2025年是智能體落地元年，智能體推動傳統(tǒng)行業(yè)從數(shù)字化進入到智能化時代。

工業(yè)制造作為數(shù)字化時代不被重視的行業(yè)，在智能化時代反而備受關(guān)注，涌現(xiàn)出諸多智能體應用。智能化時代，工業(yè)制造成為智能體落地的重點行業(yè)。

01 

離散工業(yè)智能體迎來全新發(fā)展機遇

相比金融、消費零售，工業(yè)包含非常多細分領(lǐng)域。

按照工業(yè)制品，根據(jù)《國民經(jīng)濟行業(yè)分類》（GB/T4754-2011），工業(yè)行業(yè)可以被分為制造業(yè)、采礦業(yè)、水電燃氣生產(chǎn)供應業(yè)3個二級行業(yè)，41個三級行業(yè)。

 

 

按照生產(chǎn)制造方式，工業(yè)可以分成三大類：流程制造、離散制造和混合制造。

 

 

流程制造主要是大型企業(yè)，特點是大裝置大投資，自動化程度高，生產(chǎn)制程確定后幾乎不變。離散制造則有很多中小企業(yè)，特點是非標準化程度高，柔性生產(chǎn)居多，生產(chǎn)工藝、生產(chǎn)制程變化多。

 

數(shù)字化時代，因流程制造企業(yè)多數(shù)為大型企業(yè)，數(shù)字化預算投入高，生產(chǎn)流程相對穩(wěn)定不變，更有利于各類數(shù)字化系統(tǒng)落地。離散制造因其品類諸多、生產(chǎn)非標程度高，落地挑戰(zhàn)大，發(fā)展空間受限。

 

但智能化時代，大模型技術(shù)的泛化能力和分析決策能力，讓離散工業(yè)智能體迎來全新發(fā)展機遇。

 

02 

智能化和全球化雙輪驅(qū)動離散工業(yè)智能體發(fā)展

離散工業(yè)智能體發(fā)展主要是智能化和全球化兩大核心驅(qū)動因素。

 

 

大模型技術(shù)發(fā)展為離散工業(yè)智能體落地奠定技術(shù)基礎(chǔ)。

 

首先，以視覺為代表的傳統(tǒng)工業(yè)AI落地，最大挑戰(zhàn)是面對靈活多變的工藝和制程，AI交付門檻過高，AI交付成本過重。

多數(shù)離散工業(yè)企業(yè)存在大量“柔性生產(chǎn)”，多數(shù)情況不是按照庫存進行生產(chǎn)，而是根據(jù)訂單進行生產(chǎn)。大部分訂單需求也不是標準的，需要重新調(diào)整工藝和制程。這使得傳統(tǒng)AI落地時，需要根據(jù)每條產(chǎn)線、每個產(chǎn)品重新進行調(diào)整，交付成本高，無法服務于小批量生產(chǎn)。

 

大模型本身的泛化能力，使得智能體具備一定通用性，在一定程度降低了交付門檻和成本，這讓AI在離散工業(yè)企業(yè)落地成為可能。

 

其次，離散工業(yè)的“柔性生產(chǎn)”過往非常依賴于人工經(jīng)驗。在需求確認、銷售報價、工藝設(shè)計、制程確定、生產(chǎn)交付過程中有大量決策工作。

 

這些決策并非流程制造那種復雜決策，而是圍繞著訂單交付，基于業(yè)務經(jīng)驗的調(diào)控調(diào)度類決策，這類決策門檻不是很高，但重復性強，需要綜合各類信息。

 

大模型的海量數(shù)據(jù)處理能力，基于歷史數(shù)據(jù)和過往經(jīng)驗進行分析決策能力，恰好能夠幫助離散工業(yè)解決這個問題。

 

考慮到最終還是由人來完成決策，大模型更多是輔助決策，基于過往案例，匯集各類數(shù)據(jù)，分析當前問題，給出解決方案。這種人機交互方式也能夠大大降低大模型幻覺問題，發(fā)揮其海量數(shù)據(jù)處理優(yōu)勢。

 

技術(shù)突破只是一方面，更重要的是離散工業(yè)企業(yè)正迎來全球化發(fā)展機遇，由此帶來的是工程師人才長期供給存在缺口。

 

中國企業(yè)出海已成為必選項，而非可選項。對工業(yè)企業(yè)而言，出海不僅僅是訂單出海，還要生產(chǎn)出海。蘋果等大型企業(yè)對供應鏈企業(yè)的要求是必須有海外工廠，建廠容易，但熟悉業(yè)務的工程師人才招聘困難。

 

