文 | 鈦資本研究院
制造業(yè)的演進史，某種意義上就是一部技術驅(qū)動下的“降本、增效、提質(zhì)”追求史。從蒸汽時代到電氣化，從自動化到數(shù)字化，每一次技術浪潮都試圖對“如何生產(chǎn)得更多、更快、更好、更省”這一永恒命題給出新的答案。站在新一代人工智能，特別是大語言模型與智能體技術爆發(fā)的關口，讓人不禁發(fā)問：這一輪的技術變革，將如何深刻重塑制造業(yè)的機理與未來？
近期，鈦資本邀請邀請易智唯思智能科技有限公司創(chuàng)始人&CEO姚馳進行分享，他是前西門子數(shù)字化工業(yè)食品飲料行業(yè)總監(jiān)，前西門子教育行業(yè)總監(jiān)，機械工業(yè)出版社國際電工電子系列叢書譯者，機械工業(yè)教育委員會自動化類委員，西門子艾聞達外部數(shù)字化咨詢顧問專家。他畢業(yè)于南京航空航天大學自動化專業(yè)，在西門子工作超過15年，從事制造業(yè)自動化，數(shù)字化技術產(chǎn)品的技術，市場和管理工作，2024年開始創(chuàng)業(yè)投入到新一代人工智能技術在工業(yè)制造領域的應用。主題為：探索工業(yè)人工智能新范式。主持人是鈦資本董事總經(jīng)理趙暉。以下為分享實錄：
本質(zhì)回歸與時代機遇：制造業(yè)為何需要AI智能體？
制造業(yè)紛繁復雜的表象背后，本質(zhì)始終圍繞著四個字：“多、快、好、省”。如何生產(chǎn)得更多？如何生產(chǎn)得更快？如何讓質(zhì)量更好、更穩(wěn)定，更符合客戶需求？如何用更省錢的方式實現(xiàn)以上所有目標？
西門子做的自動化控制系統(tǒng)，核心就是解決“多、快、好、省”的問題。大家回想一下，中國的紡織行業(yè)曾經(jīng)擁有最龐大的藍領隊伍，但隨著自動化設備的普及，這個行業(yè)的人員結(jié)構被徹底重塑了。
然而，自動化帶來了一個新的挑戰(zhàn)：產(chǎn)線上產(chǎn)生了海量的數(shù)據(jù)。這些數(shù)據(jù)——比如設備的電流、電壓、震動——非常私有，很難上云，而且不同系統(tǒng)之間的數(shù)據(jù)語義關聯(lián)不清，形成了無數(shù)“數(shù)據(jù)孤島”。誰來分析這些數(shù)據(jù)？進一步提升“多、快、好、省”，靠的是工程師。
這些白領工程師，是運用專業(yè)知識和工業(yè)軟件，從數(shù)據(jù)中挖掘價值、優(yōu)化質(zhì)量、維護設備和改進工藝的關鍵。但他們的培養(yǎng)周期長，成本高，而且一個核心工程師的流失，可能就意味著大量隱性知識的丟失。我走訪過很多企業(yè)老板，他們都為同一個問題頭疼：辛辛苦苦培養(yǎng)三四年的工程師，競爭對手開出1.5倍的薪水就挖走了。
就在我為這個行業(yè)痛點尋找答案時，新一代的AI技術，特別是大語言模型和智能體技術出現(xiàn)了。我看到在編程領域，AI已經(jīng)從輔助程序員的Copilot，進化成了能端到端完成任務的智能體。這讓我和我的團隊（我們大部分成員都來自西門子的業(yè)務和研究院部門）非常興奮：我們能否為制造業(yè)的工程師們，也打造一個“AI工程師”智能體？
這個想法，成了我們?nèi)ツ?月11號公司成立的起點。我們堅信，用AI智能體來賦能甚至部分替代工程師的重復性、高知識密度任務，是回應制造業(yè)“降本增效提質(zhì)”本質(zhì)需求的新一代答案。
工業(yè)AI 智能體的核心邏輯：技術變革與場景適配
工業(yè)AI 智能體的崛起，本質(zhì)上是大語言模型技術與制造業(yè)垂直場景深度融合的結(jié)果。這一融合并非簡單的技術疊加，而是基于對行業(yè)痛點的深刻洞察與技術路徑的精準選擇，其核心邏輯體現(xiàn)在三個維度。
