推荐语
杭州炽橙科技如何领跑工业AI智能体应用？
核心内容：
1. 炽橙科技在工业智能体领域的创新实践
2. Gnosis多智能体系统在核电站运维检修的应用
3. 工业智能体技术架构和应用范式的变革
杨芳贤
53A创始人/腾讯云(TVP)最具价值专家
什么才是新一代工业智能的落地路径，如何跨越工业智能体落地挑战？炽橙科技的工业AI落地方法论。
01
工业智能体，来了
Mamus大火给全社会普及了什么是智能体，业界普遍认为，2025年将是智能体落地元年。不过，你可能没有想到，在工业制造领域，已经有工业AI智能体实现了落地应用。核电站作为高风险设施，其巡检和维修一直要遵循严格的安全、技术和操作规范。比如维修人员要穿上专用的防护装备，严格遵守操作规范，并在规定时间内完成检修，从而避免过长时间暴露。如何能更准、更快、更稳的实施巡检、维修，关系到核电安全生产和操作员的生命健康。与之相关的是，如何让操作人员能更全面、快速、安全地掌握条目众多的安全生产知识与复杂的标准化操作程序，也是核电安全生产体系建设的一大挑战。Gnosis多智能体-装备AI维修助手，基于国产智能底座软件系统，实现了对多个核电站的运维与检修的操作规程三维数字化、可视孪生仿真、智能知识工程构建。培训时，操作员可以在模拟零辐射生产环境里，练习相关检修操作，用自然语言就能与智能体交互，获得检修指导和操作提示。检修现场，智能体还可以自动标注生产环境里的疑点，通过AR眼镜与后方专家联动，解决疑难问题。有了这个工业智能体，企业可节省培训时间50%以上，现场检修效率能提升10%～30%，精准度大幅上升，难度大幅下降。上述装备检修助手背后的技术支撑来自炽橙科技，一家杭州创业公司。在Manus还停留在通用场景，炽橙科技能在汽车、装备制造等多领域企业里落地装备AI维修助手，与这家公司基于过去十年在工业领域的深厚积累，打造出的生成式多智能体系统密切相关。Gnosis生成式多智能体系统，能理解复杂工业知识、感知动态环境、执行自主决策、协同解决问题。相比数字化时代基于工业软件实现的感知式智能，工业智能体能实现“知识+经验+推理”的完整闭环。这也突破了传统工业智能的边界，有望蹚出新一代工业智能的落地路径、构建全新的技术架构和应用范式。这一幕比想象中早来三年，炽橙科技CEO纪尧华告诉数智前线。加速剂正是以DeepSeek为代表的大模型技术的快速进步，市场上工业制造企业的大量智能化需求正前所未有地被激发出来。炽橙科技过去几个月也收到大量客户反馈，企业纷纷提出要基于新一代的生成式AI能力来解决工厂的一线问题。市场旺盛的需求推动了炽橙科技的生成式多智能体系统及相关技术架构的研发进程，以及以智能体为载体的应用落地。工业装备检维修及故障诊断处理是其中的一个典型应用。一家杭州创业公司靠什么快速切入工业智能体赛道，并实现产品落地？这当然不是灵光一现的产物。回溯炽橙科技过去十年的发展历程，你会发现它的故事无关风口热点，而是一个长期主义者，在新技术浪潮深刻变革产业结构之际，基于长期积累，获得新的发展机遇和比较优势的故事。02
一场产业大重构
AI大模型正在成为工业软件市场的新变量。
