從“設(shè)備管人”到“數(shù)據(jù)賦能人”，從“經(jīng)驗(yàn)驅(qū)動(dòng)”到“智能決策，工業(yè)自動(dòng)化的演進(jìn)，本質(zhì)是生產(chǎn)關(guān)系與生產(chǎn)力的持續(xù)重構(gòu)。隨著自動(dòng)化技術(shù)的顛覆性突破，人工智能的加速發(fā)展使得“人機(jī)結(jié)合”的制造環(huán)境正逐步變?yōu)楝F(xiàn)實(shí)。其中，工業(yè)AI智能體（Agent）正在滲透到工業(yè)全流程，帶來(lái)的不止于效率的提升，更有可能重構(gòu)人機(jī)結(jié)合的邊界以及管理的邊界，成為一種隱形的競(jìng)爭(zhēng)力。

工業(yè)AI智能體（Agent），主要指利用開源大模型、LangChain、LangGraph等大模型框架，以及MCP、RAG、FunctionCall、Text2SQL、Text2KG等大模型技術(shù)，構(gòu)建工業(yè)Agent基礎(chǔ)框架和能力，為工業(yè)場(chǎng)景提供創(chuàng)新解決方案。這是一種特殊的人工智能體，它專門針對(duì)工業(yè)生產(chǎn)制造場(chǎng)景設(shè)計(jì)和優(yōu)化，滿足工業(yè)智能應(yīng)用在確定性、可信性、適用性、可控性、工程化等方面的嚴(yán)格要求。工業(yè)智能體具備對(duì)企業(yè)生產(chǎn)過(guò)程、人員、設(shè)備、環(huán)境等多方面的感知和控制能力。通過(guò)傳感器網(wǎng)絡(luò)，它能夠?qū)崟r(shí)獲取生產(chǎn)線上設(shè)備的運(yùn)行狀態(tài)、環(huán)境參數(shù)等信息，并根據(jù)這些信息進(jìn)行智能決策和控制。

工程師的“好搭子”

工業(yè)AI智能體加速“人機(jī)結(jié)合”

西門子在今年工博會(huì)上展示了其功能完備的Industrial Copilot工業(yè)智能體應(yīng)用，可全面覆蓋流程工業(yè)與離散工業(yè)領(lǐng)域中工業(yè)價(jià)值鏈的各個(gè)環(huán)節(jié)。憑借其在工業(yè)領(lǐng)域積累起的廣泛的實(shí)踐經(jīng)驗(yàn)，西門子已經(jīng)將涵蓋制造業(yè)、冶金、數(shù)據(jù)中心、物流等行業(yè)的工業(yè)知識(shí)沉淀為安全規(guī)范與工藝模型，內(nèi)嵌于其工業(yè)AI智能體決策邏輯中。西門子表示，在工廠場(chǎng)景下，其工業(yè)AI智能體已經(jīng)能夠串聯(lián)不同功能的協(xié)同助手，實(shí)現(xiàn)工業(yè)全價(jià)值鏈工作流程的自動(dòng)化運(yùn)行。

在現(xiàn)場(chǎng)，西門子展示了Industrial Copilot在中國(guó)的首個(gè)試點(diǎn)項(xiàng)目效果。其攜手中科摩通打造的新一代新能源汽車EMB智能裝配設(shè)備正是通過(guò)Industrial Copilot輔助工程師進(jìn)行自動(dòng)化程序開發(fā)，提高效率20％，結(jié)合西門子標(biāo)準(zhǔn)化解決方案及機(jī)器人庫(kù)，Industrial Copilot助力中科摩通將程序開發(fā)時(shí)間減少 30%，產(chǎn)線現(xiàn)場(chǎng)調(diào)試周期縮短30%，人工與物料損耗降低10%，充分證明了工業(yè)AI在復(fù)雜制造環(huán)境中的真實(shí)價(jià)值。

據(jù)了解，目前西門子的工業(yè)智能體的類型已經(jīng)覆蓋設(shè)計(jì)、規(guī)劃、工程、運(yùn)營(yíng)、服務(wù)等各個(gè)流程，堪稱“工程師的好搭子”。