（一）技術底層：從基礎模型到垂直應用的延伸
大語言模型的變革正在顛覆各個行業(yè)，其發(fā)展趨勢呈現(xiàn)出“基礎模型 + 垂直應用” 的格局。全球范圍內(nèi)，基礎大語言模型將逐漸集中于少數(shù)頭部企業(yè)，這些模型如同 20 年前的操作系統(tǒng)，構建起技術底層支撐。但基礎模型的訓練數(shù)據(jù)多來源于公網(wǎng)，難以適配制造業(yè)的私域數(shù)據(jù)與專業(yè)場景，因此需要在基礎模型之上，通過后訓練、上下文工程等方式，結(jié)合垂直行業(yè)的知識與工具，構建更強的行業(yè)智能體。
編程領域的實踐已經(jīng)驗證了這一邏輯的可行性：基于大語言模型的智能體已從輔助編程的Copilot，進化為能夠端到端完成復雜編程任務的工具。這一演進路徑為制造業(yè)提供了重要啟示 —— 針對工程師群體的工作特性，構建能夠端到端執(zhí)行專業(yè)任務的工業(yè) AI 智能體，成為技術落地的核心方向。與通用 AI 不同，工業(yè) AI 智能體需要具備三大能力：一是理解制造業(yè)私域數(shù)據(jù)的能力，能夠從 MES、WMS、SCM，EMS 等多個私有系統(tǒng)中提取、整理數(shù)據(jù)；二是集成專業(yè)工具的能力，將工業(yè)軟件、機理模型等作為 “外掛”，實現(xiàn)專業(yè)分析能力；三是自然語言交互能力，讓工程師通過日常語言即可下達任務，無需掌握復雜的操作流程。
（二）場景選擇：聚焦質(zhì)量環(huán)節(jié)的戰(zhàn)略考量
制造業(yè)鏈條很長，從研發(fā)、供應鏈、生產(chǎn)到售后，處處都有痛點。但我們團隊經(jīng)過深思熟慮，決定將所有的初期資源都聚焦在“質(zhì)量” 管理這個環(huán)節(jié)。這背后有兩點核心考量：
第一，質(zhì)量管理的標準化程度最高。無論是汽車這樣的離散制造，還是我們正在合作的合成生物這類流程制造，在質(zhì)量領域，大家普遍遵循六西格瑪、精益制造等全球通用的方法論。像SPC（統(tǒng)計過程控制）、DOE（實驗設計）這些工具和PDCA的流程，是高度標準化的。這意味著，我們?yōu)橹悄荏w開發(fā)的外掛工具和內(nèi)置知識，可以相對容易地跨行業(yè)復用，規(guī)?；瘡椭频某杀靖汀⑺俣雀?。
第二，市場需求的東風已經(jīng)到了。十年前，我和很多做制造業(yè)的朋友交流，那時中國制造業(yè)正處于擴張期，老板們最關心的是“訂單”和“交付”。所以那時的創(chuàng)業(yè)熱點是MES（制造執(zhí)行系統(tǒng)）這類生產(chǎn)運營管理軟件。
但十年后的今天，情況變了。工廠擴張放緩，競爭加劇，老板們最關心的事情變成了“利潤”和“毛利”。而利潤和品牌溢價，從根本上離不開質(zhì)量的保障。我常舉一個例子：德國的一顆螺絲釘能賣到中國螺絲釘三倍的價格，憑的就是質(zhì)量信譽。因此，我認為，未來十年，將是制造業(yè)“質(zhì)量”環(huán)節(jié)價值爆發(fā)增長的十年。
基于這兩點判斷，我們選擇先成為“AI質(zhì)量工程師”。我們深入汽車廠等客戶現(xiàn)場，把質(zhì)量工程師（一個大型車廠可能有300-400名質(zhì)量工程師）每天耗時耗力的任務，比如數(shù)據(jù)整理、SPC分析、過程能力分析、異常檢測與預測、編寫質(zhì)量報告、DOE實驗設計等，變成我們智能體能夠端到端自動完成的能力。
（三）產(chǎn)品形態(tài)：軟硬件一體化的落地方案
