打造“统一底座”推动AI在制造业规模化应用

本报记者　王镜茹

在人工智能（AI）掀起全球产业变革浪潮的当下，制造业作为国民经济的命脉，正处于从“数字化”迈向“智能化”的关键节点。然而，在大模型落地应用的过程中，企业却普遍面临“业务用不起来、结果不敢用、IT管不住”的困境。

1月份，美的集团股份有限公司（以下简称“美的集团”）旗下美云智数科技有限公司（以下简称“美云智数”）正式发布新一代工业AI平台——美擎AIGC　3.1平台（以下简称“美擎AIGC平台”）暨智能体工厂解决方案。

近日，美云智数研发中心总经理兼CTO宋云报接受了《证券日报》记者采访，深度解析制造业如何通过打造“统一底座”，破解AI落地难题。

从“定制开发”到“统一底座”

在宋云报看来，企业AI应用的成功，最终不取决于某一个具体的模型或单一的应用，而是能否建立起一个支撑智能体（Agent）长期稳定运行的平台。“智能体是入口，而平台决定了上限”。

在大量的企业实践中，美云智数发现，缺乏平台支撑的智能体通常会陷入三个主要困境：其一，业务端无法应用，因为开发门槛过高，过度依赖少数经验丰富的工程师，致使AI难以融入日常工作流程；其二，AI给出的结果无法追溯、不可解释，难以进入关键决策流程；其三，IT部门无法有效管控，数据权限和运行状态不可控，导致应用场景受限。

针对这些痛点，宋云报表示，美擎AIGC平台从建立之初就有着明确的定位，它并非一个新的业务系统或单一的模型，而是一个统一底座，能够连接企业内部的ERP、PLM、MES等现有系统的数据和流程，并对外开放算力、算法模型及生态支持，为企业未来的持续发展预留空间。

那么，如何实现AI的规模化应用？宋云报进一步阐释了智能体工厂的概念。他认为，智能体开发的最大挑战在于是否可复制、可评估以及上线后的治理问题。

过去，AI项目往往过于依赖少数专家的经验，人员变动或需求变更时，效果往往难以持续。而在美擎AIGC平台下，智能体被视为一种工程对象，整个开发周期都可进行管理。

宋云报详细介绍了三个标准化维度：一是构建标准化，通过50多个智能体模板和500多个企业连接器，利用无代码或低代码技术大幅降低开发门槛；二是评测标准化，建立了包含20多个评价指标的体系，对智能体上线前进行量化评估；三是运营标准化，像管理传统软件一样对智能体进行发布、监控和持续优化。

通过这种工程化的交付方式，智能体从“定制开发”转变为“可复制资产”，AI得以实现规模化落地。

将智能体融入关键业务流程

谈及大模型在工业领域落地的最大障碍，宋云报认为，“幻觉”是主要挑战之一。能否将智能体融入关键业务流程，取决于知识是否可控。“许多企业的知识库往往局限于简单的文档管理或向量索引，这种不可治理的知识反而增加了大模型的不确定性。”他表示。

对此，美擎AIGC平台将知识视作一项“工程能力”来打造，强调从采集、加工、应用到治理全过程。知识经过治理，智能体给出的结论才能得到业务人员和管理层的信任，这是企业级智能体和通用智能体之间的最大差异。

宋云报分享了一组数据：美擎AIGC平台的精准语义混合检索准确率比业界主流开源方案高出20％以上。更重要的是，该平台还提供了知识纠错、质量评估和来源可追溯功能，通过“错误闭环”不断提升智能体的专业性，确保其输出在可评估、可审计的前提下被用户使用。

而在数据决策领域，宋云报认为，传统的数据治理往往与决策脱节，导致数据难以转化为行动。美擎AIGC平台则能让业务人员通过自然语言直接发起问题，在决策窗口内获得关键的结论，而不是一堆需要再解读的数据。

“数据智能体不仅提供分析结果，更致力于实现从分析到决策再到执行跟踪的闭环，通过主动洞察与归因分析，将管理经验沉淀为可复用的决策支持工具。”宋云报如是说。

深耕制造业垂直场景

在工业AI领域，面对互联网巨头的激烈竞争，美云智数的路径选择十分坚定：不参与通用大模型研发，而是聚焦工业场景的模型工程化和智能体落地。

“这种场景理解能力源于母公司美的集团长期制造实践和工业方法论沉淀，是单纯依赖算法或数据所无法迅速复制的壁垒。”宋云报表示。

2025年，美的集团通过AI技术应用直接实现的效率提升价值超6亿元，在部分场景下成本节约幅度高达90％。目前，美的集团内部已自主搭建超过13000个智能体，美云智数正从中筛选高价值场景进行对外商业化。

随着制造业利润空间逐渐收窄，AI技术已不再是“可选项”，而是增强企业核心竞争力的“必选项”。展望未来，AI能力的融合深度决定着企业的成败。

“我们的使命是让智能化真正为企业创造规模化价值。”宋云报表示。通过美擎AIGC平台这一统一底座，美云智数正尝试通过工程化手段，将云端的大模型转化为制造业流水线上触手可及、高效安全的智能大脑。