研报速递
人工智能正从感知识别与内容生成向复杂推理、任务规划和行动执行拓展。制造业历经自动化、信息化、网络化与平台化的长期建设，已形成较为完备的工业软件、设备连接及数据资源基础。两股力量相互促进，使人工智能具备进入研发、生产、运维和服务等核心业务过程的工程条件，工业智能体因此成为人工智能赋能新型工业化的关键载体。
工业智能体不是对工业互联网平台、工业软件和控制系统的替代，而是面向清晰明确的工业任务，对现有数字能力的系统性重新整合。工业智能体以明确的工业任务目标为牵引，获取任务相关上下文信息，调用专业模型与工具形成实施方案，经由业务系统和现场装备开展受控执行，并依据确认回执对执行结果进行核验。在此背景下，制造业数字化智能化转型正呈现出三方面深刻转变：一是由系统功能驱动转向业务任务驱动，二是由单点优化转向跨系统协同，三是由信息辅助转向可验证、可接管的受控执行。评判工业智能体的发展水平，不能仅看模型是否先进，更要考察其能否在真实工况下完成任务并取得可核验的业务成效。
本报告是对工业智能体产业的系统研究成果，共分五章。第一章界定工业智能体的概念与战略意义；第二章从产业、功能、运行多个维度建立工业智能体体系架构；第三章按照数据、模型、网络、算力、自进化与安全六个层面阐述核心技术；第四章围绕研发设计、中试验证、生产制造、运维管理和营销服务五个环节梳理产业实践；第五章展望工业智能体由辅助工具向核心引擎演进的未来图景。
当前，工业智能体正处于由场景试点向规模应用过渡的关键阶段。本报告旨在为完善政策体系、推进应用场景建设、深化行业前瞻研究提供参考，也期待与产业各方共同探索符合工业特点、安全可信、渐进发展的智能体发展路径，为推进新型工业化、建设制造强国贡献力量。
工业智能体的概念
如图1所示，工业智能体是指面向明确工业目标和特定工业环境，融合工业数据、知识、模型与机理，具备环境感知、任务理解、规划决策、工具调用、协同交互、受控执行和反馈优化能力，能够在设定权限和安全边界内完成数字或物理工业任务的软件实体或软硬一体化智能系统。
工业智能体体系架构
工业智能体体系架构是人工智能深度融入制造业体系的顶层设计框架，其核心在于围绕订单、产能、质量、能耗、安全等生产目标与约束边界，明确智能体的作用层级、技术基座、协同机制、部署模式、演进路径及治理范畴。本报告提出“产业层级×技术能力”二维架构体系：横向维度覆盖设备单元、产线、车间、工厂、企业、生态六个层级，清晰界定不同层级工业智能体的应用场域与功能定位；纵向维度包含数据、模型、网络、算力、自进化、安全六大核心能力要素，解析工业智能体的技术支撑体系与闭环运行机制。该架构实现了数据自生产现场向上逐层汇聚、知识沉淀动态更新、模型自上而下按需调度赋能、任务指令与执行反馈在层级间双向交互的协同运行模式。
1、产业体系
工业智能体产业体系按照制造组织和控制对象划分为一个自下而上、贯穿OT（控制技术）与IT（信息技术）的“六级架构”，图4展示了六个层级及其上下联动的总体运行关系。
L1 设备单元层位于端侧，承担终端执行，通过嵌入式AI 实现单体设备的智能化。
L2 产线层位于边侧，侧重近端控制，实现产线级的协同与排产优化。
L3 车间层位于边侧，侧重边缘自治，实现车间内物料、人员、设备的智能调度。
L4 工厂层依托企业私有云，统筹工厂级资源，实现工厂级的全局资源优化与智慧运营。
L5 企业层依托企业公有云，打通研发、生产、供应链等数据，实现企业级的智能决策。
L6 生态层依托工业互联网平台，实现产业链上下游的高效协同与价值共创。
每一级均由数据、模型、网络、算力等构成场景赋能基础，并通过向上的数据汇聚和向下的模型调度形成层间联系，表1总结了六级体系在六类技术维度上的功能配置。
2、功能体系
从功能视角来看，“六级架构”严格按照任务半径、响应时限及责任边界实施分层构建。其中，设备与产线层聚焦现场快速响应需求，车间与工厂层统筹生产资源配置，企业与生态层负责经营管理及产业协同；体系运行遵循“上下联动、权责清晰”原则，上层向下层输出目标任务、约束条件及模型支撑能力，下层向上层反馈运行状态、执行结果及风险信息。
