大模型走進制造車間，第一件事應該先干什麼？不是寫文案，也不是陪人聊天，而是一台設備突然報警，它得知道該查哪幾個參數﹔一條產線開機率下降，它得順著工序往前找原因﹔一張幾十年前留下的工業圖紙，它最好還能看懂、還原，繼續拿來用。

這時候，考驗的已經不是一個大模型“知道多少”，而是它到底能不能真正進入生產場景。

在創新奇智科技集團股份有限公司的“大模型制造車間”裡，奇智孔明AInnoGC工業大模型正在啃的，就是這道題。它擁有750億參數，具備人機對話、文本生成、SQL代碼生成等能力，應用覆蓋工廠管理、工業設計、智能制造實訓等領域。在此之上，還搭建起工業本體智能體平台、ChatRobot工業具身智能機器人、ChatCAD生成式AI工業設計軟件等應用。IDC數據顯示，創新奇智列中國工業大模型應用市場份額第1位。

第一關

先聽懂工廠的“話”

通用大模型為什麼不能直接搬進工廠？因為每一家工廠，都有自己的“語言”。

設備數據、生產規則、工藝經驗，大量信息隻存在於企業內部。一台設備和另一台設備是什麼關系，一道工序出了變化會傳導到哪裡，老師傅憑什麼判斷一個異常，這些都不是僅靠互聯網語料就能學會的。

創新奇智科技集團股份有限公司產品總監朱冰介紹，工業項目往往要和客戶一起定義問題、分析數據、整理流程，再把這些經驗沉澱下來。通用模型很難直接獲得企業內部的工具、數據和業務經驗。

所以，奇智孔明做的第一件事，是讓大模型“認識這家工廠”，這其中一個重要辦法是構造“本體”。

設備、工藝、規則、物料、訂單，原來散落在不同系統裡，現在被重新組織成實體、屬性和關系。簡單說，就是先給AI把工廠的關系理清楚。

在“大模型制造車間”的現場演示中，朱冰利用系統，先去理解業務目標，再讀取企業數據，推斷不同數據之間可能存在的關系，逐步形成設備、故障、規則等構成的本體。隨后，用戶隻需要用自然語言提出需求，大模型就能進一步生成設備故障診斷的工作流。

第二關

不能隻會猜，還得把依據擺出來

工業現場比手機裡的聊天窗口更在意一件事，那就是可靠。

如果大模型說“可能是蒸汽壓力異常”，生產人員接下來一定會問：憑什麼？採訪中展示的設備診斷案例裡，系統會直接讀取現場實際數據。每一步查了什麼、調用了什麼、依據什麼排除，都能夠回看。這就像老師傅排查故障。

確認原因后，系統會給出處置方案，現場人員審核確認后，再創建工單，進入下一步流程。

朱冰把工業大模型稱作后台的“支柱和靈魂”——呈現在用戶面前的，可能是一個智能體、一套軟件，甚至一台機器人，但背后真正負責理解問題、調度工具和匯總判斷的，仍然是大模型。

第三關

真正的能力要在生產線上長出來

玻纖生產，是奇智孔明進入真實生產流程的一個典型案例。從原料配比到窯爐熔化，再到漏板拉絲，幾道工序環環相扣。一次微小波動，都可能造成斷絲，進而影響開機率和產量。

在這裡，奇智孔明並不是一個“模型”包打天下。

原料環節，機器學習小模型分析原料檢測數據、歷史配方和生產結果，預測配方質量﹔窯爐環節，視覺小模型持續觀察中間產品狀態，再和實時IoT數據結合﹔拉絲環節，本體又把產線、通路、拉絲機、漏板、工藝參數和生產事件連接起來。

小模型負責感知和計算，大模型負責理解問題、調用工具，再將結果匯總起來。過去分散的一個個算法，變成一套能夠協同工作的系統。

“隻有經過真實生產數據的持續滋養，大模型才能真正理解不同的細分行業。”朱冰說。畢竟，模型能力不只是在機房裡練出來的，更需要在車間裡“磨”出來。

創新奇智把總部落在青島，一個重要原因就是山東工業門類豐富，與其“AI+制造”的方向高度契合。

在山東開放的工業場景裡，大模型有機會不斷碰到真實問題，再把解決問題的能力繼續沉澱下來。接下來，大模型還要繼續往車間深處走。朱冰判斷，工業垂類大模型會逐漸從相對外圍的環節，進入更多生產執行和工業設計等核心領域。

越往核心走，問題也越難。它不僅要懂知識，還要懂工藝﹔不僅要會分析，還要可靠、可追溯﹔不僅能給一個答案，還得能夠調用軟件、設備甚至機器人，把答案變成動作。

所以，當大模型走進制造車間，真正的比賽才剛剛開始。

專家點評

模型的能力要在車間裡“磨”出來

天使投資人、人工智能專家郭濤

奇智孔明AInnoGC工業大模型的核心價值，在於把通用生成式AI能力錨定到制造業真實業務鏈路。它依托工業本體智能體串聯圖紙設計、產線運維、能源管控、數據分析等落地場景，依托底座支撐自然語言問答、SQL代碼生成、工業具身機器人、CAD設計工具等多類應用，兼顧產業從業者實操需求與智能制造實訓場景。

750億參數底座搭配垂直領域知識沉澱，使其能夠適配工程師、研發人員、產線管理人員等多元角色，將工業知識查詢、數據分析、方案推薦整合為統一智能入口，同時面向工科學生搭建知識應用通道，實現產業端與教育端雙向覆蓋。

其發展意義在於探索工業大模型可以作為嵌入生產流程的智能工具體系，為垂類大模型緩解“演示化”“項目制”等難題，推進規模化復制提供一條可供參考的實踐路徑，推動AI能力下沉到制造業的設備管理、生產優化等核心環節。

記者手記

垂域大模型，要真懂行業

通用大模型追求的是知識的廣度，而工廠更在意另外一些東西：一個結論夠不夠准確，一次判斷有沒有依據，一個建議能不能真正執行。

這裡容不得太多“差不多”。也正是在這一點上，我們才能理解垂域大模型真正的價值。

所謂“垂”，不是給大模型貼上一個行業標簽，而是讓它真正進入這個行業的知識、數據、規則和流程之中。

山東發展垂域大模型，也有一層獨特優勢。制造業門類多、產業鏈條長，意味著這裡有足夠多的真實問題可以拿給大模型去做。模型在場景裡學習，場景又被模型重新改造。

所以看一個垂域大模型，不妨少問一句“有多少參數”，而是多問一句：它到底懂不懂這個行業？（蘇月鵬）