智工观点|AI从工业外围走向核心,中工互联探索工业智能体协同新模式

随着工业智能体的发展，传统工业软件正在从提供单一计算、绘图和控制功能的工具，转向能够理解工业知识、执行复杂任务并与其他智能体协同工作的智能平台。

中工互联科技集团董事长智振认为，工业智能体的发展将经历从“辅助人”到“AI主导、人辅助”，再到更高程度自主运行的过程，而这一变化可能重新定义工业软件的形态。

图：中工互联智振

AI开始进入工业核心流程

过去几年，人工智能在制造业中的应用更多集中于视觉检测、预测性维护、数据分析等相对明确的场景。

但随着大模型和智能体技术的发展，AI正在进入更加复杂的工业业务流程。

IDC预测，到2028年，全球1000强制造商中将有65%利用AI智能体来验证设计变更与产品变型。这意味着AI的角色正在发生变化：它不再只是帮助工程师寻找信息或生成文本，而是开始参与工程决策和业务流程本身。

这一变化也正在推动工业软件发生转变。

图：工业现场

传统工业软件通常针对某一个具体任务，例如计算、绘图、仿真或者生产控制。工程师需要掌握多个软件，并在不同系统之间传递数据。

智能体的出现则提供了另一种方案。

一个AI智能体可以围绕特定任务理解数据、调用软件、分析结果并执行下一步操作；多个智能体则可以分别承担研发、生产、供应链或者设备管理等任务，并在统一的平台上交换信息。

中工互联正在构建这样的工业智能体体系。

智振介绍，中工互联的工业智能体矩阵覆盖工业研发、生产、供应、销售和服务等环节，同时针对生产过程中“人、机、料、法、环”等要素进行布局。在基础架构层面，公司还针对经营层、生产层以及自控管控层配置相应的智能体。

这意味着，工业智能体并不是一个单独的软件产品，而是被设计为覆盖工业企业多个层级的一组数字化能力。

从“一个工具”到“一个协作系统”

工业生产与普通办公场景的一个重要区别，是不同环节之间存在大量复杂的依赖关系。

产品设计发生变化，可能影响采购、生产计划和质量控制；生产设备状态发生变化，也可能影响交付时间和供应链安排。

因此，一个智能体即使能够独立完成某项工作，也并不意味着它能够解决整个工业问题。

“工业本身是一项十分复杂的系统性工程，因此所构建的智能体也是多元的。”智振说。

中工互联将这些智能体建立在智界工业智能平台之上，并按照统一规范和标准进行构建。按照公司的设计，这意味着不同智能体之间并非简单的软件功能叠加，而是可以形成多智能体协同。

图：工业现场

例如，一个负责研发的智能体完成设计任务后，可以将相关信息交给生产智能体；生产智能体进一步分析设备、工艺和生产计划，再由供应链相关智能体处理物料和交付问题。

在这种模式下，AI处理的不再只是某一个孤立的任务，而是一个由多个环节组成的工业流程。

这也是工业智能体与传统工业软件之间一个重要的区别。

工程师与AI的关系正在发生变化

工业软件的发展长期围绕一个核心目标展开：让工程师能够更加准确、高效地完成工作。

最初，计算机帮助工程师完成复杂计算；随后，CAD等软件改变了工程设计方式；自动化控制系统则进一步减少了人工直接操作设备的需求。

大模型和工业智能体正在推动下一阶段变化。

智振将这一过程概括为从Copilot式的辅助决策，逐渐向“大模型智能体主导、人提供辅助”发展，并最终走向更高程度的AI自主决策。

这一变化并不意味着工程师立即退出工业流程。

恰恰相反，在相当长的一段时间内，人仍然需要负责目标设定、关键判断和异常处理，而AI负责大量重复、复杂和需要持续分析的数据工作。

但两者的分工可能发生变化。

今天的工程师可能需要不断操作软件来完成一项工作；未来，工程师可能更多地提出目标，而智能体负责调用不同的软件、数据和模型完成任务。

这意味着工业软件的交互方式也可能发生变化。

工业AI不会简单复制智能驾驶

智振认为，工业智能的发展路径与智能驾驶存在一定相似性。

智能驾驶早期主要是驾驶辅助，驾驶员仍然承担主要责任；随着技术发展，车辆能够在越来越多的场景下自主完成驾驶任务。

工业AI也可能经历类似过程：首先辅助工程师，然后承担越来越多的具体任务，最终在特定场景形成相对自主的运行能力。

但工业领域存在一个明显的困难。

一辆汽车面对的环境虽然复杂，但其运行目标相对明确；而一个制造企业同时面对研发、生产、供应链、设备、质量、能源和经营管理等大量变量。

不同工厂之间的生产流程、设备和工艺也可能存在显著差异。

智振认为，工业AI要实现真正意义上的自主运行，需要解决的不只是模型能力问题，还包括工业数据、业务规则、软件系统、设备控制和安全机制之间的协同。

图：中工互联研发智绘智能体展示

这也解释了为什么工业智能体的发展可能需要更长时间。

下一阶段是知识与流程的重新组织

如果工业智能体能够持续学习并在不同任务之间协作，那么工业软件最终可能不再只是企业保存数据和执行流程的工具，也可能成为企业工业知识的重要载体。

过去，一个经验丰富的工程师离开企业，部分经验也可能随之流失。

而智能体如果能够把企业积累的数据、规则、工艺和业务流程组织起来，就有可能将部分个人经验转化为可调用的数字化能力。

这也是工业智能体受到关注的原因之一。

从这个角度看，当前工业AI的竞争并不仅仅是模型参数规模或者单项功能的竞争，而可能逐渐转向对工业知识、业务流程以及多智能体协作能力的竞争。

最后，智振讲到，对于制造业而言，真正的变化或许不是增加一个新的AI工具，而是重新定义人与软件、设备以及企业知识之间的关系。