创新奇智工业智能体平台快速迭代，让AI“听得懂、做得对、建得快”

智能体升级，开启工业AI“下半场”

经营者说

创新奇智CEO徐辉：

努力成为“AI+制造”大模型智能体应用领导者

任何伟大技术都源自基础创新，但其价值的最终放大必然体现在行业应用之中，这也正是创新奇智在AI时代的价值所在。当前，算力、芯片、数据中心等基础设施建设备受关注，但创新奇智的自身定位始终清晰——行业应用公司。创新奇智立志成为“AI+制造”大模型智能体应用领导者，目前已经形成“技术产品+行业产品”双轮驱动的核心竞争优势，将技术产品与商业化、工程化能力相融合，助力制造业实现研产供销服等核心流程的全面AI赋能。

年初爆火的“龙虾”热度已褪，但AI智能体的故事远未终章。工业，也许是下一个最值得被期待的领域。

近日，“AI+制造”企业创新奇智正式对外发布全新升级的工业智能体平台。这是创新奇智在今年3月发布首款面向制造业的全栈式本体智能体平台后，针对工业智能体规模化落地所做的新一轮技术和平台升级。

不到半年时间的全面升级，表明AI技术在飞速演进，更说明来自工业制造一线的新需求在持续涌现。

从大模型到智能体，人们普遍认为工业AI正步入“下半场”。通过智能体的深度应用，实现全链路“体系化智变”取代单点“局部智能”成为新愿景。

早在工业AI“上半场”就已入局的创新奇智，如今正在构筑在工业智能体领域的“护城河”。在创新奇智看来，就像在“上半场”一样，快速的技术迭代及对制造业场景和需求的理解，依然是它在新的阶段实现突破的依仗。

智能体成为工厂新型基础设施

从最先落地的AI视觉质检、设备异常预警等场景算起，AI“进厂打工”被广泛讨论已经有近十年。一项调研数据显示，全球约70%的制造企业已经在某种程度上引入AI，用于生产、质检或供应链等环节。

但人类对智能工厂的想象从来不止于这些，一座能够自主运行、自主决策的高效率“零差错”工厂早已被当作蓝图描绘了无数次。单一环节的改进提升只是工业AI的“初级阶段”，深度嵌入制造企业核心业务流程，推动制造业实现“研发—生产—运营—物流—销售—服务”全链路智能化，才是工业AI的“高阶任务”。

智能体技术的发展，为所有这些想象的落地提供了一种可能。工业智能体，简单来说是具备感知、决策、执行一体化能力的软硬融合系统，能实现复杂决策的自主化执行。某种意义上，它是AI重塑传统工业业务流程的新型数字基础设施，通过与大模型分工协作，让AI能够自主管理工厂。

对工业AI厂商来说，谁能在智能体规模化落地上率先取得突破，谁就能在新一轮工业AI的竞争中抢得先机。这也正是今年以来，创新奇智接连推出聚焦智能体落地的重磅技术方案和成果的背后逻辑。

“过去几年，智能体的开发范式经历了多次转变。今年，‘驾驭工程’成为最受市场关注的新范式，如何让智能体稳定运行是这一范式要回答的核心问题。”创新奇智首席技术官李凡表示，因此，智能体应用的重心正从个人生产力工具向企业核心业务流程切换，这为智能体加快在制造业推广应用创造了新的契机。

创新奇智最新发布的业绩报告显示，今年上半年创新奇智首次实现调整后扭亏为盈，“AI+制造”业务营收占比进一步提升至81.5%。这背后，离不开工业大模型和智能体平台在制造业场景的加速落地。随着全新升级的技术平台的落地，创新奇智在工业智能体领域的步伐有望进一步加快。

让AI“听得懂、做得对、建得快”

当前，制造企业落地智能体普遍面临“三高”困境——技术门槛高、落地成本高、出错风险高。具体来说，即智能体搭建需专业工程师手工搭建本体架构与业务工作流，单一场景开发搭建往往耗时数日，且受大模型幻觉问题影响，极易生成错误业务逻辑，给生产制造带来巨大损失。