提到工业软件，几乎所有人都能马上联想到那四个字——“缺芯少魂”。芯是芯片，魂则指以操作系统、工业软件等为代表的基础性软件架构。过去几十年，海外企业已凭借先发优势占据了市场的主导地位。比如，CAD研发设计类领域，法国达索、德国西门子、美国PTC以及美国Autodesk公司等公司是主要玩家；而在CAE仿真软件领域，美国ANSYS、ALTAIR、MSC等公司占据了绝大多数份额。国内企业正拼命追赶，希望能压缩海外几十年的发展历程，在核心领域里加速实现自主化替代。但一个不争的事实是，工业软件胜负手往往在海外巨头们积累几十年的优势点上——比如机理模型，来自企业常年从垂直领域工业积累的行业Know-how。以达索为例，它能将3D设计、虚拟仿真等能力应用到建筑、铁路、医疗等领域，与这家企业在飞机发动机领域常年的积累密切相关，后发者很难短时间实现超车逆袭。最突出的是，基于大模型技术去变革和赋能工业制造，正成为过去两年里全球工业智能国际竞争的最前沿。IDC去年的一份报告显示，2024年有37%的全球头部制造企业投资了大模型，与上年相比提升了10个百分点。而国内工业企业大多从2023年下半年开始单点探索大模型应用，经过一年多的探索，头部工业企业基本上都发布了自己的大模型，并已初步形成应用落地。基于大模型重塑工业制造的尝试，涉及到生产优化、质量控制、设备维护、供应链运维管理到智能决策、知识管理等诸多场景。一份报告指出，AI与大模型将加速赋能新型工业化，从2022年至2032年，工业AI市场规模将以46%的年均复合增长率高速成长。行业资深人士观察，伴随着这股大模型探索潮，一场大重构正在发生。炽橙科技CEO纪尧华就认为，大模型技术给工业制造现场带来三重变化。最明显的是交互范式的变革。传统工业软件需要专业人员依据各类表单操作，而大模型驱动的自然语言交互，一线操作者可以用对话或者语音的方式直接与新型工业智能对话，这将极大降低工业智能的使用门槛。决策路径也随之发生极大变化。传统的感应式智能需要基于传感器数据和预设规则来监测、分类并完成简单决策，它依赖机理模型、规则引擎等形成的固有流程。而生成式AI，可以通过无监督学习从海量时序数据里提取新的模式和规则，它生成的新内容和解决方案，有望突破传统AI的局限。另外，企业内的知识传承也不再依赖于人工经验编码的机理模型、规则，大模型加持下企业有望基于各类结构化、非结构化数据形成一个知识大脑，可动态调用。大重构之下，国内企业可以不再沿着数字化时代工业软件巨头们的优势领域如机理模型等按图索骥来打造工业智能。一个换道超车的机会正在出现。基于AI大模型的能力，依托已有的数据融合底座，国内企业有望重塑传统工业软件。当然，业界也有共识——单靠通用大模型的问答交互解决不了工业制造的问题，要在工业制造场景里完成各类复杂任务，才能真正创造价值。工业垂域大模型、场景内数据的质与量以及能打通海量设备数据的智能底座，都关乎新型工业智能的智能程度。这一背景下，什么才是新一代工业智能的落地路径，如何构建工业智能的技术架构和应用范式，成为当下行业将大模型落地工业制造共同面临的大课题，也是工业制造能够完成从数字化到智能化跃迁的重要挑战。围绕着这些命题，当下中国企业和海外巨头站在了同一起跑线。炽橙科技的装备AI维修助手，利用以DeepSeek为代表的大模型能力，基于可交互数据底座，具备知识连接、复杂推理和行动执行能力，实际上展现出了新一代工业智能解决产业问题的潜力，也能看到一条有望被规模复制的落地路径。纪尧华对此充满了兴奋感，“我们过去十年都深耕工业制造领域，新技术浪潮给了中国企业这样的机遇，炽橙科技就站在大模型技术变革工业场景的路口，恰逢其时”。
03
长期主义者撞上了大模型浪潮
工业智能体的落地并非一蹴而就。不同于通用AI在C端的尝鲜式应用，大模型技术要解决工业制造场景的问题，要克服一系列挑战。
