[智能应用]工业AI如何落地？不是通用智能，而是“懂行”的AI [2P] [复制链接]

当生成式AI的风暴以摧枯拉朽之势横扫内容产业、编程与办公软件时，一条与“热搜”无关、但影响可能更为深远的产业革命，正以一种更为沉稳而深刻的方式悄然加速：工业AI。
制造业的血脉里，长期奔流着两种血液。一种是“动脉血”，强劲而可见——高速运转的机床、自动化的产线、不断攀升的产能，这是物理世界的生产力。
另一种，则是工厂的“静脉血”，沉默却至关重要。它深藏在老师傅口口相传的工艺、经验中的隐性Know-how，无形地决定着产品的良率、成本和最终的竞争力。
通用大模型之所以在工业领域“水土不服”，根源就在于它们能轻易学习全球互联网的“动脉”知识，却很难理解一间特定工厂“静脉”里的奥秘。
一台精密机床上的刀具补偿，或是一台注塑设备在不同湿度下的工艺参数，往往只有经验丰富的老师傅才能准确掌握。而这些深嵌于老师傅感官、肌肉记忆和长期实践中的宝贵“工业知识”，显然无法简单地从互联网上爬取。
于是，一个关乎中国制造业未来的根本问题浮出水面：怎样才能将顶尖老师傅三十年的功力，“无损”地传承到下一个三十年？
6月19日，老牌工业软件厂商鼎捷数智在武汉发布了一系列企业级AI套件，试图用技术打通工业的“动脉”和“静脉”，让老师傅们宝贵的工业经验得以在数字世界里重生、奔流、传承。
那么，鼎捷的破局方法是什么？如果破局成功，工业互联网企业的商业模式、投资逻辑与竞争格局又将发生怎样的改变？
1.一套“会思考的Data+AI软基建系统”
“高层很上头，中层跟着走，基层直挠头。”
在峰会现场，鼎捷数智PaaS事业处首席专家金江博士这句自嘲式的“金句”，道出了当下所有制造企业面对AI浪潮时的集体困境：在“抢跑风险”与“掉队危机”中摇摆不定。
·抢跑？可能会陷入技术迷雾，投入巨大却收效甚微。浙江大学求是特聘教授周伟华一针见血地指出：“技术抢跑不等于战略的领先。”很多企业在技术上投入巨大，却没有想清楚转型的根本目的，最终导致应用与业务脱节。
·掉队？华为云中国区生态发展部长冯雷则警告，AI正在对产业进行底层颠覆，“如果不用AI重新思考，很多合作伙伴未来3-5年会大量创新洗牌。”
面对这一经典的“电车难题”，鼎捷行业方案事业处副总裁顾华杰认为，企业“缺的不是一个系统，而缺少的是一套会思考的系统”。这套“会思考的系统”，其底层设计哲学，应该采用“解耦式架构”——将知识（业务知识库）与行动（Agent执行器）彻底分离。
这样做的好处是，AI的“大脑”（知识）和“手脚”（行动）可以独立升级。当需要进入一个新行业时，只需加载该行业的知识库；当需要对接一个新系统时，只需开发相应的行动插件。
基于此哲学，鼎捷构建了一套“三层火箭”式的产品矩阵，旨在将“老师傅经验”与“大模型推理”拧成一股绳。
第一层：智能数据套件——给工厂做一次“数据CT”
工业AI的第一道坎，就是“静脉血”难以被观测和理解。现实中，这表现为一道“数据暗流”：OT（运营技术）层的海量设备数据与IT（信息技术）层的管理数据互不相通，形成数据孤岛。
鼎捷的第一件“利器”——“智能数据套件”，就是为了疏通这道暗流。它像一台医院的CT机，先给企业做一次彻底的“数据体检”。鼎捷将过去40多年积累的、覆盖数十个行业、企业运营管理不同业务线的知识和经验，封装进这套工具。
它主要会做三件事：
·智能数据体检：它不仅检查数据的一致性、唯一性，更重要的是，它带着“业务属性”去检查。比如，它知道某种材料在特定温度下的厚度应该在什么量级，超出范围即为异常。这种将被动数据管理转为主动数据治理的模式，金江博士称之为“从救火模式转为消防巡检模式”。
·行业知识沉淀：它将数据治理结果与国标、企业标准及历史数据关联，构建出专属于这个工厂的“工艺知识图谱”。目前，鼎捷已沉淀了超过6000个数据元、54个模型，覆盖20多个主题域。
·增强决策智能：进一步用AI来强化输出业务所需的智能洞察力，增强偏差归因和测算推演力。通过自然语言交互提问，智能的输出精准业务数据背后的洞察。目前，鼎捷已经发布了洞察分析、归因分析、测算推演等多组合拳的决策智能能力。
这样的“体检报告”和“决策智能”不仅告诉你哪台注塑机震动异常，还会基于知识图谱解释“若射出压力持续低于80MPa，极有可能导致产品缩水”，并自动将预警回推给排产系统。至此，浑浊的“数据沼泽”开始变得清澈可用。
