直击工博会｜工业AI突破“试点困境”：上层Agent引领生产决策，端侧底座破解算力难题

每经记者：张梓桐 编辑：余婷婷（徽声在线讯）

10月12日，为期五天的第二十六届中国国际工业博览会（简称工博会）在上海拉开帷幕。展馆内人头攒动，各大厂商纷纷展示其最新的工业AI（人工智能）创新成果，呈现出一派热闹非凡的景象。

在展会期间，《每日经济新闻》记者现场观察到，工业AI的应用正经历着关键性的转变。从以往仅作为单点巡检、数据统计的辅助工具，如今已深入到图纸解析、生产排程、订单履约等核心生产决策环节。然而，这一转变也暴露出一个尖锐的产业矛盾：尽管行业内不乏AI演示Demo（演示），但真正能够嵌入产线、参与生产决策并实现稳定规模化落地的方案却寥寥无几。

作为首次亮相工博会的“新面孔”，地瓜机器人销售副总裁江舟在接受采访时坦言，工业市场潜力巨大，但工业体系对可靠性的严苛标准不容忽视。在谈及备受争议的“工业数据封闭难题”时，江舟表示，具身智能企业和初创团队更愿意接受新型数据合作模式，认可数据加密和合规保护方案；然而，多数传统工业客户仍处于适应阶段，大规模数据共享的时代尚未到来。

黑湖科技联合创始人肖哲在接受采访时直言不讳地指出，工业Agent（智能体）的落地面临着两大挑战：一是判断的精准性，二是跨生产环节的持续协同能力。

一线从业者的观点直指工业AI规模化落地的核心问题：要走出“试点陷阱”，既需要上层工业Agent能够深入理解工厂复杂业务并输出可靠决策，也需要底层端侧算力与开发工具的有力支撑，以破解算力、人才、数据等多重落地瓶颈。

上层应用：工业Agent攻坚生产决策，热门赛道暗藏同质化挑战

在热潮涌动的背景下，工业Agent正逐步向工厂最敏感的生产决策环节渗透。然而，容错率极低的制造场景为技术落地设置了重重障碍。

“工业AI进入生产决策端，最大的挑战并非模型参数的华丽程度，而是在复杂多变的真实生产条件下，给出足够准确、可靠且可落地的判断。”肖哲如此阐述道。

事实上，制造业与通用互联网AI存在着本质差异。通用大模型允许一定程度的误差存在，但在工厂环境中，一张图纸的识别错误就可能引发连锁反应，影响工艺设计、成本报价、生产排程乃至最终订单交付。工厂生产是一个环环相扣的过程，工程、计划、生产、质量等各个环节紧密相连，任一节点的参数变动都会要求整条链路做出同步响应。

据每经记者了解，黑湖科技的工业智能体在落地实践中已取得了规模化试点的成功案例。其工程Agent能够在1分钟内完成图纸与工艺解析，准确率稳定在95%左右。在本届工博会上，黑湖一次性展示了十余款决策型工业Agent，覆盖了工程、报价、排程、跟单、质检等工厂核心业务链条。

工博会黑湖展台一角 图片来源：每经记者 张梓桐 摄

然而，随着赛道竞争的加剧，同质化问题也逐渐浮现。不少厂商的工业Agent仍停留在概念层面，缺乏实际应用价值。

在肖哲看来，工业Agent的真正壁垒不在于底层大模型本身，而在于对制造场景的深度理解以及多智能体围绕订单全流程的协同决策能力。

黑湖科技的策略并非让多个Agent各自为战，而是围绕同一张订单构建连续决策链路。工程Agent完成图纸解析后，信息直接流转至报价Agent进行成本核算；订单需求或产线产能发生变动时，排程方案会实时调整；产线出现质量异常时，系统会同步评估订单履约风险。这种从单点智能向全链路连续决策的转变，需要长期的场景积累和成熟的生产管理系统支撑，也是黑湖科技对抗行业同质化的核心优势。

