工业大省有“模”力｜大模型里的“制造车间”：奇智孔明造出一群工业智能体

■编者按

山东锚定“人工智能+制造”赛道，走垂直领域大模型“专而精”的发展路线，垂域模型发展水平领跑全国。10月8日起大众日报·大众新闻推出“工业大省有‘模’力”栏目，记者深入垂域大模型企业采访，围绕技术优势、应用场景、产业价值、生态格局等方面，展现山东垂域大模型的创新实践，助力山东加快打造人工智能创新生态、产业集聚和示范应用高地。敬请关注。

大模型走进制造车间，第一件事应该先干什么？不是写文案，也不是陪人聊天，而是一台设备突然报警，它得知道该查哪几个参数；一条产线开机率下降，它得顺着工序往前找原因；一张几十年前留下的工业图纸，它最好还能看懂、还原，继续拿来用。

这时候，考验的已经不是一个大模型“知道多少”，而是它到底能不能真正进入生产场景。

在创新奇智科技集团股份有限公司的“大模型制造车间”里，奇智孔明AInnoGC工业大模型正在啃的，就是这道题。它拥有750亿参数，具备人机对话、文本生成、SQL代码生成等能力，应用覆盖工厂管理、工业设计、智能制造实训等领域。在此之上，还搭建起工业本体智能体平台、ChatRobot工业具身智能机器人、ChatCAD生成式AI工业设计软件等应用。IDC数据显示，创新奇智列中国工业大模型应用市场份额第1位。

第一关

先听懂工厂的“话”

通用大模型为什么不能直接搬进工厂？因为每一家工厂，都有自己的“语言”。

设备数据、生产规则、工艺经验，大量信息只存在于企业内部。一台设备和另一台设备是什么关系，一道工序出了变化会传导到哪里，老师傅凭什么判断一个异常，这些都不是仅靠互联网语料就能学会的。

创新奇智科技集团股份有限公司产品总监朱冰介绍，工业项目往往要和客户一起定义问题、分析数据、整理流程，再把这些经验沉淀下来。通用模型很难直接获得企业内部的工具、数据和业务经验。

所以，奇智孔明做的第一件事，是让大模型“认识这家工厂”，这其中一个重要办法是构造“本体”。

设备、工艺、规则、物料、订单，原来散落在不同系统里，现在被重新组织成实体、属性和关系。简单说，就是先给AI把工厂的关系理清楚。

在“大模型制造车间”的现场演示中，朱冰利用系统，先去理解业务目标，再读取企业数据，推断不同数据之间可能存在的关系，逐步形成设备、故障、规则等构成的本体。随后，用户只需要用自然语言提出需求，大模型就能进一步生成设备故障诊断的工作流。

第二关

不能只会猜，还得把依据摆出来

工业现场比手机里的聊天窗口更在意一件事，那就是可靠。

如果大模型说“可能是蒸汽压力异常”，生产人员接下来一定会问：凭什么？采访中展示的设备诊断案例里，系统会直接读取现场实际数据。每一步查了什么、调用了什么、依据什么排除，都能够回看。这就像老师傅排查故障。

确认原因后，系统会给出处置方案，现场人员审核确认后，再创建工单，进入下一步流程。

朱冰把工业大模型称作后台的“支柱和灵魂”——呈现在用户面前的，可能是一个智能体、一套软件，甚至一台机器人，但背后真正负责理解问题、调度工具和汇总判断的，仍然是大模型。

第三关

真正的能力要在生产线上长出来

玻纤生产，是奇智孔明进入真实生产流程的一个典型案例。从原料配比到窑炉熔化，再到漏板拉丝，几道工序环环相扣。一次微小波动，都可能造成断丝，进而影响开机率和产量。

在这里，奇智孔明并不是一个“模型”包打天下。

原料环节，机器学习小模型分析原料检测数据、历史配方和生产结果，预测配方质量；窑炉环节，视觉小模型持续观察中间产品状态，再和实时IoT数据结合；拉丝环节，本体又把产线、通路、拉丝机、漏板、工艺参数和生产事件连接起来。

小模型负责感知和计算，大模型负责理解问题、调用工具，再将结果汇总起来。过去分散的一个个算法，变成一套能够协同工作的系统。

“只有经过真实生产数据的持续滋养，大模型才能真正理解不同的细分行业。”朱冰说。毕竟，模型能力不只是在机房里练出来的，更需要在车间里“磨”出来。

创新奇智把总部落在青岛，一个重要原因就是山东工业门类丰富，与其“AI+制造”的方向高度契合。

在山东开放的工业场景里，大模型有机会不断碰到真实问题，再把解决问题的能力继续沉淀下来。接下来，大模型还要继续往车间深处走。朱冰判断，工业垂类大模型会逐渐从相对外围的环节，进入更多生产执行和工业设计等核心领域。

越往核心走，问题也越难。它不仅要懂知识，还要懂工艺；不仅要会分析，还要可靠、可追溯；不仅能给一个答案，还得能够调用软件、设备甚至机器人，把答案变成动作。

所以，当大模型走进制造车间，真正的比赛才刚刚开始。

■专家点评

模型的能力要在车间里“磨”出来

□ 天使投资人、人工智能专家 郭涛

奇智孔明AInnoGC工业大模型的核心价值，在于把通用生成式AI能力锚定到制造业真实业务链路。它依托工业本体智能体串联图纸设计、产线运维、能源管控、数据分析等落地场景，依托底座支撑自然语言问答、SQL代码生成、工业具身机器人、CAD设计工具等多类应用，兼顾产业从业者实操需求与智能制造实训场景。

750亿参数底座搭配垂直领域知识沉淀，使其能够适配工程师、研发人员、产线管理人员等多元角色，将工业知识查询、数据分析、方案推荐整合为统一智能入口，同时面向工科学生搭建知识应用通道，实现产业端与教育端双向覆盖。

其发展意义在于探索工业大模型可以作为嵌入生产流程的智能工具体系，为垂类大模型缓解“演示化”“项目制”等难题，推进规模化复制提供一条可供参考的实践路径，推动AI能力下沉到制造业的设备管理、生产优化等核心环节。

■记者手记

垂域大模型，要真懂行业

通用大模型追求的是知识的广度，而工厂更在意另外一些东西：一个结论够不够准确，一次判断有没有依据，一个建议能不能真正执行。

这里容不得太多“差不多”。也正是在这一点上，我们才能理解垂域大模型真正的价值。

所谓“垂”，不是给大模型贴上一个行业标签，而是让它真正进入这个行业的知识、数据、规则和流程之中。

山东发展垂域大模型，也有一层独特优势。制造业门类多、产业链条长，意味着这里有足够多的真实问题可以拿给大模型去做。模型在场景里学习，场景又被模型重新改造。

所以看一个垂域大模型，不妨少问一句“有多少参数”，而是多问一句：它到底懂不懂这个行业？

（大众新闻记者 苏月鹏）