以核电站的检维修场景为例，除了接入通用大模型，有没有相关设备的操作规范和复杂设备的零部件组成等数据，这些垂直领域数据的质量以及完备程度，都极大影响装备AI维修助手的智能程度。纪尧华将落地挑战总结为三点，数据质量与完整性、工业细分领域知识的深度理解和跨学科知识交叉的场景复杂度。从原来的工业数字化到现在的工业智能化，纪尧华认为中间特别重要的就是软件的基础设施。“没有新型工业底层软件，就没有足够的高质量数据集和实现数据贯通的手段，工业智能就无从谈起，产业AI就无法真正落地。”而炽橙科技装备AI维修助手之所以能在核电场景快速推进，他们的工业智能交互底座（CCHUB）就扮演了上述新型工业软件的角色，并且他们还探索出了一条被垂域行业专家们认可的可复制落地路径——工业智能交互底座（CCHUB），能解决多源异构数据融合问题；基于底座建立轻量化、零代码、可视化工具体系（超真云平台），能以自然交互方式智能化生成内容；新型知识工程，能实现多智能体可控协作。而回看创业历程，十年前纪尧华拉起一支队伍创立炽橙科技时，其实并没有预料到能构建一个巨大的底座，还迎面撞上新一波人工智能浪潮，并成为新一代工业智能落地探索的重要基础设施。纪尧华创业在2015年，那年他进入工业制造领域已是第十个年头。十年时间，足够一个年轻人从一线工人晋升成长为一家集团公司的管理岗，但纪尧华认为自己做的许多事仍然在重复行业以往的经验和动作，他隐约觉得有些不足。彼时正值全国大众创业万众创新浪潮，纪尧华萌生了一个念头，能不能基于过往积累和对行业的认知，干不一样的事，实现行业的变革。当时，深度学习浪潮正迎来第一波产业落地，比如机器视觉公司就找到了安防这个最大的落地场景。计算机视觉和语音技术都发展都进入新阶段，纪尧华认为，整合这些技术可实现3D立体呈现，能实现复杂知识可视化，在工业维修和培训等场景，可以极大程度降低人认知和掌握领域知识的门槛。工业产线出故障，动辄是数以万计的损失。而可视化能力提升，能显著提升设备的可维护性和易操作性，这对产业工人的培养、工业运行效率和节奏，包括安全应急的处置等场景都会带来不小的变化。当时，浙大工商管理出身的纪尧华与浙大校友圈互动频繁，也与浙大图形图像学的技术圈经常接触。行业内都知道，浙大CAD&CG国家重点实验室是国内图形图像领域首屈一指的国家级实验室，这里的技术骨干和培养出的人才，不乏国内产业界的技术中坚。炽橙科技创业，就是基于浙大图形图像学领域的技术积累，以可视化这一差异化能力，切进了工业培训赛道。超真云3D编辑平台是他们的第一款产品，之后炽橙围绕着这个产品打造了一系列场景型应用。比如，最开始的产品立体课堂就是基于超真云3D编辑平台，在职业教育场景做出的场景应用。基于这个编辑器，用户可以自主地在这个零代码平台开发内容，它具备实时渲染、可视化3d交互，一键分发，全端适配等能力，职业院校可以用它生产工业拆装调试等场景内容，更好地去做虚拟实训。一家创业公司的产品能打开新市场，固然得益于通用性的技术进步。但能坚定扎根工业领域，则与这个团队的技术情怀密不可分。“基于3D可视化其实也有其他应用的场景。但那时候我们想，要创业就要做更难的事，工业制造这个领域无论从价值创造还是国家需求角度，都是长期的难而正确的事”。发展过程里，他们也形成了一个长期目标，要做“中国制造全连接工具链”。在这一愿景驱动下，伴随着客户的需求增加，炽橙科技的能力也逐渐进化，形成了全链数据贯通和可视交互的能力，一个新型智能交互式数据融合底座CCHUB工业数据中枢和百万级的多模态工业数据集也逐渐成形。正是这些积累，为大模型时代炽橙科技快速切入工业多智能体领域，打下了良好的开发工具与数据沉淀基础。
04
工业姓“工”
