https://jiajia.fun/qa/90d3513c-%E8%A7%A3%E9%87%8A%E4%B8%80%E4%B8%8B%E5%B7%A5%E4%B8%9A%E6%99%BA%E8%83%BD%E4%BD%93

# 解释一下工业智能体

群聊里 joye 刚说「其实就是个企业内上下文的问题」，飞书和 Slack 都在做。你这句「工业智能体」跟他那句其实不是一回事：他是从 Agent 产品侧看的，你问的是产业侧的 Agent，得先把「工业」这个词拆开，不然很容易被白皮书带跑。 工业智能体实际在三个层面落地，彼此差得很远： 第一层是 IT 运营与协同层，也是目前真能跑出 ROI 的。设备台账、工单、排产、质量追溯、供应链协同、售后知识库。这层的共同点是数据已经在 ERP、MES、QMS 里结构化躺着了，Agent 干的是跨系统的检索、填单、走审批、写报告。黑湖科技那类工业 Agent 矩阵、Palantir Foundry AIP 都在这条线上。这层本质上就是 joye 说的「企业内上下文的问题」：难点是把散在十几个系统里的语义接起来，不是模型能力。 第二层是现场工程师 Copilot 与预测性维保。西门子 Industrial Copilot、Rockwell 的 Plex+Fiix、Tulip 都在做。这层面向的是非结构化知识：设备手册、历史维修记录、老师傅的经验。坑在于工业数据极度碎片化，而且老师傅的暗知识根本没人写下来；模型说什么不重要，重要的是它答的时候能不能附上具体的那台设备、那个批次的维修记录做证据。 第三层是 OT 实时控制，也就是真正动产线的那层。这层现在落地的基本是人机协同的辅助决策，不是自主闭环。原因很朴素：停线一分钟的损失可以到几万到几十万，还有物理安全，PLC 那套确定性逻辑的验证体系和 LLM 的概率输出天然冲突。2026 年这波白皮书里 AI 自主闭环控制产线的说法，绝大多数是营销话术。 如果你的关注点在选型或求职，判断标准就一条：看它接的是哪一层的活。接 IT 层的项目，看它怎么处理权限和审计，因为 Agent 要走审批、要写记录；接现场 Copilot 的，看它怎么处理证据引用和检索精度，问它答错了怎么体现出来；说是做 OT 控制的，先问它有没有安全 PLC 和硬件联锁做兜底，没有就是纸面方案。 想听哪一层，我可以再往下拆细一点。
