在 2026 开放原子开源生态大会上,Open supOS 围绕《开源数据底座赋能工业软件智能化发展》进行了主题分享,系统介绍了 Open supOS 在工业数据治理、工业 AI 落地、工业智能体建设以及行业 OS 共建等方向的思考与实践。当前,制造业数字化正在从“系统建设”走向“智能化应用”。越来越多企业开始关注 AI、Agent、大模型和自动化应用生成,但在工业现场,智能化真正落地的前提,仍然离不开一个稳定、开放、可治理的数据底座。它定位为面向工业场景的开源工厂操作系统,向下连接设备、系统和数据,向上支撑工业应用、工业 Agent 与行业 OS 的持续共建,致力于为工业软件智能化发展提供开放的基础能力。
制造业智能化,首先要跨过数据关
过去几年,制造业数字化建设持续推进,设备联网、数据采集、MES、ERP、SCADA、可视化看板等系统逐步进入工厂现场。但在进一步走向智能化的过程中,很多企业仍然会遇到相似的问题:这些问题背后,反映的是工业智能化的一项基础挑战:数据不仅要“采得到”,还要“看得懂、用得上、管得住”。没有高质量、语义化、可治理的数据底座,工业 AI 很难从试点走向规模化应用。面向工业现场的开源工厂操作系统
Open supOS 基于统一命名空间 UNS,面向工业数据集成与治理,支持 Modbus、OPC UA 等 70+ 工业协议,内置 Node-RED 可视化工具与 MLOps 平台,采用云—边—端协同的微服务架构,并使用 MulanPSL-2.0 国产开源许可证。在工厂现场,Open supOS 主要承担两类角色:一方面,向下连接设备、产线、系统和业务数据,帮助企业打通数据链路,沉淀统一的数据资产;另一方面,向上支撑工业 APP、工业智能体和行业应用开发,让应用构建、业务分析和 AI 落地变得更加高效。我们希望 Open supOS 成为工厂智能化的一层基础设施,让数据能够顺畅流动,让应用能够快速生长,也让 AI 能够进入真实业务场景。UNS:让工业数据具备语义和上下文
在传统系统中,一个数据点可能只是一个变量、字段或表名。但在工业场景中,数据还需要回答更多问题:Open supOS 通过统一命名空间 UNS,将设备数据、生产数据和业务数据按照统一结构进行组织,结合语义标准化、实时数据接入和跨系统互联能力,帮助企业把分散数据转化为可理解、可调用、可治理的数据资产。从 AI Ready 到 Agent Ready
在本次分享中,Open supOS 进一步提出:工业软件的智能化,将从 ChatBot、Copilot 逐步走向 Agent Studio。Agent Studio 则面向具体工业任务,能够理解需求、拆解任务、调用工具,并生成可交付结果。对工业企业来说,真正有价值的 AI,不只是回答问题,而是能够理解业务、调用工具、参与流程。通过 UNS、语义模型、历史数据和权限体系,为 Agent 提供完整上下文。通过数据查询、指标分析、UNS 建模、大屏创建、App 创建等工具链,让 Agent 具备执行能力。通过 App Schema、Dashboard DSL、Metric Contract 等结构化输出,确保生成结果可集成、可复用。通过数据真实性、指标口径、字段语义和权限合规校验,提升 AI 输出的可靠性。这意味着,工业 AI 的建设不能只停留在模型层,而要回到数据、工具、流程和工程化平台本身。面向未来:共建行业 OS
工业现场复杂,行业差异明显,产业链协同周期长。工业软件智能化,不可能依靠单一企业独立完成。Open supOS 选择开源,是希望与开发者、制造企业、集成商、链主企业、行业协会和生态伙伴一起,建设面向工业 AI 时代的开源根技术底座。面向单个工厂,Open supOS 可以作为工厂操作系统,帮助企业连接设备、组织数据、构建应用、落地 Agent。面向产业链,Open supOS 可以作为行业 OS 的共建底座,帮助行业沉淀数据模型、对象体系、流程模板、应用模板、指标体系、知识库和行业智能体。未来,汽配、石化、装备、矿山、食品、纺织、新材料等行业,都可以在开放底座之上,结合自身 Know-how,建设更贴近业务场景的行业 OS。让工业 AI 有一个开源数据底座
工业 AI 的发展,不只是大模型能力的提升,也离不开数据底座、工程平台和开源生态的共同成熟。Open supOS 希望解决的,是工业 AI 落地中最基础也最关键的问题:未来,Open supOS 将继续围绕开源工厂操作系统、工业 AI 数据底座和行业 OS 共建方向,持续完善产品能力、技术文档、应用案例和开发者生态。我们也欢迎更多开发者、制造企业、集成商、链主企业和生态伙伴加入 Open supOS,共同推动中国工业软件开源生态建设。Open supOS:开源的工业 AI 数据底座,行业 OS 的共建底座。