比如，面向設(shè)計(jì)的Copilot，支持自然語(yǔ)言交互，目前已適配NX CAD軟件，能夠加速產(chǎn)品設(shè)計(jì)流程，助力用戶開拓創(chuàng)新設(shè)計(jì)思路。設(shè)計(jì)工程師可借助該工具高效處理復(fù)雜數(shù)據(jù)、權(quán)衡利弊，并完成跨領(lǐng)域任務(wù)。此外，西門子正在研發(fā)氫氣生產(chǎn)工廠設(shè)計(jì)工具Hydrogen Configurator。借助該工具，用戶可以無(wú)縫生成包含精準(zhǔn)工廠單元布局與互聯(lián)功能的工藝流程圖。

而面向運(yùn)營(yíng)的Copilot可對(duì)整個(gè)工廠的運(yùn)營(yíng)狀況進(jìn)行全景化洞察分析。在設(shè)備層面，西門子還計(jì)劃推出面向車間工人用于運(yùn)營(yíng)管理的Copilot，預(yù)計(jì)于2025年底正式發(fā)布。在流程工業(yè)領(lǐng)域，生成式AI助手SIMATIC eaSie支持技術(shù)人員與維護(hù)人員通過(guò)文字聊天或語(yǔ)音對(duì)話，快速調(diào)取工廠及設(shè)備的相關(guān)數(shù)據(jù)，從而有效增強(qiáng)控制室遠(yuǎn)程監(jiān)控與現(xiàn)場(chǎng)作業(yè)維護(hù)的可靠性及安全性。值得一提的是，其面向服務(wù)的Copilo可為維護(hù)團(tuán)隊(duì)提供專家級(jí)設(shè)備診斷服務(wù)。近期該解決方案的應(yīng)用已全面覆蓋設(shè)備維護(hù)全生命周期，支持從被動(dòng)維修到預(yù)測(cè)性、預(yù)防性維護(hù)的全流程管理。試點(diǎn)實(shí)施數(shù)據(jù)顯示，該方案可使被動(dòng)維護(hù)時(shí)間平均縮短25%。

以上AI智能體都依托于西門子開放的數(shù)字商業(yè)平臺(tái)Xcelerator，中國(guó)已鏈接53 萬(wàn)用戶，匯聚300多個(gè)生態(tài)伙伴，其中超60%與AI相關(guān)，構(gòu)建起開放共贏的創(chuàng)新生態(tài)。

此外，研華科技也展出了基于邊緣軟硬件能力的WISE-Edge協(xié)同平臺(tái)，以及自研的AI大模型底座與行業(yè)應(yīng)用集結(jié)的AgentBuilder工業(yè)智能體平臺(tái)。兩個(gè)平臺(tái)向下對(duì)接制造業(yè)、能源、食品、醫(yī)療等企業(yè)的生產(chǎn)數(shù)據(jù)與現(xiàn)場(chǎng)指令，向上對(duì)接設(shè)備運(yùn)維、碳能管理各類應(yīng)用場(chǎng)景模型，作為“模型載體”讓AI融入場(chǎng)景、現(xiàn)場(chǎng)自助決策和部分控制的閉環(huán)。例如，AgentBuilder工業(yè)智能體平臺(tái)的能源管理、裝備管理、產(chǎn)線診斷，就是賦能制造業(yè)很常見的應(yīng)用類別。

顯而易見，AI技術(shù)發(fā)展并融入工業(yè)場(chǎng)景，顯著提升了工業(yè)自動(dòng)化和工業(yè)機(jī)器人的性能。麥肯錫全球研究院的報(bào)告指出，AI除了極大提升了機(jī)器的感知能力，優(yōu)化決策能力，并提升運(yùn)動(dòng)控制精度外，很重要的一點(diǎn)在于增強(qiáng)人機(jī)交互的易用性。自然語(yǔ)言和語(yǔ)音界面的發(fā)展，使沒有受過(guò)專業(yè)技術(shù)培訓(xùn)的人員也能輕松與AI互動(dòng)。例如工業(yè)AI助手，新員工無(wú)需大量系統(tǒng)培訓(xùn)，直接詢問(wèn)就能獲取答案，推動(dòng)數(shù)據(jù)驅(qū)動(dòng)決策的民主化。AI將作為工業(yè)軟件系統(tǒng)的“前端”，通過(guò)人性化交互方式，取代繁瑣的操作流程。如生成式人工智能可幫助草擬郵件、制作演示文稿，在工業(yè)領(lǐng)域能提高生產(chǎn)力、簡(jiǎn)化工作流程和縮短價(jià)值實(shí)現(xiàn)時(shí)間。

