生成式工業智能體實現了“知識+經驗+推理”的完整智能閉環，彌合了通用人工智能與專業工業應用之間的鴻溝，為工業企業提供了前所未有的機會，使智能制造真正走向認知智能與自適應系統的新時代。

- 文章信息 -

本文作者：浙大熾橙先進智能聯合研究中心副主任 & 杭州熾橙科技CTO劉震宇。

新一代人工智能技術正以前所未有的速度發展，尤其是大模型的進步與突破，深刻改變著千行百業的數字化轉型進程。在這股浪潮中，制造業作為國民經濟基礎支柱產業，正迎來智能化轉型的關鍵機遇。

隨著ChatGPT、DeepSeek等大模型技術加速迭代，2025年被業界公認為“智能體年”，以Agent智能體為載體的工業智能應用是大勢所趨。正如中國工程院譚建榮院士近期指出，“智能制造是新一代人工智能技術與裝備及其制造過程的有機融合。發展智能制造，推動我國裝備制造與產品整體升級為‘智能一代’，是實現中國制造業整體實力提升的關鍵之一”。這里的“智能一代”，即通過多智能體協同系統構建的覆蓋設計、生產、管理、服務全鏈條的智能化網絡，能理解復雜工業知識、感知動態環境、執行自主決策、協同解決問題。以制造對象、制造過程、制造工具的全面智能體化，為智能制造帶來新動能。

01

工業智能體的前世今生

工業智能的發展大致經歷了三個階段，從最初的自動化控制到數字化智能再到當下的認知智能，每一階段都代表著制造范式的重大轉變。

自動化階段1.0：以可編程邏輯控制器PLC和分布式控制系統DCS為代表，實現生產過程的基礎自動化和監控。這一階段系統多為封閉式架構，智能水平有限，主要執行預定義的邏輯與控制規則，對復雜環境的適應能力較弱。

數字化階段2.0：以工業物聯網和大數據分析為核心，實現設備互聯互通和數據驅動的決策支持。制造企業開始應用機器學習算法進行設備狀態監測、質量預測和生產優化，但仍以單點應用為主，缺乏系統協同。

認知智能階段3.0：以大模型、知識圖譜和強化學習為技術支撐，實現更高級的推理、決策和持續學習能力。智能系統開始具備處理非結構化數據、理解復雜場景和自主決策的能力，標志著工業智能真正進入認知時代。

綜合中國工程院《中國智能制造發展戰略研究報告》與熾橙科技實踐案例，大多數中國制造企業正處于從2.0向3.0演進的關鍵階段，而多智能體協同代表了3.0階段的高級形態。與傳統工業智能體相比，新一代基于大模型的智能體能夠理解和生成自然語言，處理大量非結構化數據，并通過持續學習優化自身性能。最重要的是，生成式工業智能體實現了“知識+經驗+推理”的完整智能閉環，彌合了通用人工智能與專業工業應用之間的鴻溝，為工業企業提供了前所未有的機會，使智能制造真正走向認知智能與自適應系統的新時代。

02

何謂智能體和多智能體

智能體是一種具備自主性、響應性、社會性和主動性的軟件實體或物理實體，能夠基于自身感知和知識獨立做出決策，無需外部系統的持續指導。在工業環境中，智能體的自主性尤為重要，使它們能夠在復雜多變的制造場景中持續運行并適應環境變化。工業智能體則是專門應用于工業場景的智能體，它們不僅具備通用智能體的基本特性，還深度融合工藝知識、設備知識和業務邏輯，能夠理解和處理工業特有的數據和問題。例如，設計智能體理解產品性能參數和工程圖紙，工藝智能體掌握材料特性和加工工藝，質量智能體了解檢測標準和缺陷特征。

多智能體（Multi-Agent System，M.A.S）是由多個具有自主性、社會性和響應性的智能體構成的系統，這些智能體通過協作完成復雜任務。與傳統單一智能系統相比，多智能體系統具有分布式自主決策、協作與協商、涌現性和自適應性等特征，特別適合應對制造業分布式、動態變化的復雜生產場景，能在保持系統整體目標的同時，實現局部的靈活調整和優化。

