《汽车工厂项目中如何应用BIM模型?》

  • 来源专题:智能制造
  • 编译者: icad
  • 发布时间:2023-08-02
  • IFM是数字工厂与建筑信息模型(BIM)的融合,这种方法通过简化从设计到运营的整个过程,已在建筑行业取得了巨大成功。
    我国汽车工业经过20年多年的高速发展,随着消费者多样性需求的变化,为应对产品同质化程度高,价格竞争激烈等问题,车企开始转变生产制造模式以适应个性化定制的需求。为了迎合市场变化并保持竞争力,重新设计工厂的需求便被不断提出。在这种变革的背景下,数字工厂可以为车企等制造商提供更加高效且精确运营的重要机会,同时能为车企降低成本并打造协作性更强、安全性更高的工作环境。        打造真正优化的数字工厂这一愿景意味着制造商们需要采用更先进的技术和功能,在整个制造流程中创建单一可信的数据源,打破当前孤立的运营模式,并在利益相关方之间实现更高的协作水平。这需要一个战略平台和生态系统推动因素,才能带来持续灵活且以数据为驱动的方法,提升数字工厂的性能。        实现这一目标的关键是利用数据,从而促使制造商能在正确的时间做出正确的决策。这正是集成式工厂建模(以下简称“IFM”)的思路和方法。IFM是数字工厂与建筑信息模型(BIM)的融合,这种方法通过简化从设计到运营的整个过程,已在建筑行业取得了巨大成功。同时,经过国内外汽车厂商的探索和实践,IFM方法在汽车领域也是非常成功的。        机械工业第九设计研究院股份有限公司(以下简称“九院”)始建于1958年,是我国专业从事汽车工厂规划、设计和建设的甲级设计研究院,是国家高新技术企业和国家级工业设计中心单位,被誉为“中国汽车工厂设计的摇篮”。九院高度重视数字化技术,在整体战略规划中,将数字化应用行业领先作为公司的战略目标之一。        红旗新能源工厂项目是机械工业第九设计研究院股份有限公司最具代表性的项目之一,项目位于长春汽车产业技术开发区,占地面积75.6万平,建筑面积约43.5万平,是中国一汽红旗发展战略的重点工程,也是助力长春市区域经济发展的重要项目。        红旗新能源工厂项目的整体要求是采用满足红旗生产需要的生产装备、生产体系等现代化生产制造系统,建设一座满足红旗产品生产需要的新高尚现代化智能工厂。这就意味着其交付质量和周期都远高于以往的项目,并且要实现数字工厂和现实工厂双交付。        借助欧特克集成式工厂建模解决方案,九院将整个工厂的全生命周期划分为5个阶段:规划阶段、设计阶段、验证阶段、建设阶段、运营阶段。每个阶段都应用了BIM技术,为下个阶段提供了数据模型,来自现场的采集数据和设计数据的联动,完整的支持了九院数字孪生工厂的建设和运营。        那么,在工厂项目中究竟该如何应用BIM模型呢?九院在红旗新能源工厂项目中的经验如下:        负荷计算。暖通专业通过设置地理位置、环境、能耗、建筑材料、构造类型等信息进行空间负荷计算,利用数据辅助设计人员进行设备选型。        照明模拟。电气专业模拟现场的光照环境,不再依附于传统数据,真正实现了设计与施工现场相互结合,在设计之初不断考虑空间环境对灯光效果的影响,从而有效的更改灯具参数和排布位置,使得照明设计更加精准,节约能源消耗。        焊装车间防排烟 仿真分析。焊装车间使用了防排烟仿真分析技术,利用分析数据优化送风、排风风口布局,指导焊烟处理设备选型,降低焊烟危害。        自建族。        Revit工具二次开发。利用Revit API开发接口,通过读取市场上常见的第三方网架计算书数据快速生成网架模型。        