> **来源：[研报客](https://pc.yanbaoke.cn)** # 从「看见」到「行动」：AI 打造智造新范式总结 ## 核心内容 本文探讨了工业场景中 AI 应用的挑战与突破，提出通过构建工业版的 **Harness Engineering（驾驭工程）** 框架，将 AI 从演示阶段推向真正的工业量产。重点围绕 **Agentic AI、Generative AI、Analytical AI** 三种 AI 类型在制造业中的应用，以及如何通过系统对接、数据语义化、智能体协同工程化、工业级运维与安全等手段解决工业 AI 落地难题。 --- ## 主要观点 - **AI 在工业场景的挑战**： - 通用场景中的 AI 应用（如客服、文案生成）在工业场景中难以直接落地。 - 工业场景对 **良率、成本、效率、稳定性** 有更高要求，涉及 **封闭系统、内部API、遗留模块、硬件接口**，数据处理复杂且具有 **确定性、一致性、实时性、安全** 等工程约束。 - **Agentic AI 的目标**： - 实现 **“感知-分析-决策-执行”闭环**，让机器执行工业任务。 - 需要 **系统能力原子化**，将工业软件系统的能力封装为 Agent 可调用的 **Tool & Action**。 - **解决“水土不服”**： - 通过 **企业上下文接入**，将数据语义化，赋予 AI **工业翻译器**，使其具备理解业务语境的能力。 - 构建 **工业知识图谱**，实现 **隐形知识显性化、显性知识结构化、结构化知识技能化**。 - **解决“致命幻觉”**： - 采用 **双模双轨双Know-how** 架构，结合 **小模型**（确定性执行）与 **大模型**（语义理解与创造性输出），并引入 **工业机理硬约束**。 - 通过 **AI柔性推理** 与 **工业机理硬约束** 实现 **AI+工业软件** 的协同。 - **解决“单打独斗”**： - 强调 **人机协同的分工边界**，引入 **Human-in-the-loop（HITL）** 机制。 - 实现 **多智能体协同**，通过 **Orchestration** 与 **跨系统调度**，推动 **全工厂级别的行动闭环**。 - **解决“黑盒信任”**： - 引入 **沙箱预演**，确保 AI 决策在下发前经过仿真验证。 - 实现 **全链路可观测与可追溯**，通过 **权限管控与安全审计机制** 建立信任。 --- ## 关键信息 ### 工业 AI 与通用 AI 的对比 | 工业场景 | 通用场景 | |----------|----------| | 目标 | 良率、成本、效率、稳定性 | 功能交付、用户体验、办公提效 | | 系统对接 | 封闭/专有系统、内部API、遗留模块、硬件接口 | 开放框架、公共SDK、通用Web技术栈 | | 上下文 | 专有知识、专业术语、工业数据 | 公开知识、通用语料、常识 | | 处理对象 | 控制器代码、设备日志、图纸、工艺文档、系统record | 文档、FAQ、流程、系统导出数据 | | 工程约束 | 确定性、一致性、实时性、安全、依赖集成 | 功能迭代速度、用户交互、生态与扩展、自由灵活 | | 可解释性 | 全链路可观测、解释、追溯 | 接受黑盒 | | 验收 | 系统集成验证与设备联动 | 部署上线、功能验证、交互正确 | | 失败代价 | 停机延误、良率降低、客户影响、直接效益损失 | 差评、弃用、体验问题 | ### 工业 AI 落地的关键要素 - **数据语义化**：赋予数据业务含义，为 AI 提供上下文。 - **系统能力原子化**：将工业软件能力封装为可调用的 Tool & Action。 - **双模双轨架构**：小模型负责确定性执行，大模型负责语义理解与创造性输出。 - **智能体协同工程化**：实现人机协同、多智能体协作，推动全工厂闭环。 - **工业级运维与安全**：通过沙箱预演、全链路可观测、权限管控等机制保障 AI 系统安全可靠。 --- ## 格创实践与成果 ### 数据语义化与系统能力原子化 - 实现 **业务指令**（如“3号炉处于烧结阶段，需调用MES接口调节温度”）的 AI 解析与执行。 - 构建 **知识图谱**，将 **隐性知识** 显性化，形成可调用的 **Skills**。 ### 双模型协同应用 - **大模型**：负责语义理解、任务拆解、创造性输出及决策调度。 - **小模型**：基于机理模型与数据驱动，解决垂直场景需求（如能耗优化、工艺调优）。 ### 系统利旧改造 - 提出 **系统接口准备度分级判定标准**，分为 **L1-L4** 四个级别，建议采取 **不同改造措施**。 - **L1**：直接接入，**L2**：中间转化与映射，**L3**：侵入式改造，**L4**：系统替换。 ### 项目实践案例 - **某半导体 FAB** 项目： - **改造前**：CIM 接口复杂，业务耦合，AI 无法闭环。 - **改造动作**：拆解出 **68个原子能力**，实现语义标注、权限分级、MCP 封装。 - **改造后**： - **生产异常**：Agent 可自动执行 Hold 货、调参、派工闭环。 - **异常结案**：0.5小时自动完成。 - **跨系统协同**：从2小时 $\rightarrow$ 1分钟。 - **年减少异常损失**：超800万元。 --- ## 格创东智 - **公司背景**：2018年由 TCL 战略孵化，是中国领先的工业 AI 企业。 - **业务矩阵**：覆盖 **生产、设备、品质、能碳厂务、智慧物流** 等全场景。 - **核心技术**： - **章鱼智脑 Agentic AI 平台**：支撑工业 AI 应用构建与调度。 - **大小模型能力与工具/插件集成**。 - **知识提炼、机理模型积累、Skill 技能资产沉淀**。 - **服务体系**：提供 **AI咨询、数据治理、系统集成与改造、知识管理、算法模型、平台应用与Agent搭建、实施运维** 等全流程服务。 - **成果指标**： - 80% 的解决方案 AI 渗透率。 - 1000+ AI 落地项目。 - 2022年起营收超10亿。 - 80%+ 研发/技术人员占比。 - 200+ 软著及实用新型专利。 - 3万+ 服务企业数。 --- ## 企业使命与愿景 - **使命**：让工业更智慧。 - **愿景**：格物智，创兴邦。 --- ## 总结 格创东智通过构建工业版的 **Harness Engineering** 框架，结合 **Agentic AI、Generative AI、Analytical AI**，解决了 AI 在工业场景中的落地难题。通过 **数据语义化、系统能力原子化、双模双轨、智能体协同工程化、工业级运维与安全** 等核心技术，实现了 AI 从 **“看见”** 到 **“行动”** 的转变，推动制造业迈向 **AI 化自主治理**。