第二层：企业智能体生成套件——自研“MACP”协议让数字员工协同作战
光有干净的数据还不够，还要让“数字员工”真正协同起来。为此，鼎捷在业内首创了MACP（Multi-Agent Communication Protocol）多智能体通信协议，能把原本各自为战的AI智能体统一进一张“决策神经网络”。
会上，金博士演示了一个极具说服力的案例：一家来自长三角的家庭及户外储能设备制造商，其业务已经覆盖欧美区域，原来在制定月度经营计划时，财务、制造、供应链等不同部门需要同时派人进行长达一周的测算，才能有个初步的经营计划及目标。
现在，基于MACP协议，通过“中心化自主决策+分布式协作执行”的多智能体协作能力，一个复杂的经营决策任务被拆解给不同的智能体协作完成：
我们可以在主智能体对话中看到,在完成语义识别、意图理解和思考方法后,主智能体Commander迅速完成了规划编排,调集六类不同的单智能体,分步激活每个单智能体后分为两条路径并行执行.
最终，六个智能体协同有条不紊的协作执行，并且由主智能体在发现结果不满足最早的任务要求后，发起反思协商流程，让每个智能体重新再进行一次思考。在完成各类综合评估后，新的经营计划给出了单品在欧洲地区提价，锁定50%的原料期货，以及采取20%预付款计划的办法。
基于鼎捷的行业积累和知识沉淀,不仅实现数据驱动智能体, 科学思考与精准决策, 还可以跨系统、跨职能、跨部门, 完成复杂任务的协同处理, 真正实现将AI从“工具属性”进化为“数字员工”属性,为企业运营管理和业务增长提供了价值创造的新范式.
第三层：AIoT指挥中心 & 工业机理AI——打造制造业的“智能咖啡机”
如果说前两层构建了AI的“大脑”和“神经”，那么第三层则赋予了它“手脚”，让思考变为行动。
其中，AIoT指挥中心扮演着“交通警察”的角色。它通过丰富的协议栈，将生产设备（如AGV、立体库、数控机床等）与厂务设备（如中央空调、配电柜、安防监控等）全部接入同一条“数据高速公路”，实现“全域AIoT”。
而鼎捷的“王牌”——工业机理AI，则更是一种融合了物理模型与数据驱动模型的AI，它不再仅仅依赖统计规律，而是试图理解“为什么”。
会上，鼎捷AIoT事业处副总裁叶贤盛还举了一个生动的例子，来解释这一系统的价值：老师傅铸造铜制品时，需要“倒一点，倾一点，重复10次”，这个动作背后蕴含着复杂的流体力学和热力学机理。工业机理AI就是要通过视觉识别、生物识别等AI感知技术，结合算法模型，将这个过程数字化、模型化。
“我们的目标，是让人人都是老师傅，让老师傅变成大师。”叶贤盛说。就像咖啡机将咖啡师的经验固化，让普通人也能做出一杯不错的咖啡，而真正的咖啡大师则可以基于此去创造新的风味。工业机理AI，就是制造业的“智能咖啡机”。
于是一个完美的闭环形成了：实时数据→ 机理推理 → 设备动作 → 产生新数据。而这，已不再是简单的“数字映射”，而是让“虚实融合、反向控制”成为可能。
2.把三十年的功力，写进代码里
鼎捷的这套系统，直面的是中国制造业最深刻的“人才暗流”：70后、80后熟练技工正逐渐老龄化，他们脑中那些“只可意会不可言传”的隐性知识，面临着失传的风险。
如何将这些“指尖知识”，变成AI可以理解和学习的数字资产？
鼎捷的AI套件，围绕着工业知识数字化的核心——情境化，打出了一套组合拳：
1.经验非结构化，先要“多模态、碎片化抓取”：当老师傅示范“三段式刀具磨损补偿”时，系统同时录屏、收音并抓取CNC操作日志，再配合传感器获取工具寿命和工件良率。一次演示即可采集5种模态的数据，大幅降低了知识入库的门槛。
2.工业知识图谱：把“0.01mm公差”写进大模型的词典：不同于开放的互联网百科，工厂知识必须严格、精确。鼎捷将这些知识构建成一个个三元组，如<工序A, 温度, 730℃±5>，并映射到图数据库中。当生产条件变化，系统会自动触发“知识过期”标记，要求重新验证，确保知识的“保鲜”。
3.RAG技术：既要AI聪明，更要AI安全：将包含核心工艺的文档全部喂给公有大模型，存在巨大的数据安全风险。鼎捷采用成熟的RAG（检索增强生成）技术。当用户提问时，大模型只负责理解意图，真正的答案来自企业本地、安全的知识图谱，既保证了回答的专业度，又避免了核心数据外泄。
3.真实效果如何？
那么，鼎捷的这套体系，在现实世界的效果如何呢？或许，我们可以从两个案例中窥知一二。
案例一：嘉利股份的灯光秀——AI赋能的未来工厂