BIM模型在施工阶段的应用包含:        施工交底:建立三维模型可以让各专业设计人员及指导施工人员对整个车间各个设备及管线有更加直观的认识,在三维可视化特性的帮助下,在进行设计和指导施工时可以直观看到设计的管线方案及走向意图,不仅可以有效地减少与其他专业管线及设备的碰撞问题,提高设计准确度,也可以很方便的对现场进行施工交底。        施工前期:利用倾斜摄影建立三维数据,解决总图设计人员亲临现场踏勘存在的诸多不便。节省设计人员的宝贵时间,有效提高工作效率。采集结果也可作为土建方平衡调配、选择施工机械、制定修改施工方案等的依据。        按拼接施工建模,避免材料浪费。充分体现“精细化”的设计理念。        通过设计模型,快速完成室内装修效果模型,满足业主要求。        施工纠偏。开洞、过程跟踪和施工质量检查等。        BIM模型在运维阶段的应用。九院BIM模型在运维阶段的应用主要体现在能源管理系统方面:        ●通过现场能源消耗 数据采集仪表、相关 传感器,对五大车间能源数据(水、电、气、热、冷、其他)实时监测,实现能耗统计分析、节能空间挖掘、能源利用水平及效率评估和动能设备智能调控等功能。        ●一体化设计理念,从数据采集、能效分析、节能优化、智能运维等多方面入手,提供综合能源服务,让业主以工业物联网平台为工具,帮助工业企业实现持续能源管理并降低能耗。        ●在中控室设立能源监控中心,通过能源平台的Web轻量化引擎集成BIM模型,并与IoT数据连接。        ●能源管理系统对厂区内站房、车间等的电能、用水排水、燃油、天然气、光伏、地热等公用资源进行监控,通过有效的监控管理措施,减少能源消费中各个环节的损失和耗费。        可以说,过去九院在建筑/结构/机电/工艺等专业之间相互数据割裂严重,工期、预算及质量都不尽如人意的情景已经一去不复返了;现在,九院的工厂项目各专业数据都能有效的集成在一起,形成一个集成式工厂模型,设计的准确性得到了极大地提高。

  • 原文来源:https://articles.e-works.net.cn/cad/article152403.htm
相关报告
  • 《氢燃料电池汽车“领跑”氢能应用》

    • 来源专题:能源情报网信息监测服务平台
    • 编译者:guokm
    • 发布时间:2023-02-01
    • 编者按:氢燃料电池汽车的应用推广正在为氢能发展奠定良好的产业基础。作为氢能应用的先导领域,氢燃料电池汽车在全球受到高度重视,我国也已在氢燃料电池汽车的应用推广领域不断取得新进展,并初步掌握了关键零部件等核心技术。随着氢能基础设施建设的不断完善,以及氢能产业链企业加紧补链强链,氢燃料电池汽车正在向更多场景推广示范应用,并带动氢能产业发展打开更大空间。 图为在张家港朝阳综合加能站投入运营的中国石化苏州首座对外商用油氢电综合加能站 氢燃料电池车加速“跑”进多场景 在北京市延庆区,一批绿色涂装的公交车正行驶在街头。作为2022年冬奥会和冬残奥会的“遗产”,延庆赛区赛时使用的212辆燃料电池车,赛后被用于区内、与市区连接的公交服务用车。截至2022年10月底,这批氢燃料电池公交车行驶里程累计超过了600万公里。 目前,北京市氢燃料电池汽车已经覆盖了公交、物流、环卫、摆渡等各类车辆。业内人士指出,相关政策的出台,以及技术创新和成本降低,共同推动氢燃料电池汽车推广数量不断增加,并进一步向更多领域渗透。 氢燃料电池车推广加速 统计数据显示,截至2022年8月,北京市投入应用1528辆氢燃料电池汽车,其中包括大中客车845辆,普通物流车272辆,冷链物流车203辆,重卡202辆。 近年来北京市氢燃料电池汽车的加速推广,离不开国家及地方相关政策的推动与支持。 