工業(yè)AI 智能體的落地，必須解決制造業(yè)的核心痛點 —— 私域數(shù)據(jù)難以上云、數(shù)據(jù)安全要求高。因此，其產(chǎn)品形態(tài)并未采用傳統(tǒng)的完全云端部署模式，而是選擇了軟硬件一體化的方式，從邊緣側(cè)開始進而擴展到云側(cè)，我們將語言模型、時序模型、機理模型、工具鏈、知識庫等集成于一體，部署在客戶現(xiàn)場。
這種方案的優(yōu)勢顯而易見：一是數(shù)據(jù)安全性高，所有私域數(shù)據(jù)均在本地處理，避免了數(shù)據(jù)泄露風險；二是部署成本可控，一臺搭載500G 顯存、相當于兩張 4090 顯卡算力的一體機，即可滿足中小規(guī)模企業(yè)的需求；三是適配性強，能夠快速對接客戶現(xiàn)有的 IT/OT 系統(tǒng)，無需大規(guī)模改造現(xiàn)有架構。
在技術實現(xiàn)上，這一產(chǎn)品形態(tài)融合了多種關鍵技術：通過本體建模工具（Ontology）解決數(shù)據(jù)語義關聯(lián)模糊的問題，構建高質(zhì)量的數(shù)據(jù)知識資產(chǎn)；通過時序大模型處理電流、電壓、震動等工業(yè)時序數(shù)據(jù)，提升異常檢測與預測的精度；通過集成機理模型（如SPC 分析的統(tǒng)計學模型）解決大模型 “幻覺” 問題，確保分析結(jié)果的準確性。這些技術的融合，使得工業(yè) AI 智能體不僅具備 “理解” 能力，更具備 “執(zhí)行” 與 “決策” 能力。
如何打造一個真正能用的“AI質(zhì)量工程師”？
想清楚了“為什么做”和“做什么”，接下來就是更關鍵的“怎么做”。我們走了一條軟硬件結(jié)合、并深度融合工業(yè)知識的工程化路徑。
1.部署模式：我們選擇“一體機”私有化部署。
生產(chǎn)線上的數(shù)據(jù)是客戶的私有資產(chǎn)，既敏感又實時，不適合完全上云。所以，我們提供了一個集成了算力、軟件和所有模型的“一體機”，就放在客戶的車間里。數(shù)據(jù)不出廠，算力本地化，這讓客戶安心，也保證了任務執(zhí)行的實時性。這套系統(tǒng)的算力成本可控，能很好地支撐客戶計算投資回報。
2.交互方式：我們用自然語言交互革了傳統(tǒng)工業(yè)軟件的命。
傳統(tǒng)工業(yè)軟件項目，大量的開發(fā)時間都耗費在無窮無盡的GUI（圖形用戶界面）定制上。而現(xiàn)在，我們的智能體讓工程師可以直接用“人話”下達指令，比如：“幫我把今天所有班組的良率排個序”或者“每天晚上六點，自動完成今日過程質(zhì)量分析并生成報告”。這不僅僅是體驗上的升級，對我們供應商而言，更是極大地降低了交付成本，讓我們能擺脫“項目制定制化”的泥潭。
3.技術內(nèi)核：我們構建了“多模型融合”的工程架構。
很多人會誤以為“AI 智能體就是一個大模型”，但實際上，一個能在制造業(yè)落地的 “AI 質(zhì)量工程師”，背后是一套精密的多模型融合架構。
首先，“大腦中樞” 是經(jīng)過制造業(yè)語料優(yōu)化的大語言模型 —— 我們通過投喂制造業(yè)質(zhì)量領域的專業(yè)文檔、工藝標準、歷史案例，讓模型能夠精準理解工程師的 “行業(yè)行話”，避免出現(xiàn) “理解偏差”。
其次，“專業(yè)技能庫” 由自研的時序大模型與機理模型構成。制造業(yè)質(zhì)量分析的核心數(shù)據(jù)是時序數(shù)據(jù)（如某時間段內(nèi)的產(chǎn)品尺寸波動、設備溫度變化），我們基于Transformer 架構訓練的時序大模型，能夠捕捉數(shù)據(jù)的動態(tài)變化規(guī)律，在質(zhì)量趨勢預測、異常預警等場景的表現(xiàn)，遠超傳統(tǒng)的算法；而機理模型（如 SPC 統(tǒng)計模型、DOE 實驗設計模型）則負責解決 “精準計算” 問題 —— 在需要絕對準確結(jié)果的環(huán)節(jié)（如過程能力指數(shù) CPK 計算），智能體不會依賴大模型的自主推理，而是調(diào)用機理模型進行計算，從根本上避免 “幻覺” 風險。