工业智能体要解决企业一线问题，不同于一般通用场景，容错空间极小，一位Agent行业人士曾告诉数智前线，他们开发Agent主要应用在电商、运营商等行业，工业制造由于场景内要求高，一旦准确率不达标就可能影响生产流程，带来不小的原材料浪费，严重情况甚至会造成生产安全事故，影响生命财产安全。
早在2022年年底，炽橙科技在底座能力成形后，就基于多源异构数据、碎片知识等，构建系统化、可视化知识平台。工业场景里，有了垂域知识图谱，就可以更好地反映数据间的关联，实现归因分析、数据挖掘、知识检索等功能，助力生产、运维等环节提升知识传承与使用的效率与效益。也是在这一时期，ChatGPT问世，这个革命性产品一问世很快席卷全球，并打破了最快突破1亿用户的纪录。炽橙科技的知识工程能力也在这波浪潮里升级成为了Gnosis真知工业垂域大模型。通用大模型缺乏垂直领域数据与知识体系，难以理解工业术语，而工业垂域大模型则能够理解复杂工业指令。当然，人们很快也发现，有了垂域模型，仅靠问答和对话机器人也不能满足工业现场的需求，制造企业更需要的是能基于设备的非结构化数据，理解复杂场景，进而实现自主认知和决策闭环的工具和解决方案。基于这一判断，很快炽橙科技就分出了一支专门的技术分队，探索工业智能体系统。去年下半年开始，大模型市场开始从Copilot到Agent的演进，基模技术进步和推理成本下降，推动了Agent应用态势。而工业制造领域，炽橙科技此前的数据底座能力和丰富的垂域数据积累以及知识工程能力，为工业智能体落地路径的探索、技术框架的搭建和打造落地应用奠定了良好的基础。今年以来，DeepSeekR1出来后，大模型深度推理、深度思考的能力有比较大的一个提升，业界认为，“大脑”更聪明了，指令遵循准确率会更高，能更好地拆解任务，完成调度和行动。目前，炽橙科技已经收到了许多企业的场景共创需求。不过，纪尧华和炽橙科技团队依然十分谨慎地选择工业智能体的先行落地场景。他们判断，在工业制造一线，大模型应用当前可行的场景主要围绕着在设备预测性维护、工艺参数优化、质量异常分析、知识沉淀与传承等领域展开。尤其是装备运行维护领域，市场需求大，能给客户创造明显的价值，炽橙科技选择从这里优先扎根。而在化工行业的自动生产决策和装备制造领域的设计辅助和仿真优化场景，当下无论是基础模型能力还是领域数据的长期积累仍有待提升，属于未来可拓展的方向。他们对技术在当下能做什么，不能做什么有明确的把握，以问题为导向，从第一性原理出发来解决问题。这种行事方式，来自这支深耕工业市场的团队从过往发展历程里积累的经验。纪尧华和他的团队在创业最初两年就体悟到，要充分考虑市场需求，要以合适的产品去承接市场需求，经济性影响产品能否规模化落地。纪尧华认为，工业姓“工”，到了工业场景就需要算性价比和投入产出比，技术型团队往往最难闯过这道坎。当时，他们打算基于可视化能力在装备检维修场景做培训、实训和实操演练。杭州一家本地的泵阀类企业对这个方向产生了兴趣。炽橙铆着劲头想在眼镜上打造一个培训实训环境，于是先基于unity的软件在HTC的眼镜和微软的HoloLens开发了两个泵阀检维修的内容。开发完成后，问题来了。两个部门检维修的内容开发的成本大概60万，加上眼镜费用，成本接近100万。而泵阀厂家在市场上愿意付费大概在5万，差距非常大。这让他们意识到技术经济性的重要性。最终他们找到了当时的技术条件下更经济的轻量化方案，打造出了炽橙引爆市场的第一款拳头产品超真云3D编辑器。大模型时代，炽橙科技也依然务实，定位“卷‘小’不卷大”，采取大小模型结合的技术，来确保产品真正解决面向场景工业一线的问题。
05
生态作战
