加速推進新型工業化的強大引擎

【科學隨筆·我見AI】

當前，全球製造業正經歷人工智能驅動的深刻變革，工業智能體作為核心載體，以解決生產實際問題為導向，正從單點技術適配的探索階段，邁向深度融合產線、提升效率與質量的規模化實戰新階段。這種跨越並非簡單技術升級，而是製造體系從“被動執行”向“主動優化”的範式重構。

近日，國務院印發《關於深入實施“人工智能+”行動的意見》，提出推動智能體的廣泛應用，促進生產力革命性躍遷和生產關係深層次變革。這意味着，智能體已被提升至國家戰略層面，而工業智能體將不再是孤立的技術探索，而是成為串聯起產業鏈上下游、打通數據壁壘、重構製造價值的核心紐帶，彰顯了國家以人工智能賦能新型工業化、加快發展新質生產力的戰略決心。

回望“人工智能+”製造業的發展歷程，其角色正經歷着從“輔助工具”到“智能主體”的轉變。過去十年，機器學習與計算機視覺技術在缺陷識別、工藝監控等環節成熟應用並取得成效，但始終停留在“發現問題”的被動層面。

隨着製造場景複雜化，傳統AI難以支撐智能製造，以智能體為代表的新一代AI正推動系統從“感知智能”向“決策智能”躍升，而核心支撐正是融合“多模態感知+具身控制”的VLA（視覺-語言-動作大模型）模型轉變。

工業環境的特殊性，要求AI系統不僅要理解圖像、參數、文本等多模態數據，更要實現從感知到控制的閉環操作，形成可落地、可執行的智能響應。這也正是工業智能體需具備“身體”、能與物理環境即時交互的根本原因。

在這一背景下，產業界依託對工業場景的深刻洞察，已逐步發展出融合領域知識的多模態工業大模型如IndustryGPT等，並進一步構建起VLA一體化架構，真正推動工業智能實現從“感知理解”到“自主控制”的系統級躍升。

工業VLA模型的突破性在於，它將多模態感知、語義理解與物理控制能力整合於統一架構，並深度融合工藝參數、質量標準和物理約束等行業知識，從而能夠根據自然語言指令或視覺輸入，直接生成穩定、可靠的動作序列。這不僅降低了多系統耦合的複雜性，更使智能體能夠在開放、非結構化的工業現場實現自主適應與即時決策，成為真正兼具認知與執行能力的“智能主體”。

工業生產過程在物理世界發生，與常見的軟件智能體相比，工業智能體需要有物理的載體與世界交互。作為一名“工人”，工業智能體也需要具備“眼-腦-手”，這三者分別對應着智能體與物理世界交互的核心功能模塊——由智能傳感器作為“眼”完成高精度感知，由多模態大模型或VLA作為“腦”完成對多源信息的處理與決策，由機械臂或者其他硬件載體作為“手”完成執行。

但三者的協同既面臨着跨模態、跨系統的技術壁壘，也存在着物理世界與數字世界的認知鴻溝，而這正是學術界和產業界需攻克的核心科學問題。

“眼”的層面須實現極端環境下的穩定感知。我們深度融合多光譜成像、偏振視覺與AI技術，推出了具備邊緣計算能力的智能視覺傳感器系列，能有效克服金屬反光、透明材質、低對比度等極端成像挑戰，可在微秒級時間內完成特徵提取與缺陷識別。

“腦”的突破點在於將多模態大模型的認知能力與工業機理深度融合，通過“知識嵌入+強化學習”框架，將物理定律、工藝標準嵌入決策，使智能體不僅能識別缺陷，更能解析成因、預測設備劣化，並生成在物理上成立、控制上可行的動作指令，實現工業場景下的智能自主響應。

“手”是連接數字決策與物理動作的關鍵。我們開發了基於多模態感知的柔順控制算法，使執行端能即時感知力覺、視覺反饋，動態調整抓取力度和運動軌跡，即使在工件存在位置偏差或形變的情況下，仍能穩定完成精密裝配、柔性插拔等複雜任務。

“眼-腦-手”的協同並非靜態的技術拼接，而是動態的自治進化，能根據產線變化，自主調整感知重點、優化決策策略、適配執行能力，且無需干預。這也正是工業智能體區別於其他智能體的關鍵所在——不僅在於技術演進，更在於實現從“演示可用”到“生產可靠”的跨越，最終在真實工業場景中發揮可量化、可複用的產業價值。

從技術研發到產業落地，工業智能體的突破離不開“產學研用”。唯有打通從實驗室到生產線的創新鏈條，讓學術前沿的星星之火點燃產業實踐的廣闊原野，才能讓工業智能體成為推動製造業變革的核心力量。

筆者認為，這是AI技術跨越死亡谷、真正賦能實體經濟之途。

近年，我們積極與多個知名工業界代表共建聯合實驗室，將產線痛點轉化為前沿科學問題，再將創新成果快速驗證於工業場景，實現以產促研、以研促產。我們團隊聯合中國中車、思謀科技等研發的磁粉探傷新一代工業智能體，正是在與企業工程師的反覆交流中落地，解決了高鐵車身超萬個點位的外觀檢測難題和轉向架無損質量檢測難題，開創了高鐵轉向架等多個關鍵安全部件使用AI檢測的先河，並實現了大規模落地應用。

展望未來，工業智能體將持續迭代，從“執行指令”邁向“自主決策”，並實現從“單點智能”到“生態協同”的跨越，打造跨企業、跨行業、持續進化的智能製造新範式。這不僅關乎技術創新和生產力變革，更在於助力中國製造業在新一輪全球競爭中掌握主動，推動AI成為驅動新型工業化、支撐製造強國戰略的核心引擎。

基礎科學突破與工程化落地，需要堅定的科研定力和產業耐心。我們將以開放合作的姿態，構建真正面向未來的智能製造體系，這既是我們這一代人工智能研究者的使命，也是中國製造業向全球價值鏈頂端攀登的必由之路。

（作者：賈佳亞，系香港科技大學講席教授、馮諾依曼人工智能研究院院長）