圖1 熾橙科技工業多智能體開發工作流

大模型技術與多智能體系統的融合，標志著工業智能邁入新時代。大模型為智能體提供了前所未有的通用推理能力、知識表示能力和自然語言交互能力，使工業智能體能夠理解復雜工業指令、整合跨領域知識、實現自然人機交互，并具備自主規劃與推理能力。例如，智能體能理解“優化生產線能耗同時保持產能”這類包含多維約束的復雜要求，能夠整合機械、電氣、材料、信息等多學科知識，實現專家知識與AI能力的無縫融合。

工業多智能體系統代表了智能制造的新范式，對中國制造業具有特別重要的意義。一方面，多智能體系統的分布式架構與中國制造業多層次、多元化的產業體系高度吻合，能更好地適應不同企業的智能化需求；另一方面，多智能體技術能有效整合和放大中國制造業的比較優勢，如豐富的工程人才、多樣化的應用場景和完整的產業鏈，從而加速形成具有國際競爭力的智能制造新優勢。

03

新一代工業智能新范式

面向先進制造業的生成式多智能體系統，突破傳統工業智能的邊界，構建全新的技術架構和應用范式，融合大模型、知識工程、多智能體協同和數字孿生等先進技術，形成層次分明、協同高效的系統框架。

1. 技術架構

圖2 浙大熾橙先進智能數字孿生聯合研究中心 多智能體系統架構

上圖為浙大熾橙先進智能數字孿生聯合研究中心提出的多智能體系統架構，采用分層協同思想，將數據、平臺、構建和應用層緊密連接，形成從數據獲取到智能決策的完整閉環。系統引入多模態大模型融合架構，實現對文本、圖像和時序數據的綜合理解，并通過檢索增強與知識圖譜技術實現專業知識的精準把握。架構設計包含豐富的工具集成和零代碼構建智能體能力，降低開發門檻，同時支持多智能體在不同場景下的協同作業，實現跨部門、跨流程的自動化流程。整個系統貫穿數據安全與治理機制，確保數據價值最大化與合規運營。此架構的核心價值在于：有序融合多智能體系統，實現制造企業全流程的智能化迭代，增強企業核心競爭力。

2. 關鍵技術

知識驅動的數字孿生閉環優化架構

技術以工業知識圖譜為核心，結構化表達設備、工藝和材料間的復雜關系，為智能決策提供知識基礎。其價值一是通過知識與數字孿生環境融合，使智能體（孿生體）能在虛擬場景中安全測試各種生產方案；二是通過建立物理世界與數字世界的實時數據交換，系統不斷從實際生產數據中學習優化，形成真正的閉環進化；三是通過情景模擬，支持管理者評估不同方案，將靜態知識轉化為動態智能決策并提高科學性。

具身智能驅動的虛實融合協作系統

該技術創新性地構建了感知-認知-行動閉環，使機器人從簡單執行器轉變為自主決策智能體。一方面，基于數字孿生的虛擬調試平臺允許任務先在虛擬環境驗證，大幅降低物理調試風險。另一方面，大模型增強的認知系統使機器人能理解任務語義并動態規劃路徑，適應環境變化。在柔性生產中，多機器人智能體能自主分配任務、協調軌跡并規避沖突。結合自然語言交互能力，工人無需編程知識即可指導機器人完成復雜任務，降低自動化應用門檻，為多品種小批量生產提供解決方案。

圖3 熾橙“超真云”具身智能軟件產品

大模型驅動的增強型智能體跨域交互

該技術主要針對傳統工業系統專業壁壘高、跨部門協作效率低的痛點，以多智能體消化操作手冊、故障記錄與專家經驗等非結構化信息，將工業信息獲取從編碼指令轉向語義理解。例如，檢維修智能體能從海量維修記錄中提取規律，借大模型促進機械、電氣等專業知識整合。同時，智能體通信從參數傳遞升級為語義對話，多智能體通過自然語言協商解決方案。這種語義通信系統具有更高靈活性和自我解釋能力，使決策過程透明可追溯，特別適用于制造企業的高風險決策場景。