正如前文所言，離散制造這種業(yè)務形態(tài)對一線工人要求不高，對工程師要求較高。能夠基于訂單需求，對工藝和生產(chǎn)制程進行調(diào)整優(yōu)化，在生產(chǎn)過程中基于產(chǎn)線產(chǎn)能和訂單優(yōu)先級進行隨時調(diào)整。

 

借助智能體，能夠幫助工業(yè)企業(yè)縮短人才培養(yǎng)周期，降低對工程師能力要求。長期來看是有效提升工業(yè)企業(yè)的競爭力，在全球化競爭中占據(jù)一定先發(fā)優(yōu)勢。

 

03 

云端工業(yè)智能體是未來趨勢，數(shù)據(jù)積累和用戶反饋是實現(xiàn)智能決策的關(guān)鍵

除了大模型，智能體落地依賴于專家知識、工具、工作流等能力，而且需要用戶持續(xù)反饋數(shù)據(jù)，才能夠持續(xù)進化，真正實現(xiàn)輔助決策甚至自主決策。

 

 

針對工業(yè)場景，核心挑戰(zhàn)在于如何積累工程師經(jīng)驗知識，并獲取用戶持續(xù)反饋。

 

因為離散工業(yè)品類諸多，即使是同一品類每家企業(yè)的工藝和制程都存在不同差異，缺乏批量化手段去低成本積累這些工程師經(jīng)驗。比較可行的方式是基于一個可用產(chǎn)品，持續(xù)獲取用戶反饋，不斷優(yōu)化迭代，從而能夠搭建出一個好用的智能體。

 

考慮到同品類工業(yè)企業(yè)雖然存在差異，但整體生產(chǎn)方式和流程類似。如果能夠匯集多家企業(yè)的經(jīng)驗，抽象總結(jié)成最佳實踐經(jīng)驗，這對于智能體持續(xù)迭代優(yōu)化有非常大幫助。

 

限于當前基礎(chǔ)模型能力，高參數(shù)基模能力在泛化性、分析決策能力上明顯更優(yōu)。私有部署大參數(shù)基模的成本過高，選擇云端接入是更有性價比的方案。

 

基于上述因素，云端智能體是必然趨勢，能夠調(diào)用能力更強的基模、能夠持續(xù)獲取用戶反饋進行迭代優(yōu)化。

 

考慮到超大型企業(yè)對數(shù)據(jù)安全要求高，更加傾向于本地部署，因此，更容易接受云端部署的成長型企業(yè)是智能體落地更合適切入點。

 

離散企業(yè)多數(shù)為成長型企業(yè)，潛在客群規(guī)模大。同時，這些成長型企業(yè)更加面臨工程師人才長期存在缺口的問題，需求旺盛。最后，這些成長型企業(yè)多數(shù)有出海計劃，更傾向選型具備多云部署能力的智能體。

 

04 

工業(yè)智能體主要廠商

工業(yè)智能體目前主要是三類廠商，以互聯(lián)網(wǎng)大廠為代表的基模廠商、傳統(tǒng)工業(yè)軟件廠商和AI原生智能體廠商。

 

 

基礎(chǔ)廠商的優(yōu)勢在于AI技術(shù)能力強，具備一定AI工程化和落地能力，但缺乏工業(yè)場景理解和智能體應用交付能力。重點還是提供算力、模型等基礎(chǔ)設(shè)施服務。

 

傳統(tǒng)工業(yè)軟件廠商的優(yōu)勢在于工業(yè)場景理解和客戶資源豐富，但AI技術(shù)能力弱，缺乏工程化落地能力，同時智能體一般會綁定現(xiàn)有工業(yè)軟件，產(chǎn)品靈活性較差。

 

AI原生智能體廠商的優(yōu)勢在于AI落地能力強，能夠快速實現(xiàn)智能體應用開發(fā)和交付，但工業(yè)場景理解一般，客戶資源相對薄弱。

 

圓木智能是一家典型的AI原生智能體廠商，聚焦工廠需求、研發(fā)、生產(chǎn)三大核心環(huán)節(jié)，為制造企業(yè)提供從需求分析到研發(fā)設(shè)計、再到生產(chǎn)執(zhí)行的全鏈路 AI 解決方案，助力企業(yè)實現(xiàn)運營效率與決策質(zhì)量的雙維提升。

 

圓木智能重點圍繞著訂單到生產(chǎn)、需求到設(shè)計、面向生產(chǎn)的設(shè)計優(yōu)化與評審等多工種協(xié)作的復雜場景，提供排產(chǎn)智能體、智能文檔解析和設(shè)備智能交付等產(chǎn)品服務。

 

目前，圓木智能已經(jīng)在機加工、高端裝備、消費電子等領(lǐng)域有落地案例，憑借團隊的AI大模型工程化能力和工業(yè)場景Know-how經(jīng)驗，為工業(yè)企業(yè)提供定制化解決方案。