chǎn)排程、設備維護控制、跨系統(tǒng)協(xié)同等方面作用明顯。
傳統(tǒng)工業(yè)機器人依賴預設程序，一般是在穩(wěn)定環(huán)境中執(zhí)行固定單一任務。浪潮云洲工業(yè)具身智能體通過融合多模態(tài)感知、大模型任務規(guī)劃、精細化運動控制技術(shù)，有效提升機器人在復雜工業(yè)環(huán)境中的自主作業(yè)能力。
為了實現(xiàn)智能體持續(xù)優(yōu)化，浪潮云洲構(gòu)建了集安全監(jiān)測、風險預警、作業(yè)標準化于一體的工業(yè)具身智能體，提升動態(tài)感知和決策規(guī)劃能力，有效解決了傳統(tǒng)工業(yè)機器人對于多種零部件抓取、檢測等場景中適應性不足的問題。該平臺打造了“感知自調(diào)節(jié)、任務自組織”的工業(yè)化生態(tài)，涵蓋全流程的智能化解決方案并建立數(shù)據(jù)閉環(huán)機制。通過構(gòu)建高質(zhì)量、多模態(tài)的通用具身智能數(shù)據(jù)集，智能體可以不斷從環(huán)境中學習新知識，優(yōu)化任務執(zhí)行策略，完成迭代更新。
杭州熾橙科技副總經(jīng)理韓鵬則表示，工業(yè)智能體不是簡單的大語言模型應用，而是重新定義生產(chǎn)力的AI工具集，是機器學習、強化神經(jīng)網(wǎng)絡等的集合，是以大模型作為“腦”，工業(yè)知識為“心”，具體執(zhí)行控制為“手”的三位一體智能系統(tǒng)。
提升運營效率
提升運營效率是工業(yè)智能體表現(xiàn)出的另一關(guān)鍵優(yōu)勢。“工業(yè)智能體在供應鏈優(yōu)化和企業(yè)內(nèi)部管理中發(fā)揮著重要作用。”王宇霞說，智能體通過智能推理和預測，自主開展訂單處理、庫存預警、銷量分析，增強供應鏈彈性。同時，借助大模型能力優(yōu)化人力、財務決策，提升管理效率。
在上海黑湖網(wǎng)絡科技有限公司CEO周宇翔看來，工業(yè)智能體落地絕非簡單技術(shù)疊加，而是需要與整體數(shù)字化轉(zhuǎn)型協(xié)同推進，讓智能體融入生產(chǎn)流程，成為工廠運轉(zhuǎn)的“自然部分”。
“我們將智能體嵌入生產(chǎn)制造各個環(huán)節(jié)，在解決工廠原有生產(chǎn)難題的同時盤活冗余產(chǎn)能，為承接定制化訂單提供更多可能性?！敝苡钕柩a充說，例如，在讀單過程中，OCR（光學字符識別）技術(shù)結(jié)合多模態(tài)與推理模型，可以自動識別訂單字段與圖樣，降低人工錄入時間和出錯率；拆單排期智能體自動生成工藝流、報價與生產(chǎn)計劃。在這些智能體的助力下，工廠工藝準備時間縮短60%，訂單準交率提升20%，智能體正在引領(lǐng)一場效率革命。
注塑是家電生產(chǎn)的重要環(huán)節(jié)?！拔覀兺ㄟ^注塑工業(yè)智能體支撐注塑工藝知識管理、沉淀等高價值場景。目前，注塑工藝參數(shù)的調(diào)試時間縮短90%以上，員工培訓成本下降75%?！笨▕W斯工業(yè)大腦總經(jīng)理楊健說。
“能用、好用的工業(yè)智能體，核心是要解決工業(yè)生產(chǎn)中的效率問題。過去數(shù)字化建設中，生產(chǎn)形式大多是數(shù)字驅(qū)動或事件驅(qū)動。未來，會逐步轉(zhuǎn)向模型驅(qū)動，以模型為知識中樞和決策中樞，發(fā)揮其主動性，更好地組織需求、數(shù)據(jù)，以應對環(huán)境變化協(xié)調(diào)資源進行全局調(diào)度?！卑⒗锇桶瓦_摩院算法專家趙亮說。
王宇霞還觀察到，在營銷和客戶服務環(huán)節(jié)，智能體正推動從被動響應向主動預測變革。售前可主動分析潛在市場需求，提供個性化內(nèi)容，實現(xiàn)精準營銷；售中借助數(shù)字人三維等模型提供沉浸式交互，幫助客戶快速決策；售后可成為未來的價值共創(chuàng)服務中心，高效處理客戶疑問，將服務數(shù)據(jù)轉(zhuǎn)化為對產(chǎn)品和市場的洞察。
落地仍需努力
真正推動工業(yè)智能體在工業(yè)領(lǐng)域落地仍面臨諸多挑戰(zhàn)。
首先是技術(shù)成熟度問題，很多大模型算法在通用場景中表現(xiàn)良好，但由于工業(yè)門類多、行業(yè)壁壘高、數(shù)據(jù)難獲取，工業(yè)現(xiàn)場復雜度高，其適應性、實時性、可靠性都存在較大問題。其次，工業(yè)現(xiàn)場存在數(shù)據(jù)孤島、數(shù)據(jù)缺失、噪聲干擾等問題，現(xiàn)有數(shù)據(jù)是否足以用于訓練工業(yè)智能體，使其達到安全可靠的水平，仍有不確定性。
“最關(guān)鍵的是安全問題?！蓖跤钕颊J為，智能體會以接口形式或代碼自主生成形式執(zhí)行任務，這是它和大模型最大的區(qū)別。正因如此，它也面臨更多安全威脅，如API（應用程序編程接口）漏洞、代碼供應鏈破壞、提示詞注入等都可能導致智能體運行出現(xiàn)偏差。
京東方科技集團股份有限公司科學家冷長林將基礎(chǔ)設施建設視為最應該加強的環(huán)節(jié)?！耙С制髽I(yè)構(gòu)建自主可控、兼容異構(gòu)的工業(yè)AI平臺，盡快突破算力適配、模型壓縮、調(diào)度推理等技術(shù)瓶頸，實現(xiàn)工業(yè)智能體高效、敏捷部署。加強智能體標準體系和評估機制建設，通過國家或行業(yè)標準牽引，推動排產(chǎn)、設備維修等領(lǐng)域的通用模型接口、數(shù)據(jù)規(guī)范、性能指標研制，指導企業(yè)拓展應用。此外，可依托燈塔工廠、領(lǐng)航工廠等樣板，構(gòu)建工業(yè)智能體生態(tài)實驗廠，圍繞典型場景開展模型復用、算法開源、平臺對接等生態(tài)試驗，推動從企業(yè)內(nèi)生應用向行業(yè)級協(xié)同創(chuàng)新轉(zhuǎn)變?！?/p>
“技術(shù)上，人工智能與工業(yè)機理結(jié)合是關(guān)鍵。生態(tài)上，需要進一步完善協(xié)議、安全倫理、法律責任界定及應急接管、人工監(jiān)督機制等?！蓖跤钕颊f。（李芃達）
（責任編輯：蔡文斌）
晉公網(wǎng)安備 14090202000008號 
