移动通信网 林知远
8月7日，由武汉市经济和信息化局主办的“周五之约”2026年第2场（总第246场）——“AI+赋新智造”武汉市新型智改推广会在武汉东湖高新区小米武汉智能工厂举行，武汉市各区经信部门负责人、制造业企业代表及行业专家百余人到场，实地观摩AI赋能制造标杆。格创东智市场总监杨丽受邀出席，发表《从“看见”到“行动”：AI打造智造新范式》主题演讲，武汉市经信局、小米武汉智能工厂及工信部电子一所湖北赛昇科技等单位同期围绕人工智能赋能产业升级展开专题分享。武汉市经信局相关负责人现场表态：人工智能与制造业的深度融合是每个企业必须走的路，走进标杆工厂就是让企业深入最前线。以每周一场的节奏推进至总第246场，武汉对制造业智改数转的推动力度可见一斑。人工智能赋能新型工业化已进入政策与产业双向加码阶段，供需对接活动在长三角、珠三角及中部制造业重镇密集展开。格创东智脱胎于TCL制造体系，长期深耕半导体、半导体显示等高复杂度场景的工业软件与AI应用，此次披露的工业智能体技术架构与半导体工厂实战数据，成为现场百余名与会者关注的焦点。
【关键数据】
[1] 0.5小时——半导体工厂重要异常结案时间，较此前数小时压缩超90%
[2] 120倍——跨系统协同效率提升幅度，由2小时缩短至1分钟
[3] 800万元/年——某半导体企业部署AI Auto-pilot后减少的异常损失
[4] 6大业务场景——章鱼智脑智能体集群覆盖生产、设备、品质、能碳、物流、供应链
[5] 246场——武汉“周五之约”系列推广会累计场次，本次活动为2026年第2场
杨丽在演讲中直面工业AI落地的核心矛盾：大语言模型能力快速跃升，AI正从信息处理工具向智能决策伙伴演进，但工业制造场景对实时性、准确性、安全性和业务闭环能力的要求远高于消费级应用，通用大模型无法直接部署到复杂生产环境，数据、知识、工程化与系统协同四重挑战必须逐一破解。格创东智给出的答案是Harness Engineering工业级智能体工程框架体系，包含五大模块：企业上下文接入、工业Know-how融合、大模型与小模型协同、智能体协同调度以及工业级安全与运维保障。技术路线架构图显示，该体系以工业软件为底座，以智能体编排与执行能力为核心，融合大模型、小模型、工业机理模型和企业知识体系，构建从设备感知、数据理解、智能决策到任务执行的完整闭环。其创新点在于分层分工：大模型承担语义理解与复杂推理，小模型与工业机理模型负责毫秒级实时控制与机理计算，智能体层负责任务拆解、调度与执行。以异常处理为例，系统先监听设备与系统事件，再调用知识库与模型定位根因，最后驱动工单系统执行，任何一环的延迟或误判都会直接造成产线损失，这套分层架构在释放大模型推理能力的同时守住工业现场的稳定性底线。
作为技术架构的核心中枢，格创东智章鱼智脑工业智能决策中枢位于工业本体层，向上连接企业数据、知识库、工业软件系统，向下调度面向生产、设备、品质、能碳、物流、供应链六大业务场景的智能体集群，形成感知、分析、决策、执行一体化体系。竞争格局方面，工业AI赛道已聚集多方势力：华为盘古大模型依托云与算力优势切入钢铁、矿山等流程行业，百度开物工业大模型主打低代码AI开发平台，传统自动化厂商则从PLC与MES环节向AI延伸。格创东智的差异化路径是“工业软件+AI”垂直整合——其CIM、MES等产品在半导体、显示面板工厂拥有存量部署，章鱼智脑可直接嫁接既有数据底座与业务流程，无需从零搭建数据管道。市场层面，工信部数据显示我国工业软件产品收入已突破2800亿元并保持两位数增速，高端制造领域国产化替代需求明确，行业客户普遍倾向选择具备产线验证记录的供应商，Know-how积累正在成为比模型参数更硬的竞争筹码。
产业链视角下，工业智能体处于大模型、工业软件与制造企业之间的集成层。上游是基础大模型厂商与算力、数据基础设施供应商，格创东智采用大模型与小模型协同架构，将高频实时任务交给轻量化模型处理，仅在复杂推理环节调用大模型，可显著压低单次决策的推理成本。中游为工业软件与智能体平台层，章鱼智脑承担“翻译”与“调度”职能，把生产经验、工艺知识和业务规则沉淀为AI可理解、可调用的能力资产。下游覆盖半导体、半导体显示、新能源光伏、3C电子、汽车五大行业，均为多工序、多系统、高精密的复杂制造场景，单次异常损失动辄以十万元计，智能体带来的响应提速可直接折算为财务收益。成本结构上，工业AI项目投入的大头集中在数据治理、知识工程化与系统集成环节；能力资产一旦沉淀完成，向同类产线复制的边际成本快速下降，向新行业扩展时仅需补充该领域的机理模型与知识库，这种资产复用模式决定了平台型厂商的规模效应远高于项目制定制服务商。
商业化进展方面，格创东智已在半导体、半导体显示、新能源光伏、3C电子、汽车等领域推动工业智能体落地，披露最完整的案例来自某半导体制造企业。格创东智基于该企业CIM系统构建AI Auto-pilot决策中枢，打通异常监听、自动派单、根因分析、处理决策与持续反馈五个环节，实现异常事件集中管理与跨系统联动。项目上线后，重要异常结案时间由数小时缩短至0.5小时，压缩幅度超过90%；跨系统协同效率从2小时提升至1分钟，提速120倍；年度减少异常损失超过800万元。对一座动辄投资数百亿元的晶圆厂而言，这笔收益来自设备稼动率与良率的双重改善——异常响应每加快一分钟，产线停机与晶圆报废风险就同步下降。杨丽将此概括为“从人找数据、人工分析，向AI主动感知、智能分析决策、协同执行”的模式切换：过去工程师需要在CIM、MES、设备日志等多个系统间来回排查，现在智能体主动监听异常、自动定位根因并推送处置建议，工程师的角色从执行者转为审核者，人力得以投向更高价值的工艺优化工作。
从行业动向看，大语言模型能力升级正在改写工业AI的落地路径：此前工业AI多以“看不见的优化”形态嵌入排程、质检等单点环节，智能体技术让AI首次具备跨系统感知、决策与执行能力，得以进入异常处置、设备维护等核心生产流程。格创东智方面表示，将持续推动工业Know-how与AI技术深度融合，加速工业智能体在更多制造场景的应用落地，帮助制造企业跨越智能化升级的“最后一公里”。对企业自身而言，从CIM软件供应商向“工业软件+智能体平台”定位迁移，商业模式随之从项目制实施转向能力资产复用，客户粘性与客单价存在同步抬升空间。对武汉及同类制造业重镇而言，量化收益构成可复制的转型模板，246场推广会持续输出“看得见的ROI”，正把AI从政策文件中的关键词变成车间里的工单、报警与处置动作。格创东智的实践传递出一个清晰信号：工业AI的竞争焦点已从模型能力转向工程化能力，谁能率先解决大模型进产线的落地难题，谁就能在智能制造下一阶段的竞争中占据身位优势。
