政策正在推动工业智能体，但企业不能把它做成另一个Demo
2026年1月，工业和信息化部等八部门印发《“人工智能+制造”专项行动实施意见》，提出到2027年推出1000个高水平工业智能体、打造100个工业领域高质量数据集、推广500个典型应用场景。2026年7月印发的《重庆市“十五五”人工智能发展规划（2026—2030年）》进一步提出“模型—智能体—场景”技术体系，推动大模型和智能体嵌入制造业全流程，并建设50个“人工智能+”未来工厂。
以上是政策事实。白泽的判断是：工业智能体的价值不在“模型有多大”，而在它能否穿过数据、知识、权限和设备边界，把一次判断变成可验证的业务结果。真正难的不是让模型回答“设备为什么报警”，而是让系统在证据充分、权限明确、风险可控的前提下完成通知、派单、参数建议或安全动作，并把结果重新写回生产系统。
为什么“给大模型接上PLC”不是工业智能体
通用大模型擅长理解自然语言、归纳上下文和生成计划，但PLC、机器人控制器和安全回路要求确定性时序、明确状态和故障安全。两者可以协作，却不应直接混成一层。
一个工业智能体至少要回答五个问题：它感知到了什么，数据是否可信；它依据了哪些SOP、工艺规则和实时状态；它做出了什么判断，置信度和风险等级是多少；它被允许调用哪些系统、在什么条件下执行；执行后结果是否达到指标，失败如何回退。
如果只有“输入问题—模型回答”，它更接近助手；如果能读取现场状态、引用企业知识、形成决策、经过权限校验调用工具，并持续回收执行结果，才接近工业智能体。这也延续了白泽在企业可控Agent中的原则：能力越接近真实执行，边界、审计与失败回退越要先设计。
一套可落地的六层闭环
第一层：场景与指标
先选一个边界清晰的生产问题，而不是先买模型。适合首个闭环的场景通常同时具备：事件可被机器感知、处理规则可描述、动作可分级、结果可统计，例如质量异常处置、设备报警诊断、叉车风险预警和物料缺料响应。每个场景要先写出漏检率、平均响应时间、停机时间或异常闭环时长等基线；没有基线，就无法证明AI创造了结果。
第二层：全域感知
工业视觉、IoT传感器、设备协议、MES/ERP数据和人工输入共同构成感知层。相机识别人员、缺陷、物料和状态；传感器提供速度、温度、振动、距离与开关量；边缘计算负责低时延推理、断网运行和事件压缩。关键不是“数据越多越好”，而是统一时间、设备、批次和工单身份。若一张缺陷图片无法关联产品批次，后面的推理再聪明也难以形成责任清晰的闭环。
第三层：认知理解
RAG并不是把所有文档塞进向量库。工业知识应区分稳定规则、版本化SOP、设备手册、维修记录、质量标准和实时上下文，检索结果要带来源、版本、适用设备和生效时间。视觉模型给出“看见了什么”，RAG补充“企业规定如何处理”，业务数据说明“当前处于什么状态”。相关评测方法可参考RAG评测。
第四层：智能决策
Agent负责把目标拆成步骤、选择工具、组织证据并输出结构化决策。生产环境不应只保留一段自然语言，而应形成事件类型、设备编号、证据列表、风险等级、建议动作、所需审批、超时策略与回退动作。高风险决策还要有规则引擎或状态机兜底：模型可以提出“降低速度并创建检修工单”，但系统必须依据设备状态、人员区域和权限表决定能否执行。
第五层：受控执行
执行层通过登记工具连接MES、ERP、WMS、工单系统、消息平台、PLC或机器人控制器。工具要采用白名单、最小权限、参数校验、幂等键和完整审计。低风险的信息查询、通知和草稿可自动执行；中风险的派单、配方建议和计划调整需确认；涉及人身、设备安全或关键工艺的动作由确定性控制系统与安全回路负责，智能体只能在授权接口内提出请求，不能绕过联锁。