当下，正值工业制造领域从数字化向智能化跃迁的起步阶段，大重构刚刚开始。
不同于上个时代工业软件功能相对单一的应用模式，智能体时代，工业智能更像是一个开放系统。以炽橙科技的生成式多智能体系统为例，纪尧华认为，AI大模型加上CCHUB这个数据解析底座，可以与知识图谱、数字孪生等技术结合，也可以接入企业已有的工业软件能力及数据，从而辅助优化决策。对市面上一些已经非常成熟的能力，多智能体系统不用重复造轮子，可以直接封装到多智能体系统中，支持多源异构数据融合去完成企业用户希望实现的内容，最终形成更大范围的智能中枢。目前，海外巨头里英伟达Omniverse平台也在朝这一方向演进，中国玩家正与海外巨头同步发展。在这场重构里，中国企业处在独特的竞争生态位上。目前国内有最完整的工业体系，是工业智能演化的绝佳土壤。同时，大量的企业有强烈的意愿来推进工业智能体的建设。炽橙科技位于杭州，纪尧华在炽橙科技的成长历程里又充分感知到了杭州这座城市各类创新要素汇集后对创业企业的激发作用。创业之初来自浙大的技术支持带来的影响自不必提，浙大校友圈链接出去的产业生态，也有助于炽橙科技打造产业朋友圈。这些位于中国市场经济最发达地区的企业们有意愿有能力与技术服务商携手共创，让创新性解决方案找到合适的落地场景。而在当下，杭州的创新要素汇集等特性，又能给参与这场大重构的企业提供一个创新加速度。比如创新产业链完整，同一个城市里既有基础模型企业又有具身智能公司还有场景应用方，企业可以更快去完成POC验证和落地闭环。路径和方向已经明确了，技术路线上也可行，但纪尧华也坦言，这个多智能体系统要真正发挥出巨大的价值，还面临开放度的挑战。ToB场景不同于ToC应用，它不是单点突破的独角兽，而需要建成一个产业级生态，需要与企业内已有的数据和系统融合对接，也需要能调动更多的开发应用加入。炽橙科技的务实特性，在他们对多智能体系统的落地路径上又再次体现了出来。纪尧华认为，这是一个循序渐进的过程。最开始，一些企业是对单点、高频应用比如智能检维修助手感兴趣。比如过去几个月，纪尧华和他的团队就接待了非常多的到访客户，他们在了解工业智能体的过程里发觉到CCHUB的重要性后，又掉头开启企业内数据的梳理和准备工作。而数据贯通这个基础工作做好后，企业发觉智能体会越用越智能后，一些检维修场景之外，比如生产协同、辅助决策和仿真分析，可能就会产生新的智能体落地需求。要满足这部分需求，就需要更丰富的行业数据。它不存在于单一的组织里，而在不同行业的大型工业设计院所手中。开年这波DeepSeek热潮，推理模型能力的快速进化，让许多相关的组织基于手头数据去推进工业智能的意愿前所未有的强烈。炽橙科技最近也得以与不少细分行业里的头部工业设计院所合作，加速打造跨区域产业数据集。围绕着更多行业、更多企业的多样化工业智能体落地需求，炽橙科技还在多智能体框架里规划了一个新角色，“炽橙AIDT-IND”系统。这是一个工业AI孪生态多智能体开发平台，未来它能囊括更多企业内的典型知识积累和场景应用。当前阶段，炽橙科技已经开始规划开放接口和二开功能，先让其他行业的用户或者生态伙伴可以加入智能体的构建过程里来。伴随着越来越多的应用生态构建，基于融入了大模型能力的多智能体系统会在工厂和制造业企业的管理运行中逐渐扮演大脑的角色，成了工业智能体的智能中枢。这是一个生态群落打群架的过程。纪尧华认为更开放协作是国内企业在这场换道超车的竞赛里获得发展加速度的另一大关键点。“在正确的时候做的一件非常正确的事，这件事有点难，有点煎熬，但很值得”，纪尧华说。
粤ICP备17114055号
支持私有化部署
