（记者 张苏慧）日前，工业和信息化部两化融合工作领导小组会议举行。会议审议了《工业和信息化部信息化和工业化融合2025年工作要点》，研究部署推进两化融合的思路举措。其中提到，要以工业智能体为抓手深化人工智能工业应用，带动工业数据集、工业大模型的创新迭代。
（图片来源：摄图网）
在此背景下，工业智能体正凭借其自主决策、协同优化的核心优势加速落地，成为制造业数字化转型的关键支撑，更对数据质量、技术适配性与产业协同提出了全新挑战。
工业智能体比传统工业机器人更“聪明”
工业智能体是指在工业环境中，通过融合先进的信息技术、自动化技术与人工智能技术，实现对生产设备、工艺流程和物流管理等环节智能化控制与优化的系统。它不仅能提升生产效率与产品质量，还能降低生产成本与资源消耗，增强企业的市场竞争力。企业的信息化、数字化、智能化的三化建设，就是工业智能体的基础。
展开剩余63%工业智能体与传统工业机器人相比，具有革命性差异。工业机器人通常需要耗费大量时间和成本进行编程，而智能体能理解自然语言指令，自主决策并控制物理设备完成工业任务，其核心特征在于“自主性”与“协同性”。
智能体应用成为工业领域大势所趋
2025年被称为“智能体年”。据最新行业报告，全球工业智能化市场规模今年将突破3.5万亿元人民币，而中国贡献了其中超过40%的份额。工业智能体已走出实验室，在多个领域创造实际价值。
例如，中工互联发布的工业智能体系统整体架构突破了传统工业自动化与人工智能的简单叠加模式，创造性地构建了从“装备-产线-工厂-行业”的四层架构设计。该架构以“工业智能体”为核心，通过赋予工业设备自主感知、认知、决策与执行能力，实现虚拟AI数字世界与物理工业生产世界的深度融合。
此外，和利时集团通过DeepSeek大模型实现铁路运输优化、格创东智打造的曝光补值智能体串联起TCL华星全流程检测系统；海尔卡奥斯工业互联网平台通过“大连接、大数据、大模型”架构，为多行业提供群体智能决策支持等等。
工业智能体面临数据挑战
当前，大数据已成为人工智能大模型运作的“养料”，投入的数据不完整、含偏见、有毒有害等可能会随数据采集—处理—流通全周期进一步扩散输出，伴随人工智能接入工业互联网、工业制造流程，源头的数据风险可能直接影响到工业领域，诱发纷繁复杂的安全影响。再加上人工智能对于数据的需求量很大，数据的数量、质量、可得性、流动性对于模型性能起到关键作用，已成为新型工业化进程的影响因子。
此外，工业现场复杂，通用技术很难直接适配。不同设备采集的数据格式不一样，质量也参差不齐，工业数据还存在数据缺失、噪声干扰、数据孤岛等问题，这就导致模型很难训练。
工业智能体的价值实现高度依赖数据闭环，这要求设备商、软件商、系统集成商乃至终端客户形成深度协作。例如，在某智能工厂项目中，设备供应商开放了PLC底层数据接口，软件开发商基于这些数据开发了预测性维护模型，而原材料供应商则通过共享库存数据优化了供应链响应速度。这种“数据共享+联合建模”的模式，让各方在数据流通中实现价值共创。
转自：晓说通信
发布于：北京市配资十大正规公司提示：文章来自网络，不代表本站观点。