最后，“數(shù)據(jù)基石” 是基于本體論構建的數(shù)據(jù)建模工具。面對客戶異構的數(shù)據(jù)源，我們通過這一工具快速梳理數(shù)據(jù)之間的語義關聯(lián)，構建統(tǒng)一的 “數(shù)據(jù)知識圖譜”—— 例如，將設備編號、生產(chǎn)批次、產(chǎn)品質(zhì)量檢測結(jié)果等數(shù)據(jù)關聯(lián)起來，形成數(shù)據(jù)字典，讓智能體能夠清晰理解 “某臺設備在某個批次生產(chǎn)的產(chǎn)品，為何出現(xiàn)質(zhì)量異常”，為后續(xù)分析提供可靠的數(shù)據(jù)支撐。
如今，我們的“AI 質(zhì)量工程師” 已在多家世界 500 強企業(yè)的產(chǎn)線上實現(xiàn)落地應用：它不僅能自動完成數(shù)據(jù)整理、質(zhì)量分析等重復性任務，將工程師從繁瑣的工作中解放出來；更能將工程師的隱性知識（如質(zhì)量異常排查經(jīng)驗）固化到模型與知識庫中，實現(xiàn)企業(yè)核心能力的沉淀與傳承。
制造業(yè)智能化的未來圖景
工業(yè)AI 智能體的出現(xiàn)，并非要完全替代工程師，而是通過技術賦能，讓工程師從重復性、事務性工作中解放出來，聚焦于更具創(chuàng)造性的價值環(huán)節(jié)。從自動化替代藍領，到智能體賦能白領，制造業(yè)的智能化轉(zhuǎn)型正在實現(xiàn) “以人為本” 的升級 —— 技術不再是簡單的替代工具，而是人的能力延伸。
回顧工業(yè)4.0 以來的制造業(yè)變革，每一次技術突破都源于對核心痛點的精準回應。工業(yè) AI 智能體之所以能夠在短短一年多時間內(nèi)實現(xiàn)商業(yè)化落地與規(guī)模復制，關鍵在于它抓住了制造業(yè)對質(zhì)量提升、效率優(yōu)化、知識沉淀的核心訴求，以 “端到端任務執(zhí)行” 的獨特價值，填補了傳統(tǒng)工業(yè)軟件與通用 AI 之間的空白。
未來，隨著時序大模型、機理模型與智能體架構的持續(xù)迭代，我們的工業(yè)AI 智能體將實現(xiàn)三個跨越：從單一場景（質(zhì)量）向全流程（研發(fā)、生產(chǎn)、設備、物流）跨越，從單一行業(yè)泛化到更多行業(yè)跨越，從 “數(shù)字同事” 向 “智能中樞” 跨越。在這一過程中，制造業(yè)將真正實現(xiàn) “看得見、控得住、管得好” 的智能化目標，形成質(zhì)量與效率并重、創(chuàng)新與成本平衡的全新發(fā)展模式。
對于制造業(yè)企業(yè)而言，擁抱工業(yè)AI 智能體并非選擇題，而是順應時代趨勢的必然選擇。在這場以 AI 為核心的新一輪變革中，唯有精準把握技術方向、聚焦核心場景、堅持價值導向，才能在智能化轉(zhuǎn)型中搶占先機，實現(xiàn)高質(zhì)量發(fā)展。而工業(yè) AI 智能體，正是這場變革中最關鍵的引擎。
問答
Q：做工業(yè)智能體的平臺的公司，一些是做智能體平臺，銷售給企業(yè)，另外是直接提供整體的產(chǎn)品，讓客戶直接使用。這兩種商業(yè)模式各有什么優(yōu)勢和劣勢？
姚馳：關于工具銷售，低代碼、零代碼工具直接賣給制造業(yè)最終用戶效果欠佳，其更適合賣給為最終用戶服務的中間環(huán)節(jié)，如系統(tǒng)集成商、OEM 設備商、EPC 等。而服務最終用戶，需聚焦其具體需求，比如做質(zhì)量相關業(yè)務，就要服務好質(zhì)量工程師、質(zhì)量總監(jiān)及主管，助其更好使用產(chǎn)品。
