由于“感知”、“決策”與“行動”之間的斷層，制造業(yè)究竟浪費了多少數(shù)據(jù)？
生產(chǎn)數(shù)據(jù)在看板上跳動，但當(dāng)問題在現(xiàn)場發(fā)生，依然要靠老師傅去現(xiàn)場排查并根據(jù)經(jīng)驗追溯原因。這就是制造業(yè)的原生痛點：“感知”與“決策”之間，存在巨大的斷層。
工廠里裝滿了傳感器，但當(dāng)產(chǎn)線良率出現(xiàn)波動時，AI只能給出執(zhí)行建議，最終真正的操作還需要人去系統(tǒng)里點選。這是制造業(yè)在新的痛點：“決策”與“執(zhí)行”之間，也存在斷層。
創(chuàng)新奇智正式發(fā)布 奇智孔明 DeepAgent —— 一類能夠理解復(fù)雜任務(wù)、自主調(diào)用工具并交付業(yè)務(wù)結(jié)果的工業(yè)智能體。它不再只是一個問答窗口，而是可以填平制造業(yè)“感知”、“決策”和“執(zhí)行”之間的斷層的“數(shù)字專家”：懂業(yè)務(wù)邏輯、會操作系統(tǒng)、對執(zhí)行結(jié)果負(fù)責(zé)。
奇智孔明 DeepAgent
一個具備認(rèn)知閉環(huán)的工業(yè)智能體
DeepAgent 并非單一的軟件功能，而是一套“工業(yè)大模型 + 工具體系 + 執(zhí)行框架”的組合能力。
與傳統(tǒng) Chatbot 最大的區(qū)別在于，DeepAgent 擁有完整的 Think – Search – Act（思考–尋徑–執(zhí)行）閉環(huán)能力：
Think｜任務(wù)拆解與推理
接收模糊的業(yè)務(wù)指令后，基于創(chuàng)新奇智自研的 AInno-75B 工業(yè)大模型進(jìn)行意圖理解，拆解出具體的執(zhí)行步驟。
例如：它會像一個老練的工程師，瞬間回溯切割機(jī)的電流數(shù)據(jù)、刀輪的壓力曲線，并結(jié)合工藝庫進(jìn)行推理，精準(zhǔn)告訴你：“是因為3號刀輪在壓力區(qū)間 X 時出現(xiàn)了異常震動。” 這種精確度，讓決策不再是“猜謎”，而是基于數(shù)據(jù)的“確信”。
Search｜自主調(diào)用工具與系統(tǒng)
不只依賴模型靜態(tài)記憶，而是能夠作為“中樞”，主動調(diào)用企業(yè)的各類系統(tǒng)與工具：
● 調(diào)用 ManuVision 進(jìn)行視覺圖像復(fù)檢
● 連接 ERP / MES 獲取實時生產(chǎn)數(shù)據(jù)
● 檢索 研發(fā)文檔與工藝參數(shù)庫
Act｜生成結(jié)果并完成執(zhí)行
這是 DeepAgent 與傳統(tǒng)工業(yè)軟件的分水嶺。 它不只是生成一個診斷報告，它能調(diào)用工具去解決問題：
在生產(chǎn)的各個場景中，它能跨平臺自動抓取數(shù)據(jù)、識別同物異名、計算綜合成本，甚至直接生成 PO 單草稿。它還能基于市場預(yù)測數(shù)據(jù)，自動調(diào)整排產(chǎn)建議，并監(jiān)控良率一致性。
從“向后看的報告”轉(zhuǎn)向“實時行動”，這就是工業(yè) AI 的質(zhì)變。
DeepAgent 不是一個“一體化黑盒”，而是高度可配置的智能體框架。企業(yè)可以根據(jù)不同的業(yè)務(wù)流，像搭積木一樣配置工具，快速生成面向不同崗位的智能體：
● 配置「視覺能力 + 歸因模型」??變成質(zhì)量與缺陷分析智能體
● 配置「采購系統(tǒng) + 全網(wǎng)比價工具」??變成供應(yīng)鏈采購執(zhí)行智能體
● 配置「專業(yè)知識庫 + 銷售話術(shù)庫」?? 變成一線銷售/技術(shù)支持智能體
同一套底層 Agent 框架，通過不同的“技能組合”，即可服務(wù)于研發(fā)、生產(chǎn)、供應(yīng)鏈等不同角色。
能在生產(chǎn)現(xiàn)場落地應(yīng)用才是檢驗工業(yè)智能體成色的“金標(biāo)準(zhǔn)”。奇智孔明 DeepAgent 已經(jīng)在客戶現(xiàn)場通過一句句專業(yè)的回答、一次次精準(zhǔn)的歸因、一個個被驗證的執(zhí)行方案，贏得了在制造業(yè)的認(rèn)可。它真正實現(xiàn)了讓企業(yè)敢于把一部分重復(fù)性、高負(fù)荷的“感知-決策-執(zhí)行”工作交給 AI。
場景： 液晶面板生產(chǎn)質(zhì)量管理
能力組合： 工業(yè)視覺 + 設(shè)備傳感器數(shù)據(jù) + 工藝參數(shù)庫
工作流：
● 視覺系統(tǒng)發(fā)現(xiàn)“崩邊”缺陷；
● 智能體自動回溯該批次對應(yīng)的切割機(jī)關(guān)鍵參數(shù)；
● 自主推理，定位到特定壓力區(qū)間與異常刀輪。客戶收益： 將根因分析時間從數(shù)小時縮短到秒級，讓工程師能直接基于結(jié)論采取行動。
場景： 生產(chǎn)計劃與質(zhì)量控制
能力組合： 時序預(yù)測模型 + 產(chǎn)線數(shù)據(jù)分析 + 質(zhì)量歸因
工作流：
● 市場端：DeepAgent 實時分析市場銷售數(shù)據(jù)，精準(zhǔn)預(yù)測未來產(chǎn)量需求，避免庫存積壓或斷貨。
● 生產(chǎn)端：將預(yù)測數(shù)據(jù)自動轉(zhuǎn)化為排產(chǎn)指令，并實時監(jiān)控產(chǎn)線良率。
● 質(zhì)量端：一旦發(fā)現(xiàn)良率波動，智能體自動關(guān)聯(lián)原料批次與工藝參數(shù)，確保每一批次產(chǎn)品的質(zhì)量一致性。客戶收益： 實現(xiàn)了“以銷定產(chǎn)”的精準(zhǔn)閉環(huán)，同時大幅提升了產(chǎn)量預(yù)測準(zhǔn)確度與產(chǎn)品良率穩(wěn)定性。
基于創(chuàng)新奇智工業(yè)大模型的DeepAgent可以為制造業(yè)企業(yè)帶來的價值是巨大的：
對于工廠的一線員工而言，工業(yè)智能體可以讓他們從繁瑣的數(shù)據(jù)搬運(yùn)和系統(tǒng)切換中解放出來，去處理更復(fù)雜的工藝創(chuàng)新。
而對于企業(yè)主而言，工業(yè)智能體的應(yīng)用可以讓他們不再擔(dān)心老師傅離職帶走核心經(jīng)驗，因為 DeepAgent 已經(jīng)將這些經(jīng)驗固化為企業(yè)的“數(shù)字資產(chǎn)”。
在未來，無論身處離散制造、流程工業(yè)，還是快消與供應(yīng)鏈場景，制造業(yè)企業(yè)都可以基于 DeepAgent 構(gòu)建真正屬于企業(yè)自己的工業(yè)智能體體系。
返回動態(tài)列表