此外，基于先進的連接協議MCP，可實現制造企業級的智能體系統集成。MCP通過標準化上下文信息訪問機制，可支持多樣化數據形式，大幅簡化數據連接，并提高交互安全性。利用MCP，多智能體系統可與企業現有信息系統深度整合，獲取實時業務數據，執行跨系統操作，成為企業數字化體系的有機組成部分。

3. 協同機制

工業多智能體系統通過一系列協同機制確保高效運作。智能體間采用語義級通信協議交換信息，基于統一的本體模型進行交互，消除信息理解上的歧義。復雜任務被動態分解為子任務并分配給專業智能體，如復雜零件加工可由調度智能體分解為切削、熱處理、表面處理等子任務，并分配給相應的設備和工藝智能體。

當資源沖突發生時，智能體通過協商機制尋求解決方案，包括基于規則的簡單協商、基于市場機制的拍賣和基于效用函數的多目標優化等高級協商策略。智能體不僅獨立學習，還通過經驗共享實現集體智慧積累，如分布在不同工廠的相同類型設備智能體可共享故障案例和優化經驗，加速整體學習過程。同時，通過層級目標分解和激勵機制設計確保各智能體在協作過程中維持系統整體目標，避免產生有害于整體系統的局部優化行為。

04

生產協同的演進和應用

1. 演進路線

工業多智能體系統遵循從簡單到復雜、從輔助到自主的漸進路徑。熾橙科技提出基于工業AIoT數據底座的六階發展路線：

圖4 中國制造企業構建智能體的6層能力

L1基礎接入層：智能對話與簡單任務響應。企業通過公有云服務接入大模型，實現基礎智能對話，解答常見問題。如制造企業基于3D技術手冊接入大模型，為員工提供工藝手冊查詢服務，快速回答“零件的熱處理參數是多少”等基礎問題。

L2知識賦能層：企業專有知識沉淀與應用。智能體與企業專業知識庫深度結合，能夠檢索和應用企業獨有專業知識。如某裝備企業構建包含數萬份設備手冊和維修案例的知識庫，使智能體能回答“過去三年中壓縮機組最常見的故障原因和解決方案”等問題。

L3角色定制層：企業專屬智能助手構建。企業進行私有化部署并通過提示詞工程對智能體進行角色定制，如工藝專家、質量顧問等特定角色。例如某汽車零部件企業定制的質量顧問智能體，能根據圖像識別結果給出具體質量缺陷的原因分析和處理建議。

L4系統融合層：與企業業務系統深度整合。智能體與企業業務流程、組織架構和信息系統實現深度打通，能無縫對接ERP、MES、PLM等系統。例如某電子廠智能體系統根據“幫我處理某訂單的交期延遲問題”的指令，自動查詢訂單狀態，分析延遲原因，并在MES系統中調整生產計劃。

L5流程決策層：復雜業務流程的規劃與推理。智能體具備執行復雜規劃、推理和預測的能力，處理多步驟、多變量的復雜工作流。如在新產品研發過程中，基于目標性能參數和歷史數據，自動規劃材料選擇、結構設計和工藝路線，縮短產品開發周期。

L6生產協同層：多智能體生態系統與自主進化。作為理想形態，形成企業級的完整智能生態系統。如某智能工廠部署設計Agent、采購Agent、生產Agent等多個智能體，既能獨立工作，又能在復雜任務中實現信息共享和決策協同。通過強化學習和專業推理模型訓練，多智能體不斷從實踐中學習優化，真正成為具備創新能力的“數字員工”。

