当AI开始“修设备”“读图纸”：创新奇智工业大模型的制造业实践

一台设备突然报警，生产线不得不减速运行。巡检人员赶到现场后，先要确认报错代码，再翻维修手册、查设备数据，一步一步排查故障原因。如果确认是某个零部件损坏，还要去备件系统里查库存、申请更换。

在很多制造企业，这样的流程每天都在发生。

“设备维修其实非常依赖经验。”创新奇智首席产品官李凡说，有经验的老师傅可能很快就能判断问题，而新员工往往需要反复查资料、做排查。设备一旦停机时间过长，整条生产线的效率都会受到影响。

也正是在这样的场景中，工业大模型开始进入工厂。

创新奇智自主研发的“奇智孔明AInnoGC工业大模型”，是国内首款面向制造业场景打造的大模型。与公众熟悉的通用大模型不同，它的目标不是覆盖所有领域，而是把能力集中在制造业最需要的地方，比如设备运维、工业知识、视觉质检、生产流程分析等。

围绕这一模型，创新奇智开发了一系列智能体应用——有的负责数据分析，有的调用企业知识库辅助决策，有的处理视觉检测任务，有的帮助识别和理解CAD图纸。在真实的生产环境中，这些能力很少单独使用，而是按照具体流程组合在一起。

回到设备维修的场景。当设备出现报错时，智能体可以先读取报警信息，再从企业知识库中调取对应的维修步骤，同时读取设备实时数据进行分析。如果需要更换部件，还能自动查询备件系统中的库存情况。原本需要维修人员跨多个系统、逐步操作的流程，现在可以被大幅缩短。

在李凡看来，这里面真正重要的并不是"节省了几个人力"。

"对制造企业来说，设备是最核心的资产。一台关键设备停机，往往意味着整条产线效率下降。"他说，"谁能更快定位问题、恢复生产，谁就能创造最直接的价值。"

除了设备运维，CAD图纸是工业大模型另一个重要的应用方向。奇智孔明也是业内首家支持CAD这一工业特有模态的大模型。

在很多制造企业里，企业积累了大量CAD图纸，但这些图纸对机器来说往往只是“图片”。专业人员能看懂，但系统很难真正理解图纸中的设备、管线和结构关系。

针对这个问题，创新奇智正在沿着"读图—审图—生图"的路径推进。第一步是让AI识别图纸中的结构和组件，将缺乏语义信息的图纸转化为结构化数据；第二步是在读懂图纸的基础上，结合行业标准检查设计是否存在问题；第三步则是在设计需求明确的情况下，探索由AI辅助生成图纸。

目前，读图能力已经在部分客户场景中落地。创新奇智与全球知名工业软件厂商Bentley合作，完成了对PID管线图的读图能力开发，并正在为宝钢等头部客户推进落地。在此基础上，审图能力也已进入研发阶段。

这些能力背后，是长期的数据积累。创新奇智从成立初期就持续参与工业视觉、工业软件等项目，在与制造企业合作过程中沉淀了大量设备数据、视觉检测数据和CAD图纸数据，并在国内率先规划和建设了大规模工业数据集。这让模型在理解设备、工艺和图纸等工业语境时，表现出更强的专业能力和更稳定的应用效果。

目前，奇智孔明工业大模型已经在食品饮料、新能源、新材料、半导体、汽车装备等多个行业落地，服务上千家制造企业。

面向未来，创新奇智用“一模一体两翼”来概括自己的战略布局：，“一模”是工业大模型本身，“一体”是围绕大模型搭建的智能体开发平台，用来连接知识库、数据系统和业务流程，帮助企业开发面向不同场景的工业智能体；“两翼”则是大模型落地应用的两个方向——一边是工业软件，一边是工业机器人。

在工业软件方向，大模型和智能体进入的是设备管理、生产执行、物料分析、能耗管理等环节。李凡介绍，企业原本就在使用这些业务系统，但更多是作为台账和流程记录工具；加入智能体之后，系统可以在原有基础上实现更高程度的自动化和数据分析。

在工业机器人方向，创新奇智的定位是"一脑多体"——不投入资源做机器人本体，而是聚焦于构建具身智能的"大脑"，再与合作伙伴的不同形态机器人适配，进入钢铁、矿山、码头、场内物流等场景，参与真实的生产作业。

从读懂一张图纸，到缩短一次停机，再到驱动一台机器人作业，工业大模型正在一步步嵌入制造业的日常。这个过程不会一蹴而就，但它每一步解决的，都是工厂里那些具体而真实的问题。

（大众新闻记者 王嘉一）