第六层：评测与运营
上线前评测模型能力，上线后评测整条流程。指标至少覆盖四组：感知层的漏检率与误报率；认知层的检索命中、引用正确性与版本适配；决策层的规则符合率、人工驳回率和越权调用次数；业务层的响应时间、闭环时间、停机或废品变化。只有能定位失败发生在哪一层，工业智能体才具备持续运营能力。
用“质量异常处置”看完整链路
视觉模型在边缘端检测到缺陷后，不直接让大模型停线。系统先把图片、置信度、批次、工位和时间封装成事件；再检索当前产品的检验标准、返工SOP与历史相似缺陷；Agent输出异常等级和处置建议；策略网关根据连续异常次数、设备模式和人员权限，决定仅通知、生成质检工单、请求减速，还是触发已有的确定性停线逻辑。
执行结果继续回写：质检员是否确认、最终缺陷类型、采取了什么动作、产线多久恢复。这些数据既用于审计，也成为下一轮模型与规则优化的样本。这条链路体现的不是“一个万能模型”，而是“感知—理解—决策—执行—反馈”协同，也解释了为什么重庆AI开发项目往往同时需要工业视觉、RAG研发、边缘计算和系统集成能力。
企业启动工业智能体的五步清单
第一，选择一个有基线、有负责人、有动作出口的场景。第二，画出事件、知识、权限和执行接口四张清单。第三，只做最小闭环，先让一次异常从发现走到关闭。第四，把自动化等级与风险绑定，不追求一步全自动。第五，用同一组业务指标做试点前后对照，再决定是否复制到更多设备和工厂。
常见失败包括：只做聊天界面，没有实时数据；知识库没有版本与适用范围；Agent拥有过大权限；把模型输出当成控制指令；只测离线准确率，不测异常恢复；现场网络或边缘设备失效时没有降级方案。需要把这套能力接入既有系统时，可以从重庆Agent开发与AI落地服务的最小闭环方法开始。
白泽的判断：先跑通一个可测量的小闭环
政策正在把工业智能体从概念推向工程任务，但企业不必从“建设产业大脑”这样的大目标起步。更稳妥的方法，是从一个可测量的小闭环开始，把全域感知、认知理解、智能决策和受控执行四层跑通。
AI只有进入真实流程、产生可验证结果，才算落地。对重庆制造企业而言，工业智能体的第一性问题不是“选哪个大模型”，而是：现场发生什么、系统凭什么判断、谁授权它行动、行动之后怎样证明有效。
FAQ
工业智能体与普通企业聊天机器人有什么区别？
聊天机器人通常以信息回答为终点；工业智能体还要读取实时状态、引用可追溯知识、调用受控工具、回收执行结果，并满足权限、时延和安全要求。
工业智能体可以直接控制PLC或机器人吗？
不应让通用模型绕过确定性控制和安全联锁直接下发任意指令。它可以通过白名单接口提出结构化请求，最终由规则、状态机、PLC、机器人控制器或安全系统校验和执行。
制造企业应该先做RAG还是先做工业视觉？
取决于场景的事件入口。若问题是“看见缺陷或风险”，先解决可靠感知；若问题是“查制度、诊断和辅助决策”，先整理知识与数据。完整闭环通常需要二者在事件层汇合。
如何判断工业智能体试点是否成功？
同时看技术与业务指标：漏检/误报、检索引用正确性、规则符合率、越权次数、人工驳回率、响应和闭环时长，以及停机、废品或安全事件的变化。缺少试点前基线时，不应宣称取得收益。
参考来源
1. 工业和信息化部等八部门，2026-01-07：《“人工智能+制造”专项行动实施意见》 →
2. 重庆市人民政府，2026-07-31印发：《重庆市“十五五”人工智能发展规划（2026—2030年）》 →
3. 重庆市人民政府网，2026-01-02：推动“人工智能+制造”，重庆计划两年建成30个细分行业“产业大脑” →
4. 中国政府网，2026-01-10：推动AI与制造业双向赋能 →