作为全球汽车尾灯的龙头企业，嘉利股份的“未来工厂”实践，为AI落地提供了鲜活的注脚。2023年，嘉利启动未来工厂改造，用鼎捷的平台和套件做了三件关键的事：
1.APS+AI排产：将多地工厂的产线排产、物流仿真、模具库冲突进行一体化计算。
2.一灯一码：为每一只出厂的车灯都绑定了包含20多条关键工艺数据的唯一序列号，实现了全生命周期的精准追溯。
3.无人化物流：通过AIoT指挥中心实现AGV的自动呼叫和路径优化，物流岗位从规划的42人锐减至4人。
一年后，成效斐然：人均产值提升20%，能耗下降15%，研发周期缩短10%，不良率下降20%。2024年末，嘉利股份成功荣获浙江省“未来工厂（头雁型）”称号，并得到相关扶持。
案例二：英飞特的“蛇吞象”——平台能力的极限试炼
一个稳定、敏捷、强大的平台，是所有AI应用能够生根发芽、开花结果的土壤。
如果说嘉利股份的案例证明了AI应用的“上层建筑”何其有效，那么英飞特的故事，则证明了承载这一切的“地基”何其坚固。
2022年，英飞特在并购欧司朗DS事业部后，面临一个“不可能的任务”：其仅有十多人的IT团队，必须在9个月内，从零开始构建一套全新的全球IT系统，去替换掉那个由对方600人IT团队维护、以SAP为核心、遍布全球30多个国家的庞大系统。
“无异于蛇吞象。”英飞特全球IT总监祝芳回忆道。
最终，基于鼎捷的雅典娜PaaS平台，采用“核心套件+大平台+敏捷开发”的模式，他们奇迹般地完成了任务。
这背后，是鼎捷平台提供的统一底座、敏捷构建能力和全球化服务经验的综合体现，也证明了新一代的中国工业软件平台，已经具备了在最复杂的跨国商业场景中，与国际巨头掰手腕的实力。
4.从“一厂一项目”到“平台+生态”：工业软件的商业模式革命
“以往信息化项目，给A公司定制一套流程，要移植到B公司很难。但现在，给A公司做的AI能力，很容易迁移到B公司。”周伟华教授一语道破了AI对工业软件商业模式的颠覆性影响。
在传统的ERP时代，厂商主要靠项目制吃饭，毛利严重受制于人力成本。而平台化和AI套件，则很有可能彻底改变游戏规则：
·收入结构：从一次性的License+维护费，演进为订阅费（ARR）+AI调用费+生态分成。企业无需一次性投入巨额资本，而是按需订阅能力，大大降低了采纳门槛。
·数据飞轮：客户越多，沉淀的数据和行业模型就越丰富，算法就越精准，从而吸引更多客户，形成正向循环。
·网络效应：鼎捷雅典娜这样的PaaS平台，正试图成为工业AI领域的“App Store”。它吸引着像华为云（提供算力）、智程（提供3D设计AI）、能迪（提供智能厂务AI）等生态伙伴入驻，共同服务客户，并通过平台进行收益分成。
对于二级市场而言，如若鼎捷这类公司落地工业AI的进度稳步推进，那么市场这类公司的估值逻辑，可能将从传统软件股的PE（市盈率）估值，向平台/SaaS股的PS（市销率）或ARR倍数估值迁移。
尾声：工业AI的“iPhone时刻”？
1990年代，ERP帮助工厂学会了“记账”；2010年代，工业互联网让机器学会了“说话”；进入2020年代，AI正在让机器学会“思考”。
在这条全新的赛道上，鼎捷数智不是唯一的玩家。西门子的Industrial Copilot、PTC的ThingWorx、达索系统的3DEXPERIENCE，都在加速布局。但所有人都意识到，竞争的焦点已经悄然改变。
过去，比拼的是软件功能的强大与否。而现在，决胜的关键在于：谁能率先将千行百业中那些非结构化、不可言传的行业Know-how，系统性地翻译成AI能够理解和执行的“工艺母语”。
要完成这场深刻的“翻译”工作，所有玩家都必须直面三张决定未来的考卷：
首先是算法信任：如何让AI真正理解0.01mm公差背后的“工艺灵魂”，并赢得产线工人的最终信任？这不仅是技术问题，更是人机交互和企业文化的重塑。
其次是持续知识采集：老师傅的经验会随新材料、新工艺而演进，如何建立一套敏捷的机制，让模型永不“过期”，始终保持对最新工艺的理解？
最后，也是最关键的，是生态繁荣度：一个平台能否吸引到足够多的第三方开发者和ISV（独立软件开发商），愿意把他们最好的“插件”和应用写在你的平台上？毕竟，没有一个玩家能解决所有行业的全部问题，开放的生态才是最终的护城河。
这三张考卷的答案，将直接决定谁能在这场工业转型升级的浪潮中，率先激活制造业数据与知识的“第二脉搏”，开启属于工业AI的“iphone时刻”。