L1设备单元构成最小生产单元的感知与受控执行闭环。端侧配备智能传感器、边缘计算模块与嵌入式AI芯片，可用AI算力低于500GFLOPS，模型规模与推理时延均受超小规模算力约束。其以设备和传感器数据为依据，调用端侧小模型开展故障诊断、寿命预测与工艺优化，并由设备控制系统完成确定性执行。例如，某机加工设备的振动信号持续偏离正常区间，设备智能体综合当前转速与历史状态判断轴承劣化趋势，形成检修建议并触发维护任务；若需调整运行参数，仅在既定工艺窗口和安全联锁范围内执行。该层的职责是将设备真实状态转化为可用能力，而非以概率性判断取代现场控制。
L2 产线构建多设备、多工序的近端协同闭环。产线层汇集控制系统、工艺参数、程序代码及运行日志，依托云化PLC/DCS、TSN 交换机与边缘控制器提供的500GFLOPS至10 TFLOPS 小规模AI算力，调用视觉质检、工艺映射、强化学习控制等小模型及边缘侧大模型，承担异常检测、生产指令生成与产线自适应调控任务。例如，某装配线末端检测连续发现紧固偏差，产线智能体追溯前序工位参数与设备日志，生成节拍调整与代码修改建议，经校核后在局部工位试点实施，并持续跟踪后续质量结果。该层级的定位为围绕整线生产目标协调单机运行行为，避免单台设备最优运行造成整线生产失衡。
L3 车间构建多产线、多资源的边缘自治闭环。车间层整合生产计划、物料流转与仓储库存数据，依托边缘云以及AGV/AMR、工业视觉和能耗监测终端，在500GFLOPS至10 TFLOPS 的小规模算力范围内调用排程、能效和车间数字孪生模型，承担物料调度、工艺优化、计划排程和仓储优化任务。例如，某车间临时接入一批紧急订单，同时一台关键设备停机，车间智能体根据各产线生产能力、物料齐套情况与仓储位置重新排布生产任务，协调运输设备调整送料顺序，并将无法在当班内消化的产能冲突上报工厂层。该层级的定位为在完整工艺单元内平衡多项目标，赋予现场受约束的局部自治能力。
L4 工厂构建跨车间、面向订单交付的全厂协同闭环。工厂层汇集管理、工艺、作业过程、物料和生产计划等数据，以企业私有云和数字孪生平台为载体，依托10TFLOPS至1PFLOPS 的中规模AI算力，调用工厂数字孪生、全局预测和排产模型，承担资源协同、能耗优化、产能调度和风险管控任务。例如，某工厂关键设备突发停机并影响一批重点订单，工厂智能体基于各车间负荷与物料状态生成转产方案，通过数字孪生比对交期、产能和能耗影响，经审批后向相关车间下达增量调整任务。该层级的定位为形成全厂可执行的整体方案，同时接收车间和产线反馈的可行性意见。
L5 企业构建贯通经营与生产的企业级决策闭环。企业层汇集人力、财务、研发、采购、销售、成本和供应链数据，依托企业公有云、跨域大数据中台和AI原生生产平台配置的1至10PFLOPS大规模AI算力，协同小模型与云端大模型开展精准计算、数据校核、经营策略分析和归因分析，承担利润预测、财务及供应链管理任务。例如，某企业核心原料供应周期突然延长，企业智能体整合库存、订单、采购成本和各工厂产能，比对替代采购、跨厂调拨和交付调整方案，经管理流程审定后向工厂分解生产约束要求。该层级的定位为将经营目标转化为制造任务，同时将生产状态转化为经营决策依据。
L6 生态构建跨企业、跨平台的产业协同闭环。该层级依托工业互联网平台，以产业云和可信数据空间为底座，配置10PFLOPS以上的超大规模AI算力支撑行业大模型训练及平台协同，汇集经授权的联合研发、协同策略、管理和碳排放数据，调用行业大模型开展供需匹配、供应链协同、产业链管理和碳排放管理。例如，某区域出现关键材料阶段性短缺，生态智能体根据参与主体授权发布的需求、可用产能和物流条件形成供需匹配方案，协调各企业智能体确认交付承诺，各企业再在本单位系统内完成审批和执行。该层级的定位为在保障各主体自主地位的前提下形成可验证协同，不直接越级控制企业内部生产设备。
完整材料下载：
发表评论
发表评论: