<section>当生成式 AI 的风暴以摧枯拉朽之势横扫内容产业、编程与办公软件时，一条与 “热搜” 无关、但影响可能更为深远的产业革命，正以一种更为沉稳而深刻的方式悄然加速：工业 AI。</section>
制造业的血脉里，长期奔流着两种血液。一种是 “动脉血”，强劲而可见——高速运转的机床、自动化的产线、不断攀升的产能，这是物理世界的生产力。
另一种，则是工厂的 “静脉血”，沉默却至关重要。它深藏在老师傅口口相传的工艺、经验中的隐性 Know-how，无形地决定着产品的良率、成本和最终的竞争力。
通用大模型之所以在工业领域 “水土不服”，根源就在于它们能轻易学习全球互联网的 “动脉” 知识，却很难理解一间特定工厂 “静脉” 里的奥秘。
一台精密机床上的刀具补偿，或是一台注塑设备在不同湿度下的工艺参数，往往只有经验丰富的老师傅才能准确掌握。而这些深嵌于老师傅感官、肌肉记忆和长期实践中的宝贵 “工业知识”，显然无法简单地从互联网上爬取。
于是，一个关乎中国制造业未来的根本问题浮出水面：怎样才能将顶尖老师傅三十年的功力，“无损” 地传承到下一个三十年？
6 月 19 日，老牌工业软件厂商鼎捷数智在武汉发布了一系列企业级AI 套件，试图用技术打通工业的 “动脉” 和 “静脉”，让老师傅们宝贵的工业经验得以在数字世界里重生、奔流、传承。
那么，鼎捷的破局方法是什么？如果破局成功，工业互联网企业的商业模式、投资逻辑与竞争格局又将发生怎样的改变？
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/de5cea4a-c840-4fab-9a0f-e1933a75580d.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="696" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/de5cea4a-c840-4fab-9a0f-e1933a75580d.png"/>
<h2>1.一套 “会思考的 Data+AI 软基建系统”</h2>
“高层很上头，中层跟着走，基层直挠头。”
在峰会现场，鼎捷数智 PaaS 事业处首席专家金江博士这句自嘲式的 “金句”，道出了当下所有制造企业面对 AI 浪潮时的集体困境：在 “抢跑风险” 与 “掉队危机” 中摇摆不定。
·抢跑？ 可能会陷入技术迷雾，投入巨大却收效甚微。浙江大学求是特聘教授周伟华一针见血地指出：“技术抢跑不等于战略的领先。” 很多企业在技术上投入巨大，却没有想清楚转型的根本目的，最终导致应用与业务脱节。
·掉队？ 华为云中国区生态发展部长冯雷则警告，AI 正在对产业进行底层颠覆，“如果不用 AI 重新思考，很多合作伙伴未来 3-5 年会大量创新洗牌。”
面对这一经典的 “电车难题”，鼎捷行业方案事业处副总裁顾华杰认为，企业 “缺的不是一个系统，而缺少的是一套会思考的系统”。这套 “会思考的系统”，其底层设计哲学，应该采用 “解耦式架构”——将知识（业务知识库）与行动（Agent 执行器）彻底分离。
这样做的好处是，AI 的 “大脑”（知识）和 “手脚”（行动）可以独立升级。当需要进入一个新行业时，只需加载该行业的知识库；当需要对接一个新系统时，只需开发相应的行动插件。
基于此哲学，鼎捷构建了一套 “三层火箭” 式的产品矩阵，旨在将 “老师傅经验” 与 “大模型推理” 拧成一股绳。
第一层：智能数据套件——给工厂做一次 “数据 CT”
工业 AI 的第一道坎，就是 “静脉血” 难以被观测和理解。现实中，这表现为一道 “数据暗流”：OT（运营技术）层的海量设备数据与 IT（信息技术）层的管理数据互不相通，形成数据孤岛。
鼎捷的第一件 “利器”——“智能数据套件”，就是为了疏通这道暗流。它像一台医院的 CT 机，先给企业做一次彻底的 “数据体检”。鼎捷将过去 40 多年积累的、覆盖数十个行业、企业运营管理不同业务线的知识和经验，封装进这套工具。
它主要会做三件事：
·智能数据体检： 它不仅检查数据的一致性、唯一性，更重要的是，它带着 “业务属性” 去检查。比如，它知道某种材料在特定温度下的厚度应该在什么量级，超出范围即为异常。这种将被动数据管理转为主动数据治理的模式，金江博士称之为 “从救火模式转为消防巡检模式”。
·行业知识沉淀： 它将数据治理结果与国标、企业标准及历史数据关联，构建出专属于这个工厂的 “工艺知识图谱”。目前，鼎捷已沉淀了超过 6000 个数据元、54 个模型，覆盖 20 多个主题域。
·增强决策智能：进一步用 AI 来强化输出业务所需的智能洞察力，增强偏差归因和测算推演力。通过自然语言交互提问，智能的输出精准业务数据背后的洞察。目前，鼎捷已经发布了洞察分析、归因分析、测算推演等多组合拳的决策智能能力。
这样的 “体检报告” 和 “决策智能” 不仅告诉你哪台注塑机震动异常，还会基于知识图谱解释 “若射出压力持续低于 80MPa，极有可能导致产品缩水”，并自动将预警回推给排产系统。至此，浑浊的 “数据沼泽” 开始变得清澈可用。
第二层：企业智能体生成套件——自研 “MACP” 协议让数字员工协同作战
光有干净的数据还不够，还要让 “数字员工” 真正协同起来。为此，鼎捷在业内首创了 MACP（Multi-Agent Communication Protocol）多智能体通信协议，能把原本各自为战的 AI 智能体统一进一张 “决策神经网络”。
会上，金博士演示了一个极具说服力的案例：一家来自长三角的家庭及户外储能设备制造商，其业务已经覆盖欧美区域，原来在制定月度经营计划时，财务、制造、供应链等不同部门需要同时派人进行长达一周的测算，才能有个初步的经营计划及目标。
现在，基于 MACP 协议，通过 “中心化自主决策 + 分布式协作执行” 的多智能体协作能力，一个复杂的经营决策任务被拆解给不同的智能体协作完成：
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/0e76b911-1268-41b1-8d09-f7c468e8df2c.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="454" height="350" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/0e76b911-1268-41b1-8d09-f7c468e8df2c.png"/>
我们可以在主智能体对话中看到，在完成语义识别、意图理解和思考方法后，主智能体 Commander 迅速完成了规划编排，调集六类不同的单智能体，分步激活每个单智能体后分为两条路径并行执行。
最终，六个智能体协同有条不紊的协作执行，并且由主智能体在发现结果不满足最早的任务要求后，发起反思协商流程，让每个智能体重新再进行一次思考。在完成各类综合评估后，新的经营计划给出了单品在欧洲地区提价，锁定 50% 的原料期货，以及采取 20% 预付款计划的办法。
基于鼎捷的行业积累和知识沉淀，不仅实现数据驱动智能体， 科学思考与精准决策， 还可以跨系统、跨职能、跨部门， 完成复杂任务的协同处理， 真正实现将 AI 从 “工具属性” 进化为 “数字员工” 属性，为企业运营管理和业务增长提供了价值创造的新范式。
第三层：AIoT 指挥中心 &amp; 工业机理 AI——打造制造业的 “智能咖啡机”
如果说前两层构建了 AI 的 “大脑” 和 “神经”，那么第三层则赋予了它 “手脚”，让思考变为行动。
其中，AIoT 指挥中心扮演着 “交通警察” 的角色。它通过丰富的协议栈，将生产设备（如 AGV、立体库、数控机床等）与厂务设备（如中央空调、配电柜、安防监控等）全部接入同一条 “数据高速公路”，实现 “全域 AIoT”。
而鼎捷的 “王牌”——工业机理 AI，则更是一种融合了物理模型与数据驱动模型的 AI，它不再仅仅依赖统计规律，而是试图理解 “为什么”。
会上，鼎捷 AIoT 事业处副总裁叶贤盛还举了一个生动的例子，来解释这一系统的价值：老师傅铸造铜制品时，需要 “倒一点，倾一点，重复 10 次”，这个动作背后蕴含着复杂的流体力学和热力学机理。工业机理 AI 就是要通过视觉识别、生物识别等 AI 感知技术，结合算法模型，将这个过程数字化、模型化。
“我们的目标，是让人人都是老师傅，让老师傅变成大师。” 叶贤盛说。就像咖啡机将咖啡师的经验固化，让普通人也能做出一杯不错的咖啡，而真正的咖啡大师则可以基于此去创造新的风味。工业机理 AI，就是制造业的 “智能咖啡机”。
于是一个完美的闭环形成了：实时数据→ 机理推理 → 设备动作 → 产生新数据。而这，已不再是简单的 “数字映射”，而是让 “虚实融合、反向控制” 成为可能。
<h2>2.把三十年的功力，写进代码里</h2>
鼎捷的这套系统，直面的是中国制造业最深刻的 “人才暗流”：70 后、80 后熟练技工正逐渐老龄化，他们脑中那些 “只可意会不可言传” 的隐性知识，面临着失传的风险。
如何将这些 “指尖知识”，变成 AI 可以理解和学习的数字资产？
鼎捷的 AI 套件，围绕着工业知识数字化的核心——情境化，打出了一套组合拳：
1.经验非结构化，先要 “多模态、碎片化抓取”： 当老师傅示范 “三段式刀具磨损补偿” 时，系统同时录屏、收音并抓取 CNC 操作日志，再配合传感器获取工具寿命和工件良率。一次演示即可采集 5 种模态的数据，大幅降低了知识入库的门槛。
2.工业知识图谱：把 “0.01mm 公差” 写进大模型的词典： 不同于开放的互联网百科，工厂知识必须严格、精确。鼎捷将这些知识构建成一个个三元组，如&lt;工序 A, 温度， 730℃±5&gt;，并映射到图数据库中。当生产条件变化，系统会自动触发 “知识过期” 标记，要求重新验证，确保知识的 “保鲜”。
3.RAG 技术：既要 AI 聪明，更要 AI 安全： 将包含核心工艺的文档全部喂给公有大模型，存在巨大的数据安全风险。鼎捷采用成熟的 RAG（检索增强生成）技术。当用户提问时，大模型只负责理解意图，真正的答案来自企业本地、安全的知识图谱，既保证了回答的专业度，又避免了核心数据外泄。
<h2>3.真实效果如何？</h2>
那么，鼎捷的这套体系，在现实世界的效果如何呢？或许，我们可以从两个案例中窥知一二。
案例一：嘉利股份的灯光秀——AI 赋能的未来工厂
作为全球汽车尾灯的龙头企业，嘉利股份的 “未来工厂” 实践，为 AI 落地提供了鲜活的注脚。2023 年，嘉利启动未来工厂改造，用鼎捷的平台和套件做了三件关键的事：
1.APS+AI 排产： 将多地工厂的产线排产、物流仿真、模具库冲突进行一体化计算。
2.一灯一码： 为每一只出厂的车灯都绑定了包含 20 多条关键工艺数据的唯一序列号，实现了全生命周期的精准追溯。
3.无人化物流： 通过 AIoT 指挥中心实现 AGV 的自动呼叫和路径优化，物流岗位从规划的 42 人锐减至 4 人。
一年后，成效斐然：人均产值提升 20%，能耗下降 15%，研发周期缩短 10%，不良率下降 20%。2024 年末，嘉利股份成功荣获浙江省 “未来工厂（头雁型）” 称号，并得到相关扶持。
案例二：英飞特的 “蛇吞象”——平台能力的极限试炼
一个稳定、敏捷、强大的平台，是所有 AI 应用能够生根发芽、开花结果的土壤。
如果说嘉利股份的案例证明了 AI 应用的 “上层建筑”何其有效，那么英飞特的故事，则证明了承载这一切的“地基” 何其坚固。
2022 年，英飞特在并购欧司朗 DS 事业部后，面临一个 “不可能的任务”：其仅有十多人的 IT 团队，必须在 9 个月内，从零开始构建一套全新的全球 IT 系统，去替换掉那个由对方 600 人 IT 团队维护、以 SAP 为核心、遍布全球 30 多个国家的庞大系统。
“无异于蛇吞象。” 英飞特全球 IT 总监祝芳回忆道。
最终，基于鼎捷的雅典娜 PaaS 平台，采用 “核心套件 + 大平台 + 敏捷开发” 的模式，他们奇迹般地完成了任务。
这背后，是鼎捷平台提供的统一底座、敏捷构建能力和全球化服务经验的综合体现，也证明了新一代的中国工业软件平台，已经具备了在最复杂的跨国商业场景中，与国际巨头掰手腕的实力。
<h2>4.从 “一厂一项目” 到 “平台 + 生态”：工业软件的商业模式革命</h2>
“以往信息化项目，给 A 公司定制一套流程，要移植到 B 公司很难。但现在，给 A 公司做的 AI 能力，很容易迁移到 B 公司。” 周伟华教授一语道破了 AI 对工业软件商业模式的颠覆性影响。
在传统的 ERP 时代，厂商主要靠项目制吃饭，毛利严重受制于人力成本。而平台化和 AI 套件，则很有可能彻底改变游戏规则：
·收入结构： 从一次性的 License+ 维护费，演进为订阅费（ARR）+AI 调用费 + 生态分成。企业无需一次性投入巨额资本，而是按需订阅能力，大大降低了采纳门槛。
·数据飞轮： 客户越多，沉淀的数据和行业模型就越丰富，算法就越精准，从而吸引更多客户，形成正向循环。
·网络效应： 鼎捷雅典娜这样的 PaaS 平台，正试图成为工业 AI 领域的 “App Store”。它吸引着像华为云（提供算力）、智程（提供 3D 设计 AI）、能迪（提供智能厂务 AI）等生态伙伴入驻，共同服务客户，并通过平台进行收益分成。
对于二级市场而言，如若鼎捷这类公司落地工业 AI 的进度稳步推进，那么市场这类公司的估值逻辑，可能将从传统软件股的 PE（市盈率）估值，向平台/SaaS 股的 PS（市销率）或 ARR 倍数估值迁移。
<h2>尾声：工业 AI 的 “iPhone 时刻”？</h2>
1990 年代，ERP 帮助工厂学会了 “记账”；2010 年代，工业互联网让机器学会了 “说话”；进入 2020 年代，AI 正在让机器学会 “思考”。
在这条全新的赛道上，鼎捷数智不是唯一的玩家。西门子的 Industrial Copilot、PTC 的 ThingWorx、达索系统的 3DEXPERIENCE，都在加速布局。但所有人都意识到，竞争的焦点已经悄然改变。
过去，比拼的是软件功能的强大与否。而现在，决胜的关键在于：谁能率先将千行百业中那些非结构化、不可言传的行业 Know-how，系统性地翻译成 AI 能够理解和执行的 “工艺母语”。
要完成这场深刻的 “翻译” 工作，所有玩家都必须直面三张决定未来的考卷：
首先是算法信任：如何让 AI 真正理解 0.01mm 公差背后的 “工艺灵魂”，并赢得产线工人的最终信任？这不仅是技术问题，更是人机交互和企业文化的重塑。
其次是持续知识采集：老师傅的经验会随新材料、新工艺而演进，如何建立一套敏捷的机制，让模型永不 “过期”，始终保持对最新工艺的理解？
最后，也是最关键的，是生态繁荣度：一个平台能否吸引到足够多的第三方开发者和 ISV（独立软件开发商），愿意把他们最好的 “插件” 和应用写在你的平台上？毕竟，没有一个玩家能解决所有行业的全部问题，开放的生态才是最终的护城河。
这三张考卷的答案，将直接决定谁能在这场工业转型升级的浪潮中，率先激活制造业数据与知识的 “第二脉搏”，开启属于工业AI 的 “iphone 时刻”。

西门子(ADR)

PTC公司

把老师傅三十年的功力，写进代码里。

- 鼎捷数智发布企业级 AI 套件，旨在连接工业的 “动脉” 和 “静脉”。  
- 该系统通过智能数据体检、企业智能体生成和工业机理 AI，提升制造业效率。  
- 案例显示，AI 应用显著提高了生产力和降低了成本，推动工业软件商业模式变革。

工业 AI 如何落地？不是通用智能，而是 “懂行” 的 AI