□青岛日报/观海新闻记者  孙欣

　　经营者说

　　创新奇智CEO徐辉：

　　解决“好用、可用、敢用”核心痛点

　　通用大模型解决千行百业“能用”的问题，价值在于广；垂类大模型解决“好用、可用、敢用”的核心痛点，价值在于精，是大模型落地“最后十公里”的必然选择。创新奇智坚持“一模一体两翼”战略——以奇智孔明垂类工业大模型为基础，以工业智能体平台为引擎，驱动工业智能体软件和工业具身机器人两大行业应用方向的产品和商业化落地。未来将继续扎根青岛，赋能工业，通过“人工智能+”打造新质生产力。

　　在某全球头部玻璃纤维企业的生产基地，AI智能体已经在原料、窑炉和拉丝等三大核心环节全面“上岗”。日常生产中，它们像工程师一样，能及时发现、分析生产问题，并给出优化建议。

　　能让AI在这座工厂顺利“入职”，离不开创新奇智打造的奇智孔明工业大模型。在工业现场，AI可能通过一个智能体、一套软件或者一台机器人发挥作用，但所有这些背后都离不开工业大模型作为“大脑”，是它在背后真正负责理解问题和汇总判断。

　　创新奇智深耕“AI+制造”，是国内体量最大的原生AI行业应用公司之一，在中国工业大模型应用市场份额中排名第一。奇智孔明大模型拥有750亿参数，已应用于智能装配质检、产线自动化、工业物流、智能设备运维、智能制造执行、产品辅助设计等领域。

　　从“自然语言”到“工业知识”

　　制造业是AI落地最复杂的场景之一。产业希望AI能帮助提效，但同时无法容忍差错，哪怕只是小小的失误就有可能引发不可想象的损失。这就要求进厂“打工”的AI要能够理解参数、规格、工艺、设备、物料等一堆工业术语。

　　工业大模型的价值正是在于解决这一问题。相较通用大模型擅长理解自然语言、掌握通用知识，工业大模型则精通生产规则和制造流程，是产业里的行家里手，解决工业现场的实际问题。一个聚焦“广”，一个聚焦“专”，由此也决定了二者不同的产品逻辑。

　　“通用大模型的训练数据基本来自公开数据，但制造业企业的工业流程等数据不可能置于公共数据集之中。”创新奇智CEO徐辉说。比如，一台设备和另一台设备是什么关系，一道工序出了变化会传导到哪里，老师傅凭什么判断一个异常，这些都不可能仅靠互联网语料就能学会，设备数据、生产规则、工艺经验等重要信息更是只存在于企业内部。

　　这意味着工业大模型无法像通用大模型一样，在实验室里“闭门造车”完成开发——它必须进入车间，在真实产线上“边跑边学”。换言之，工业大模型的开发一定是基于对工业流程的深刻理解，它的落地一定是以能够适配每一家企业的具体场景为闭环。

　　“创新奇智深耕工业AI领域8年，聚焦制造业八大细分行业，累计服务了1800多家实体企业，沉淀了上万个行业场景。”徐辉说。正是作为“实战派”积累的丰富经验让创新奇智能够在工业大模型应用市场走在前列。

　　三大垂类模型赋能工业核心流程

　　回望过去几年，通用大模型发展经历了从参数比拼到注重“系统效率”和“实用能力”的转变。但工业大模型从诞生起就具备“强落地”属性，“实用”“好用”始终是衡量工业大模型的核心维度。

　　深谙于此的创新奇智从一开始就摒弃“大而全”的思维，而是采取“针对高价值场景自研垂类模型”的策略。目前，创新奇智将大模型能力聚焦于CAD图纸解析、具身智能、工业视觉三大方向。

　　其中，CAD模型能够“看懂”PID图纸（管线及仪表流程图），面向研发设计环节；具身智能模型融合视频数据、遥操作数据与仿真数据，构建能够适配不同工业具身智能机器人本体的“大脑”；工业视觉理解模型瞄准工业质检环节，能结合实际场景生成瑕疵样本，可帮助质检小模型快速完成数据采集与模型训练。

　　徐辉以CAD模型为例，详细介绍了创新奇智工业垂类大模型的实际工作能力。传统企业积累了大量静态的PID管线图纸，若需修改只能人工重绘，单张耗时数天且改完还常常不一致，导致返工、合规风险，静态图纸无法对接数字孪生和智能运维体系，成了死资产。

　　“为解决这个问题，我们与全球领先的基础设施工程软件厂商Bentley合作，用千万级图纸预训练调优出工业多模态大模型，配上iPID读图智能体，把哑图变活图，能精准识别400多种专属图例，自动提取设备参数和管路复原逻辑，还原度超过95%。”徐辉介绍，目前产品已在宝武钢铁商业化落地，图纸处理时间从数天压缩到分钟级；图纸检索效率从小时级压缩到秒级。

　　以工程化能力兑现模型价值

　　在工业软件领域有一句流传甚广的话——三分软件，七分实施。如今，步入AI大模型时代，这句话同样适用。

　　“模型将成为基础设施，制造业企业的AI护城河是基于行业场景沉淀下来的数据、知识、组织能力和治理机制，这将成为核心资产。要实现这些，制造业企业要将企业的核心流程，数据，人才、智能能力和业务价值打通成大闭环。”徐辉说。

　　如果无法真正融入企业业务逻辑和流程，再好的模型也体现不出价值。这对AI企业来说，推进制造业AI，既比拼模型专业能力，更比拼模型的工程化落地能力。

　　今年，创新奇智加快布局本体智能体平台，就是持续加强工程化能力的重要举措。简单说，本体就是让大模型“认识这家工厂”，从而帮助大模型进行更快速地落地适配。在将企业现场多元异构数据进行统一接入与清洗的基础上，创新奇智帮助企业搭建制造业本体，即基于业务语义将底层数据结构化梳理，从而形成可被上层智能体调用与理解的语义数据基座。

　　与此同时，创新奇智加快探索FDE（前沿部署工程师团队）模式。通过面向头部企业客户推进FDE模式，加快验证并沉淀产品和技术能力，从而将成熟能力封装为标准化轻量化套件，并快速复制推广至同行业客户，实现制造业规模化落地，达成“重点客户攻坚、平台资产沉淀、行业套件开发、同类客户复制”的飞轮效应。

　　徐辉表示，未来创新奇智将进一步构建差异化壁垒，往高重沉淀，积累高质量行业数据、行业场景与行业knowhow，不断完善行业语料库；往低抓落地，夯实FDE实践，利用摸爬滚打积累的工程化经验和通过与客户共同创新，提升解决实际问题的能力，构建更宽竞争护城河。