2. 應用場景

工業多智能體系統將在智能工廠內部、跨工廠與供應鏈等場景發揮關鍵作用。
在單一工廠內，多智能體系統解決生產過程復雜協同問題。柔性生產線智能調度將生產資源和任務均視為智能體，通過自組織方式動態匹配，使產線可處理數千種產品變型且能應對設備故障等異常情況；跨工序智能協作通過工序智能體間實時協商，優化生產節奏和中間庫存，顯著提升設備利用率并縮短生產周期；人機協同制造將人類工作者視為特殊智能體融入協同網絡，助手機器人能理解工人意圖，預測操作并主動準備工具和零件，同時提供工藝指導。
跨工廠場景中，多智能體協同實現產能均衡與負載分配，使全球生產網絡內的工廠能基于實時能力評估和成本模型進行訂單分配協商，提升整體產能利用率；跨工廠技術協同使不同工廠的工藝智能體能共享參數優化經驗和質量控制知識，加速工藝改進，縮短新工藝導入周期。
在供應鏈層面，動態供應網絡優化將供應商、工廠、配送中心和零售商都建模為智能體，通過分布式協商應對需求波動和供應中斷；協同庫存與預測通過信息共享和協同預測減少“牛鞭效應”，提升庫存周轉率并降低缺貨率；可持續供應鏈協同實現碳足跡追蹤和優化，各環節智能體共享碳排放數據并協商減排方案，系統性優化整體碳足跡。

05

企業級落地的戰略路徑

工業智能應用是一項長期戰略，企業既要實時關注技術發展動態，又要有序推進落地實踐，避免盲目跟風或錯失機遇。當下日新月異的大模型技術可提供通用能力，但缺乏制造業的數據知識與真正的思考，要解決企業產供銷研一體化協同的深層挑戰，必須構建完整的多智能體平臺。我們基于熾橙科技的實踐經驗，提出五步落地建議：

一是達成理念共識，組建專家團隊。首先是理念的轉變，企業應組織管理層和技術骨干系統學習工業智能體最新發展，理解其與傳統自動化、數字化的本質區別，建立跨部門的專家團隊，包括業務專家、數據專家和AI工程師。領導層需積極擁抱工業智能，將其作為企業級戰略，提供必要的資源支持和組織保障。
二是找場景、找數據，共建數據工程。應從實際業務痛點出發，識別具有明確價值和可行性的應用場景，如產品設計優化、異常檢測、預測性維護等。同時，系統梳理企業數據資源，評估數據質量和可用性，多方共建數據工程與多智能體開發框架。要特別關注數據標準化、知識沉淀和模型訓練，構建支撐多智能體運行的數據底座。
三是建組織，設立跨部門推進機制。工業智能轉型是一項跨部門的系統工程，需要設立專門的組織保障。應作為"一把手工程"，由企業最高決策層直接負責智能化轉型推進小組，明確責任分工和考核機制，確保組織協同和持續推進。
四是建設試點項目，打造標桿案例。選擇價值明確、風險可控的場景開展試點，快速迭代、驗證價值。可從單一智能體應用開始，如質檢智能體、維護智能體等，積累經驗后逐步拓展到多智能體生產協同。成功試點項目既是內部推廣的樣板，也是對外展示數智化成果的窗口。
五是有序推進，融入業務流程。工業智能不是孤立的項目，而應成為企業生產經營的有機組成部分。需制定階段性落地計劃，分批次、分層次推進多智能體應用，通過流程再造將其融入日常運營，并持續評估應用效果，不斷優化完善，形成技術業務融合發展的良性循環。

06

結 語

新一代人工智能技術正以“潤物細無聲”之勢重塑工業智能格局。以大模型為核心、智能體為載體的工業多智能體系統，超越了傳統單點優化和固定場景應用，構建起覆蓋全鏈條的智能化網絡。這代表著制造業生產組織方式的深刻變革——從集中控制向分布式自組織轉變，從規則驅動向知識與數據融合進化，從封閉系統向開放生態擴展。對中國制造業而言，工業多智能體技術的興起恰逢從制造大國向制造強國邁進的關鍵時刻，企業應以開放心態積極擁抱這一趨勢，與中國制造、全球同行共同探索智能制造的美好未來。

獲取更多資訊：張女士 17767163407（微信同號）