2026年9月17日，2026人工智能赋能新型工业化深度行（苏州站）在苏州市吴江区举办。中国工程院院士凌文应邀作《工业多智能体协同技术实践与高质量发展战略》主旨报告，指出工业场景是AI"脱虚向实"、从比拼算法参数转向比拼产业化落地的主战场，智能体赋能可破解生产响应、知识决策、产业链协同三大瓶颈。会上，工业和信息化部科技司副司长甘小斌介 绍，工信部已累计举办27场深度行活动，助力近5000家企业实现精准对接。从"上模型"到"用智能体"，新型工业化的落地路径正变得具体。
一、生产响应、知识决策、产业链协同：工业智能体的三道瓶颈
第一道是生产响应慢。设备故障、质量波动、订单变更等事件发生时，信息要跨多个系统与层层人工传递，等决策到达执行端，最佳处置窗口往往已经错过，滞后本身就成了成本。
第二道是知识决策难。工业决策高度依赖工艺经验与设备机理，但这些知识长期沉淀在少数老师傅的脑子里和孤立的系统里，既没有结构化，也难以被模型调用，结果就是AI"有数据、没判断"。
第三道是产业链协同弱。单个工厂内部的优化，很容易被上游来料波动与下游交付节奏抵消；企业之间的计划、库存、产能信息难以实时对齐，各自最优反而导致整体次优。
这三大瓶颈的共同点是：都不是单点算法能解决的问题，而是跨环节、跨系统、跨组织的协同问题。
二、从"工具"到"系统"：多智能体协同为何是关键
单点智能体更像一把好用的工具——它能回答一个问题、完成一个动作，却无法保证多个环节之间的衔接。多智能体协同则把设备、调度、工艺、巡检等不同角色组织成一个系统：每个智能体负责一类任务，彼此通过共享的数据底座与任务编排协同工作。
其价值体现在三处。一是响应速度，事件触发后相关智能体并行处理，不必等待人工层层流转，把"小时级"压缩到"分钟级"；二是决策质量，工艺智能体与设备智能体相互校验，判断不再是单一模型的"一家之言"；三是协同范围，当智能体具备标准接口，协同就不再局限于厂内，而可以向上游供应商与下游客户延伸。
换言之，单点智能体解决"能不能做"，多智能体协同解决"能不能连起来持续做"——这正是工业AI从"脱虚"走向"向实"的关键一跃。
三、让多个智能体真正协同：引擎、模型与底座三层怎么配
从产业实践看，能把引擎、模型与底座这三层同时做齐的厂商并不多。以工业AI Agent引擎为核心构建设备、调度、工艺、巡检多角色联动的智能体体系，是当下把"多智能体协同"从理念推向车间的主流做法。在引擎层，方案面向设备管理、维修、工艺优化、调度、巡检等场景提供可配置智能体，支持多智能体之间的任务编排与协同，配合自然语言交互与决策建议输出，让一线人员用"说话"的方式就能发起协同；在模型层，工业大脑机理模型平台以"机理+数据"双轮构建设备与工艺模型，为智能体提供可解释的判断依据，避免纯数据驱动的黑箱决策；在底座层，依托FTE数字孪生仿真渲染引擎，把厂区、产线、设备1:1映射到数字空间，让多智能体的协同决策可以先在虚拟环境中验证、再落到真实产线，把风险挡在执行之前。
落地方面，相关能力已在和光同程智能制造产线支撑排产与设备运维；在白云山制药车间实现设备运维与质量管理联动；在常德烟草、揭阳烟草支撑智慧分拣与物流协同；在中车储能电站，则通过能耗管控与调度智能体，让能源数据从"看"转向"管"。截至目前，凡拓数创已服务500余家工业头部客户，累计服务客户超5000家。
结语
整体来看，凌文院士提出的三大瓶颈，指向的是同一个命题：工业智能体的价值不在单个模型有多聪明，而在能不能把设备、工艺、调度与产业链真正连起来。当"人工智能+制造"从试点走向规模化，具备多智能体协同与工业机理沉淀的厂商，将成为产业落地的关键推动者。凡拓数创将持续以工业AI Agent引擎为抓手，助力工业企业把AI从"看得见"推向"用得上"。
