工厂AI智能体搭建,一半项目死在试点阶段,问题到底出在哪
工博会刚结束,世界制造业大会也落幕了。展会上工业智能体扎堆亮相——报价Agent一分钟解析图纸准确率95%,排产Agent秒级完成几十变量的最优排程,质检Agent把追溯时间从小时压缩到分钟。
热闹归热闹。信通院的数据给了一个冷水:近一半的“AI+”应用场景停留在试点阶段,没有实现放量推广。超过半数的工业智能体项目在试点结束后未能进入规模化部署。
问题出在哪?
不是AI不够聪明,是工厂的数字地基没打好。
我跑了大半年西南制造圈,见过太多这样的场景:老板在展会上看了一套智能体演示,回来让IT部门采购上线,结果三周后项目卡住了——设备数据采不上来,工艺知识散落在老师傅脑子里,MES和ERP各说各话。最后结论是“AI不适用我们行业”。
这结论下早了。
黑湖科技的3万家工厂样本
黑湖科技在工博会展出了十余个决策型工业Agent,覆盖报价、工程、排程、跟单、质检、仓管、设备、异常分析等核心环节。
关键信息是:这些Agent不是孤立工作的。围绕同一张订单,工程环节的判断可以被报价和排程调用,订单变化后后续环节随之调整。黑湖把它叫做“工业AI大脑”——一个能理解生产、响应变化、辅助决策的连续决策系统。
支撑这种连续决策的,是面向真实制造场景构建的“工业智能层”。它把每家工厂的人、机、料、法、环,以及工艺规则、制造经验和实时生产数据组织成统一的生产上下文,让不同专业Agent基于同一套信息协同工作。
黑湖已服务超3万家工厂,工程Agent图纸解析准确率约95%,约1分钟完成。
这意味着什么?智能体不是一个个独立的App,而是需要长在数字底座上的一组协同能力。没有底座,智能体就是空中楼阁。
伊莱特的80个智能体是怎么长出来的
广东伊莱特的案例更有意思。这家家电企业2025年全面入局AI,到现在内部自主开发出超80个AI智能体,覆盖办公、仓储、物流、研发、制造全场景。
但伊莱特走过的弯路更值得看。
第一步,跟风引入通用AI问答助手。年末复盘:对实际生产经营没有实质拉动。
第二步,采购服务搭建AIGC中台。刚部署完,开源智能体爆火,又陷入“要不要跟进”的选择困局。
第三步,想清楚了——从顶层布局,联合广东省中小企业发展促进会、百度共同打造“AI创新实验室”,面向核心业务团队开展系统AI培训。5人一组,结合自身业务场景开发专属智能体。
数天培训,产出15个定向开发的智能体。全部由一线员工基于真实痛点开发,具备即插即用的实战力。4月调试完毕,全部投入运行。
从4月至今,各部门自主开发的智能体超80个。
伊莱特的经验说明什么?智能体不是买来的,是长出来的。长出来的前提是:一线员工会用、业务痛点清晰、有系统培训支撑。
工厂AI智能体搭建的四步路径
从大量实践中总结,工厂AI智能体搭建的落地路径基本收敛为四步:
第一步:选准“小切口”做POC验证
选场景的三个标准:高频重复、规则明确、痛点尖锐。比如图纸解析、报价核算、设备巡检日志——这些每天重复、逻辑清晰、人工耗时长的环节,最适合先跑通。
第二步:补齐数据地基
模型可以买,算力可以租,唯独高质量的数据资产只能自己攒。物料主数据、设备数据、工艺参数、质量记录——这些数据的规范化、标准化,是智能体跑得稳的前提。
第三步:人机共审闭环
工业场景对准确率要求接近100%。涉及报价输出、工艺参数调整、安全判定等关键决策,智能体的输出必须经岗位人员确认后方可执行。全程留痕,每次人工修正回流知识库,系统越用越准。
第四步:从单点到协同
当一个场景跑通后,向关联环节延伸。报价Agent的结果可以喂给排程Agent,排程变化可以触发物料Agent的采购建议。最终形成围绕订单的连续决策链。
中小企业反而可能更快吃到红利
黑湖科技创始人周宇翔说了一句很实在的话:中小工厂拥抱AI,甚至很有优势,因为没有历史包袱,船小好掉头。
这话有道理。大企业的数字化系统盘根错节,换一套东西牵一发动全身。中小工厂可能十几个人的精密加工厂,图纸、工序、报工和检验记录一旦串联起来,管理者直接问AI“这批订单做到哪了”,马上就能用。
关键是从哪下手。
不是从买智能体下手,是从梳理自己的业务流程下手。先搞清楚每天有哪些决策在靠人脑完成、靠老师傅经验撑着,再判断哪些可以用智能体替代或辅助。
写在最后
工厂AI智能体搭建,从来不是一个技术问题,是一个组织能力问题。