正如西門子所表達(dá)的對(duì)于工業(yè)智能未來(lái)的期待是，未來(lái)工業(yè)AI智能體與工人無(wú)縫協(xié)作，由智能體自主承擔(dān)常規(guī)性工作流程，釋放人力專注于創(chuàng)新研發(fā)、創(chuàng)意設(shè)計(jì)及復(fù)雜問(wèn)題攻堅(jiān)。

智能背后的“人”

將經(jīng)驗(yàn)數(shù)字化的“認(rèn)知制造”

AI在工業(yè)領(lǐng)域的應(yīng)用，已經(jīng)貫穿于產(chǎn)品設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等眾多環(huán)節(jié)。它可以成為“數(shù)字伙伴”，承擔(dān)信息整合、初步判斷與建議生成的任務(wù)，讓人專注于更高層次的戰(zhàn)略決策。更進(jìn)一步，則是可以起到“知識(shí)傳承”的作用，將資深工業(yè)人的經(jīng)驗(yàn)提煉為可復(fù)用的決策邏輯。這在技能人才短缺的背景下意義深遠(yuǎn)。

事實(shí)上，這樣的變化正在發(fā)生。比如，在一座先進(jìn)的半導(dǎo)體制造工廠里，智能化革命已經(jīng)穿透設(shè)備層，滲透至整個(gè)制造生態(tài)——從設(shè)備層向工藝鏈、車間乃至整廠多層級(jí)智能感知演進(jìn)，為模型訓(xùn)練、工藝優(yōu)化與調(diào)度協(xié)同提供支撐，構(gòu)建覆蓋全流程的智能響應(yīng)機(jī)制。AI正在將制程數(shù)據(jù)轉(zhuǎn)化為可進(jìn)化的“工藝大腦”，形成智能調(diào)度算法、AI良率模型，讓半導(dǎo)體工廠悄然走向“無(wú)人”。

平臺(tái)負(fù)責(zé)打通OT和IT系統(tǒng)，實(shí)現(xiàn)人機(jī)界面的統(tǒng)一，并達(dá)到各個(gè)環(huán)節(jié)的數(shù)據(jù)，讓設(shè)備不再“各自為政”；大模型則負(fù)責(zé)理解、預(yù)測(cè)和規(guī)劃，把“經(jīng)驗(yàn)”變成“算法”。AI智能體就像是一個(gè)個(gè)人類工人的“數(shù)字分身”，在產(chǎn)線里獨(dú)立執(zhí)行換線、采購(gòu)、巡檢、節(jié)能等具體任務(wù)。

“以往我們靠經(jīng)驗(yàn)調(diào)度，現(xiàn)在靠數(shù)據(jù)在調(diào)自己。”有以為晶圓廠一線工程師發(fā)出這樣的感嘆。這已經(jīng)不只是自動(dòng)化，而是系統(tǒng)可以將這種經(jīng)驗(yàn)數(shù)字化，從而作出的“認(rèn)知式制造”——系統(tǒng)在每秒評(píng)估數(shù)萬(wàn)個(gè)變量——溫度、濕度、排產(chǎn)、機(jī)臺(tái)稼動(dòng)率、缺陷分布、能源成本、供應(yīng)交期——而后才推送一次調(diào)度。這種智能調(diào)度能力的結(jié)果是顯著的：24小時(shí)不間斷運(yùn)作、0.2%的非計(jì)劃停機(jī)率、98.7%的平均稼動(dòng)率，良率預(yù)測(cè)誤差控制在1%以內(nèi)。