创新奇智新升级的工业智能体平台所瞄准的正是智能体技术创新与制造业工程化落地之间的鸿沟。用李凡的话说，升级后的平台从工程体系层面完成了智能体能力重塑，让智能体真正具备生产级运行能力与规模化部署条件。

“工业本体（Ontology）+驾驭工程（Harness Engineering）+智能编码（AI Coding）”的三位一体智能体开发范式是平台的核心能力。用通俗的语言解释就是，依托这种三位一体的架构，智能体能“听得懂、做得对、建得快”。

比如在设备维护场景，当一台设备发生异常，工业智能体需要同时查询设备实时数据、维修记录、操作程序和备件库存，然后按照企业自身的维修规则得出结论，进而生成维修方案、创建工单，甚至触发备件申请。

这就意味着AI不仅要具备通用的语言理解和生成能力，还需要理解企业相关的业务流程和逻辑。创新奇智开发的技术平台就能很好地实现这一点。

工业本体负责让AI“听得懂”，依托这一模块，分散的工业数据由此转化为智能体可理解、可调用的企业业务语义，并将行业老师傅的隐性实操经验沉淀为可量化的参数与规则；驾驭工程负责让AI“做得对”，通过内置自动化测评机制，实现输出结果可核验、执行状态可追溯、异常故障可修复；智能编码则让AI“建得快”，能快速生成适配不同业务场景的定制化工业智能体。

“三者协同联动，将抽象业务语义转化为可执行、可验证、可持续迭代演进的生产级工业智能体，智能体搭建周期从数天缩短至数分钟，实现了从‘手搓’到‘自动化’的跨越。”李凡说。

将“商业化”能力放在重要位置

制造业从来不是一门速成的生意。要在工业AI这场耐力赛中脱颖而出，除了要有技术上的“独门绝活”，更要有过硬的商业化能力。

这一点或许没有人比已经深耕“AI+制造”8年的创新奇智感受更深。最初，创新奇智也曾采取高举高打的业务扩张模式。但后来，制造业大环境的变化及AI行业自身的快速发展让创新奇智意识到唯有“能赚钱”才能实现长期的良性发展。

瞄准商业化能力的不断优化，创新奇智以现金流为重要维度积极调整策略。一个让人印象颇为深刻的例子是，创新奇智曾主动放弃一个已经中标、金额高达1.4亿元的新能源汽车项目，原因仅仅是该项目账期过长。今年上半年，创新奇智首次实现调整后盈利。

面向工业AI“下半场”的争夺，高效的商业化落地仍然是创新奇智发力的重点。为此，创新奇智持续升级技术平台的同时，也在持续更新市场策略。

前沿部署工程师团队（FDE）的组建就是一项至关重要的举措。FDE模式源自硅谷，与传统的工程师“驻场”进行定制化开发不同，FDE模式是带着现有的产品进场，工程师负责不断改进产品能力以满足实际需求，并将新的经验和能力沉淀到产品中。今年OpenAI、Anthropic等明星AI创业公司先后成立合资公司，采用FDE模式将模型能力通过专业团队带到客户现场，帮助产品规模化落地。

创新奇智CEO徐辉介绍，企业面向头部企业客户打造FDE模式，不断充实平台能力。经过多客户场景验证后，创新奇智将成熟能力封装为标准化轻量化套件，并快速复制推广至同行业客户，实现制造业规模化落地，达成“重点客户攻坚、平台资产沉淀、行业套件开发、同类客户复制”的飞轮效应。

目前，创新奇智已经打造了基于工业智能体平台的多款工业智能体套件，涵盖设备管理、能源管理、制造数据分析等制造业企业核心场景。

“过去8年，创新奇智已服务超过1800家实体企业，沉淀了上万个行业场景、高质量数据与最佳实践。未来，我们将充分释放这一深厚积累的复利效应，全面加快工业大模型与工业智能体的规模化应用落地，致力于成为中国制造业的AI原生基础设施领导者。”徐辉表示。（青岛日报/观海新闻记者  孙欣）

责任编辑：孙源熙