2022年3月,国家发展改革委、国家能源局联合印发《氢能产业发展中长期规划(2021-2035年)》,明确了氢的能源属性,是未来国家能源体系的组成部分,充分发挥氢能清洁低碳特点,推动交通、工业等用能终端和高耗能、高排放行业绿色低碳转型。 为了贯彻落实上述规划目标,北京市印发了《北京市关于支持氢能产业发展的若干政策措施》《北京市氢燃料电池汽车车用加氢站发展规划(2021-2025年)》等多项政策文件。加上此前印发的《北京市氢燃料电池汽车产业发展规划(2020-2025年)》《北京市氢能产业发展实施方案(2021-2025年)》等文件,北京市对氢能产业的支持政策愈加完善。 此外,北京市交通委员会日前发布的关于2022年度包车客运运力投放情况的通告指出,由各相关区交通运输主管部门负责完成2022年度包车客运运力投放氢燃料电池客车250辆。 多场景应用渐成趋势 相关政策的支持及基础设施建设的不断完善,推动氢燃料电池汽车逐步从此前较单一的应用场景向多场景示范应用转变。 《北京市关于支持氢能产业发展的若干政策措施》要求以省际间专线货运、城市重型货物运输、城市物流配送、城市客运等场景为重点,积极推动京津冀燃料电池汽车示范城市群建设,开展氢燃料电池汽车示范应用。 《北京市氢燃料电池汽车产业发展规划(2020-2025年)》则提出,要打造氢燃料城区公交、城郊公交、市政环卫示范车队,设立机场巴士示范线,组织开展京津冀地区重型车示范;重点完善公交车始末站点、环卫车停靠场站附近及城市物流集散地加氢站建设。该规划还要求,南部区域依托中国(河北)自由贸易试验区大兴片区,通过氢燃料电池汽车在机场巴士、货运物流等领域的推广应用,进一步将大兴区打造成为国际氢能示范区。 根据相关要求,2025年前北京市力争在各应用场景实现氢燃料电池汽车累计推广量突破1万辆。 对此,清华大学核能与新能源技术研究院教授、国际氢能协会副主席毛宗强在接受《经济参考报》记者采访时表示,北京市设立的1万辆目标基于现有基础,具有较强的可操作性。“目前冬奥会期间已经投入使用的氢燃料电池车超过1000辆,大兴、昌平等区域也在兴建相关产业园区;此外,北京路政还计划在‘十四五’期间引入共计550辆氢燃料电池重卡。因此,甚至可以预计这个目标将可超额完成。” 记者了解到,在具体落地方面,北京市要求以“宜电则电,宜氢则氢”为推广原则,聚焦物流配送、市政环卫、通勤客运、机场快线、公交、乘用车等共十类以中远途、中重型为主的应用场景,完成5300辆自主化燃料电池汽车的示范应用。 氢能利用前景广阔 对于未来氢燃料电池公交车的发展情况,《北京市氢燃料电池汽车车用加氢站发展规划(2021-2025年)》指出,现阶段市郊山区线路、远郊山区线路的传统燃油车辆,均具备氢燃料电池汽车替换潜力。预计北京市氢燃料电池汽车在七类应用场景的可推广潜力规模为13.70万辆,其中公交客运领域潜力规模近4万辆。该规划预测,2023年前北京市公交客运领域氢燃料电池汽车预计规模超1100辆,2025年前预计规模近5000辆。 值得一提的是,除了汽车领域,北京市还将推动氢能用于多个领域。比如,北京市将依托大兴、房山、经开区,开展氢动力无人机、船舶、轨道交通等产业全场景应用示范。 “近年来,国内各地开始加快推进氢能轨道交通相关项目,不少地方也已经开始试运行。比如,2019年开通的佛山高明有轨电车,作为国内最早的商业运营氢能源有轨电车,其运营情况表现出色。”毛宗强表示,“从目前的技术和发展情况来看,氢能源在轨道交通领域的应用,未来将迎来很大的发展。”(记者 袁小康 北京报道) 交通先导应用奠定氢能发展产业基础 2022年,我国在氢燃料电池车应用领域取得新进展。随着交通领域成为氢能应用重要领域,多国先后制定大力发展氢燃料电池车目标,我国也制定了中长期发展规划。目前,我国已初步掌握了氢燃料电池及其关键零部件、动力系统、整车集成和氢能基础设施等核心技术。