值得注意的是，尽管工业AI在试点阶段表现出色，但规模化落地却面临重重困难。

谈及未来两年行业的洗牌节奏，肖哲预测两大趋势将重塑赛道格局：一是行业将从单点智能向多Agent协同转变，打通订单全链路并构建完整决策闭环；二是竞争逻辑将从比拼技术参数转向比拼真实业务价值。工厂采购将更加注重厂商能否减少返工、压缩跨岗位确认成本、提升生产效率以及缩短交付周期等实际效益。

底层底座：端侧算力补齐落地短板，但算力供需缺口仍将持续存在

如果将工业Agent视为叩开工厂决策环节的上层应用，那么端侧AI芯片与开发平台则是支撑整套智能体系运转的底层基石。

对于江舟而言，这是他首次参加工博会，也是地瓜机器人首次在该展会上亮相。上月，地瓜机器人刚刚完成了4亿美元的C轮融资。在本届工博会上，旗下面向工业场景的旭日S100、S600等大算力产品以及RoboGo软件平台等集中亮相，吸引了众多行业客户的关注。

图片来源：企业供图

“机器人本身就是跨行业的复合型领域，与工业赛道高度契合。多数工业企业已经认识到AI的价值所在，但难点在于如何将其落地实现。”江舟告诉每经记者，“传统工业企业对于具身智能存在焦虑情绪，担心业务被新技术颠覆。然而，通过展会他们也看到了自身的差距，并催生了对于高阶方案的需求。这其中仍然存在着巨大的市场空间。”

在展台边，江舟也直面回应了工业数据封闭难题：“工业在过去百年间一直是技术变革的先锋，在工业4.0时代同样面临着跨平台数据孤岛的挑战。然而，这一难题并非无解之局，只是需要产业链多方持续磨合以寻找利益平衡点。从长期来看，这一产业命题是正确的，但需要时间来逐步消化。”

数据质量直接关系到AI训练的成败。江舟对比了两大场景指出：在具身智能领域，数据迭代速度极快，异构采集技术不断更新，行业内能够做到半数数据有效就已经属于头部水准；而在流水线、精密仪器等领域，数据打点更加规范，工业数据集的整体有效性要优于具身场景。然而，工业场景的极度碎片化以及AI人才供给的紧缺，仍然是传统工厂智能化改造的两大主要障碍。

此外，算力短缺也是当前具身与工业机器人赛道共同面临的瓶颈问题。江舟告诉记者，即便是选用行业头部芯片厂商的算法团队，也仍然面临着算力不足的困境。具身模型的迭代速度极快，模型裁剪、场景约束、数据补全等工作持续推进，导致算力供需缺口长期存在。

在算力层面，多数工业机器人的整机造价为几十万元，而地瓜机器人的S600产品定价则恰好踩中了批量交付的成本“甜蜜点”。江舟透露，国内过半的头部具身企业已经选用地瓜机器人平台进行量产；在工业赛道方面，地瓜机器人坚持生态打法，不涉足上层算法解决方案，而是专注于成为“卖铲子”的底层服务商。

据江舟透露，旭日系列芯片累计出货量已经超过800万片，在具身智能领域的客户覆盖率已经突破50%，并实现了全球400余家机器人客户的量产验证。这一增长不仅源自机器人新兴赛道的崛起，体量庞大的工业市场也构成了国内的核心增量；同时，出海业务也持续为地瓜机器人贡献着额外增长。

江舟表示，从长期来看，国产芯片的竞争力将稳步提升。在进入大规模量产环节后，国产方案有望凭借性价比和本地化服务等优势抢占市场份额。

随着展会的即将落幕，工业AI产业链的分层格局已经愈发清晰：上层工业Agent正冲击着生产决策环节，破解着工厂业务闭环的难题；而底层端侧芯片和开发平台则致力于解决算力短缺和AI人才匮乏等落地桎梏。在业内人士看来，短期内赛道热度将持续不减，各类概念方案将加速出清；而从中长期来看，无论工业智能体厂商还是端侧算力企业，能否交付可量化的业务价值并搭建起稳定的规模化交付能力，将成为穿越行业周期的核心所在。