企業(yè)初期不應先做中間環(huán)節(jié)的平臺類業(yè)務，創(chuàng)業(yè)公司做平臺意義不大且難獲認可。第一步需找到產(chǎn)品的最終用戶，打造端到端的標桿項目，獲得最終用戶認可。雖未來智能體可能涉及合作開發(fā)與新模式，但整體流程需先靠最終用戶建立標桿與認可度，再吸引更多合作伙伴共創(chuàng)，進而拆分形成產(chǎn)品。
以西門子PLC 為例，其現(xiàn)是賣給 OEM 系統(tǒng)集成商的標準產(chǎn)品，市場占有率高。但在六七十年代剛出現(xiàn)時，作為先進技術，需替代接觸器電路、繼電器電路，初期也需要打標桿。當時西門子也做了眾多行業(yè)的整體解決方案，最后有些解決方案還分拆成了行業(yè)內(nèi)的巨頭，讓客戶認可新技術能降本增效提質(zhì)后，才從過程中提煉出標準化工具或平臺。未來智能體也可能如此，先針對最終用戶需求，再逐步發(fā)展為標準化平臺，供合作伙伴二次開發(fā)迭代，實現(xiàn)向最終用戶的交付，完成從服務最終用戶到平臺型公司的轉(zhuǎn)變。
李鐵軍：有人認同企業(yè)需先明確用戶，不同賽道無高下之分。如盛源成從最終客戶切入，先走AI 自動生成 SCADA 畫面及邏輯的工具賽道；姚馳則從最終客戶切入打造標桿。TO B 領域中，中國最終客戶自身技術能力有限，直接給工具多無法熟練使用，“builder 賦能用戶自主開發(fā)” 模式遇大挑戰(zhàn)。
無論賣工具還是解決方案，第一步都需在足夠多且大的客戶中證明自身能力，再決定后續(xù)方向：是繼續(xù)走最終客戶解決方案路線，還是走標準化路線，與集成商合作提供產(chǎn)品。這兩種道路無絕對對錯，其負責西門子MES 業(yè)務時亦是如此，這種做法符合中國國情。
Q：關于商業(yè)模式，比如說交互方式上，saas的這種模式，是定制化方案模式，還是采用所謂的效果分成的模式？比如軟硬一體化，這些模式有什么不一樣的地方？各自優(yōu)缺點是什么？
姚馳：關于智能體的商業(yè)模式，存在多種可能，如賣軟件license、定制化服務、任務 SaaS 訂閱，或是結(jié)果導向的付費模式（客戶將生產(chǎn)質(zhì)量等事務外包，僅關注交付結(jié)果，無需自招相關工程師）。
智能體未來會走向端到端任務導向，類似集群智能，但需考慮時間與對賭問題。十幾年前能源管理廠商做任務導向時就涉及對賭，而初創(chuàng)公司初期以對賭形式做任務導向沖擊力過大，暫不適合將其標準化，需看客戶感知逐步推進。
目前采取“軟硬一體” 模式，該模式契合中國制造業(yè)招投標流程與客戶 “眼見為實” 的偏好，先通過此方式擴大安裝量。后續(xù)第二步，會開發(fā)供應商質(zhì)量、售后質(zhì)量等新任務，以訂閱模式定價（如按對應人工工資的五分之一到十分之一）。待第二步成熟后，才可能走向真正的結(jié)果付費模式。
李鐵軍：工業(yè)領域短期難走SaaS 模式，因用戶對數(shù)據(jù)敏感，核心的工藝、質(zhì)量數(shù)據(jù)難接受存于公有云，故其難成普遍模式。按效果分成模式也難推行，當前中國制造業(yè)管理和數(shù)據(jù)水平有限。如早年合同能源管理按節(jié)約電費分成，如今無疾而終，因工廠中影響結(jié)果因素多，單一軟硬件供應商難起決定作用，且難定義產(chǎn)品服務達成的效果。僅極個別管理、數(shù)據(jù)齊備的企業(yè)或可行，多數(shù)企業(yè)做不到。國內(nèi)短期主流仍為定制化解決方案與軟硬一體化模式，這由中國企業(yè)管理現(xiàn)實水平?jīng)Q定，短期難改變。
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論