鼎捷数智提出的破局方法主要围绕构建一套“会思考的Data+AI软基建系统”，旨在打通工业的“动脉”和“静脉”，让老师傅们宝贵的工业经验得以在数字世界里重生、奔流、传承。具体来说，鼎捷的方法包括以下几个方面：

1. 智能数据套件：鼎捷推出的“智能数据套件”旨在解决工业AI中的数据问题，通过智能数据体检、行业知识沉淀和增强决策智能，将被动数据管理转为主动数据治理，构建专属于工厂的“工艺知识图谱”。

2. 企业智能体生成套件：鼎捷自研的“MACP”协议（Multi-Agent Communication Protocol）多智能体通信协议，能够实现不同AI智能体之间的协同作战，提高决策效率和执行力。

3. AIoT指挥中心 & 工业机理AI：AIoT指挥中心负责将生产设备与厂务设备接入同一条“数据高速公路”，而工业机理AI则融合物理模型与数据驱动模型，理解生产过程中的“为什么”。

如果鼎捷数智成功破局，工业互联网企业的商业模式、投资逻辑与竞争格局可能会发生以下改变：

- 收入结构变化：从传统的一次性License+维护费模式转变为订阅费（ARR）+AI调用费+生态分成模式，降低企业采纳门槛，实现更加灵活的收入结构。

- 数据飞轮效应：随着客户数量的增加，沉淀的数据和行业模型将更加丰富，算法更加精准，形成正向循环，吸引更多客户。

- 网络效应：鼎捷雅典娜这样的PaaS平台可能会成为工业AI领域的“App Store”，吸引生态伙伴入驻，共同服务客户，并通过平台进行收益分成。

- 估值逻辑变化：如果鼎捷数智在工业AI领域取得稳步进展，市场对这类公司的估值逻辑可能从传统软件股的PE（市盈率）估值转变为平台/SaaS股的PS（市销率）或ARR倍数估值。

总的来说，鼎捷数智的破局方法和潜在的成功将推动工业互联网企业向更加智能化、平台化和服务化的方向发展，同时也将改变市场对这类企业的估值和投资逻辑。