业内人士指出,交通领域作为先导,为氢能发展奠定了很好的产业基础。 交通成氢能应用先导领域 目前,交通领域是氢能应用的重要领域、先导领域,受到多国高度重视。 2022年下半年,印度、法国、新加坡和韩国都提出大力发展氢燃料电池车。其中,韩国计划到2030年,普及3万辆氢燃料电池商用车。 国际能源署(IEA)预测,到2060年交通运输领域对氢气的需求量,将比2030年增长近30倍。还有机构预计,到2030年全球氢燃料电池车保有量将超过890万辆。 2022年,我国氢燃料电池车的应用取得新进展。冬奥会期间,超过1000辆氢燃料电池车投入运营、服务冬奥;宜家、必胜客、京东等多个知名品牌,在2022年公布了氢燃料电池车的投放计划;2022年9月,80辆氢燃料电池网约车在上海投入运营…… 氢燃料电池车的推广应用,降低成本是关键。国际氢能燃料电池协会秘书长王菊表示,氢燃料电池车的成本一直在大幅度下降,预计到2030年,氢燃料电池车的成本与纯电池电动车、柴油车相比将具有竞争力。 氢燃料电池车发展空间巨大 数据显示,截至2022年8月,中国燃料电池汽车保有量达到11138辆。中国汽车工程学会编制的《节能与新能源汽车技术路线图2.0》预测,到2035年氢燃料电池车保有量将达到100万辆左右,未来发展空间巨大。 北京清华工业开发研究院副院长付小龙认为,我国已经初步掌握氢燃料电池及其关键零部件、动力系统、整车集成和氢能基础设施等核心技术,基本形成氢气制备、储运、加注、燃料电池、应用等完整的产业链,但在液氢、加注设备、燃料电池基础材料和关键零部件方面与国外最高水平相比仍有一定差距。 “目前我国氢燃料电池车的膜电极、催化剂等核心零部件、基础材料仍依赖进口,我国应力争在2030年将其全部实现国产化。此外,目前国内氢燃料电池电堆的寿命为1万至2万小时,相较于国外2万至3万小时的水平仍有较大差距,因此我国应着力提高电堆的寿命。”王菊说。 氢能深度应用前景广阔 “交通领域作为先导,为氢能发展奠定了很好的产业基础。但氢能不等同于氢燃料电池,更不等同于氢燃料电池车。”中国国际经济交流中心能源政策研究部部长、研究员景春梅说。 景春梅介绍,我国80%的碳排放来自工业,而超过80%的氢气消费也在工业。 中国氢能联盟发布的数据显示,预计到2030年,我国工业领域氢气需求量为3559万吨,远高于交通领域156万吨的需求量。到2060年,交通和工业领域的氢气需求量分别为4051万吨和7794万吨。 “国内外关于氢气需求量的预测均表明,未来氢气消费量最大的领域依然是工业。”景春梅说。 业内专家认为,在工业领域,氢在零碳生产、原料和热源的替代方面扮演着重要角色。 景春梅表示,氢作为工业原料、还原剂或高品质热源,可以替代煤炭等化石原料,是新型能源体系中不可或缺的组成部分。 “化工生产是以氢、氮、碳等为基础元素的有机转化过程,而中国化工行业能源消耗占工业能耗总量的28%。零碳化工产品的生产路径,需要使用绿色电力和绿色氢能作为主要能源,同时氢作为原材料可以直接合成绿色材料。”付小龙说,“因此,以氢气、氮气和碳为原料进行的合成反应,形成化工行业的主要产品,是化工行业零碳转型升级的主要路径。而且,氢气在工业领域的规模化应用,将带动大功率绿氢制备技术及装备、管道输送及大规模储氢技术发展。” “氢能脱碳的最大‘战场’在工业,产业政策应关注氢能在工业领域的应用。建议出台相关扶持政策,促进绿氢在工业领域的规模化应用,以实现工业领域的深度脱碳。”付小龙说。(记者 余蕊 北京报道) 氢能产业链企业加紧补链强链 申能集团和法国彼欧集团近日在上海签署合作谅解备忘录,双方将成立合资公司,为我国商用车市场生产和提供三型及四型高压储氢瓶及储氢系统。作为国内较早布局氢能全产业链的地方能源企业,此举将进一步完善申能的氢能产业布局,发挥全产业链协同效应。 