2023年，Gartner數(shù)據(jù)顯示全球半導(dǎo)體制造企業(yè)中，約67%的廠商已部分導(dǎo)入AI調(diào)度系統(tǒng)，35%部署全流程SPC（統(tǒng)計(jì)過(guò)程控制）+EDA（工程數(shù)據(jù)分析）平臺(tái)，形成“AI主導(dǎo)、人類審?！钡男路妒?。臺(tái)灣晶圓代工龍頭之一的聯(lián)電，在2024年宣布全面導(dǎo)入自研AI制程系統(tǒng)，用于光刻缺陷預(yù)測(cè)與自適應(yīng)糾偏，內(nèi)部評(píng)估報(bào)告顯示已實(shí)現(xiàn)平均良率提升3.4%，月均節(jié)能12.6%。

那么當(dāng)機(jī)器越來(lái)越聰明，智能化程度越來(lái)越高，工廠里的人越來(lái)越少，特別是當(dāng)有一天，工廠車間里如同黑魔法一般存在的“老師傅的經(jīng)驗(yàn)”也能全面數(shù)字化，當(dāng)“無(wú)人工廠”成為普遍的常態(tài)，是否意味著，人的價(jià)值就“失效”了？

其實(shí)并不然。智能背后的關(guān)鍵，依然是人?！八械淖詣?dòng)調(diào)度、缺陷預(yù)測(cè)、遠(yuǎn)程協(xié)作背后，仍然是一線工程師、IT專家、設(shè)備商、算法科學(xué)家密切配合的結(jié)果。系統(tǒng)只會(huì)做它被允許做的事。我們必須教會(huì)它‘什么是正確’，這才是智能制造真正的難點(diǎn)?！?br /> 事實(shí)上，對(duì)于一線工程師而言，“新的工種”已經(jīng)出現(xiàn)。中國(guó)半導(dǎo)體行業(yè)協(xié)會(huì)2024年的統(tǒng)計(jì)顯示，具備“數(shù)據(jù)分析+工藝?yán)斫狻彪p重能力的工程師月薪中位數(shù)較傳統(tǒng)設(shè)備工程崗位高出37%，同時(shí)被視為未來(lái)5年極緊缺的人才群體之一。

寫在文末

從工業(yè)4.0到工業(yè)5.0的演進(jìn)，超越自動(dòng)化的過(guò)程，已經(jīng)是技術(shù)層面的線性迭代。具體來(lái)看，大致三條主線邏輯：

1第一步是從自動(dòng)化到柔性化

早期自動(dòng)化聚焦于“機(jī)器代人”，流程固化、節(jié)拍統(tǒng)一；而當(dāng)前生產(chǎn)線必須應(yīng)對(duì)多項(xiàng)目、多節(jié)點(diǎn)混線及小批量驗(yàn)證，對(duì)應(yīng)的是柔性制程、模塊化工藝、跨流程調(diào)度。

2第二步是從算法調(diào)度到自學(xué)習(xí)模型

傳統(tǒng)工廠里的調(diào)度，依賴于人腦與經(jīng)驗(yàn)，現(xiàn)在智慧工廠里則利用AI實(shí)現(xiàn)自主學(xué)習(xí)，優(yōu)化排程模型。在智能化程度較高的晶圓制造工廠內(nèi)則采用基于強(qiáng)化學(xué)習(xí)（RL）與貝葉斯優(yōu)化的AI排程模型，使得每輪投片都能根據(jù)歷史波動(dòng)、產(chǎn)能瓶頸、自適應(yīng)糾錯(cuò)自動(dòng)優(yōu)化。

3第三步是從設(shè)備聯(lián)網(wǎng)到全域感知

傳統(tǒng)工廠僅局部數(shù)據(jù)采集，智慧工廠則要求“全量數(shù)據(jù)即服務(wù)”，通過(guò)邊緣節(jié)點(diǎn)+云平臺(tái)+數(shù)據(jù)中臺(tái)，構(gòu)建納秒級(jí)反饋閉環(huán)，實(shí)現(xiàn)預(yù)測(cè)性維護(hù)、能效調(diào)度、自動(dòng)缺陷識(shí)別與供應(yīng)鏈協(xié)同。

但生產(chǎn)力與生產(chǎn)關(guān)系的持續(xù)重構(gòu)是不變的主線。關(guān)于工業(yè)智能的下一敘事，“人”一定是一個(gè)關(guān)鍵的因素。