作为零碳二次能源,氢能已逐渐成为全球能源转型的载体之一。氢能的使用过程包括制氢、储存运输和应用等方面,而从制氢到氢能利用的产业链中,储氢技术都贯穿其中,是控制氢气使用成本的重要环节。 在储运环节,申能集团此前已投资控股国内高压氢气储运装备龙头企业浙江蓝能燃气设备有限公司。此次申能集团与彼欧集团战略合作,浙江蓝能将与彼欧集团设立合资公司,结合彼欧集团在高压储氢瓶领域的领先技术实力和蓝能在中国市场的氢气储运系统生产制造优势,发挥强强联合的协同效应。 据介绍,该合资公司将在上海嘉定氢能港投资建设首个生产基地,从2023年开始生产和销售高压储氢系统,未来还将建设年产可达6万支四型高压储氢瓶的超级工厂。 申能集团总裁倪斌表示,彼欧集团作为汽车行业清洁能源及移动互联全球领导者,在汽车核心零部件产业及氢能核心装备领域具有强大的技术优势和市场资源。申能与彼欧在氢能领域的合作将为氢能行业的技术进步和效率提升做出贡献。 彼欧集团首席执行官劳伦特·法夫雷表示,申能集团拥有在中国大力发展氢能业务的宏伟战略和丰富经验,合资项目以及与申能集团的战略合作将加快彼欧集团在中国氢燃料电池商用车市场的发展步伐,并为两集团未来在中国氢能生态圈中共同探索新的合作机会奠定基础。 上海嘉定区副区长李峰表示,在氢能及燃料电池汽车产业上,嘉定区已初步形成比较领先的产业生态。申能集团与彼欧集团是推动国家绿色能源产业发展的重要力量,下阶段嘉定将加快建设国家燃料电池示范城市,打造国内领先的燃料电池汽车产业集聚区。 在氢能业务上,申能集团是时下大热的氢能产业发展“先锋”。此前,申能集团提出“三纵三横”氢能发展战略,在氢能发展的“制-储-运-加-用”等关键环节都进行了前瞻性布局。 所谓“三纵”,是着眼于高端制造领域,在氢气制备、储运设备、燃料电池三大产品上进行布局。目前申能集团在氢能“制储运加用”环节投资了瑞必科、浙江蓝能、氢晨科技、鲲华科技、氢蓝时代等一批氢能行业领先企业。其中,此次参与合资的浙江蓝能就在氢能的“储运加”多个环节进行布局,其站用储氢瓶组已覆盖国内80%以上市场。 值得一提的是,在氢能“卡脖子”项目上,申能集团也进行了较全方位的布局。比如,2021年6月,申能对关键核心零部件燃料电池催化剂和膜电极研发企业擎动科技进行了独家投资,同时基于前期的协同效应,2022年,申能集团旗下的燃料电池制造商氢晨科技通过换股形式收购擎动科技100%股权,率先开启了行业整合序幕。 而“三横”则是在氢能的应用场景领域,打造上海、省外一体化基地,并积极关注氢能在钢铁、热电联产等多场景的应用。目前,申能集团在上海临港、山西吕梁、内蒙古包头等多地推进建设一体化示范项目,由于一体化项目涉及氢能产业的多个环节,“申能系”氢能企业将发挥集群效应,一方面助力当地的产业升级和能源转型,另一方面也有助于形成可复制推广的氢能发展模式。 目前在申能集团的氢能规划中,旗下的申能能创能源发展有限公司已基本成为“旗舰投资平台”。“申能的投资更多是产业投资,而不是财务投资,财务投资是以退出为目标,而产业投资是以发展壮大长期持有为目标。”申能集团副总裁宋雪枫说,氢能的发展没有任何可复制的经验,在边实践边学习中,申能已基本具备氢能全产业链核心技术和运营的能力。 “氢能是申能集团发展战略性新兴产业的重要一环,是未来重要的新增长点。”申能集团董事长黄迪南此前在接受记者采访时表示,“十四五”期间,申能集团将按照既定战略,形成氢能上中下游高端制造产业集群,努力构建具有申能特色的氢能全产业链,助力我国氢能尽快实现产业化发展、规模化应用。
  • 《大模型加快向工业领域拓展》

    • 来源专题:智能制造
    • 编译者:icad
    • 发布时间:2025-08-25
    • 工业智能体是大模型与工业机理、机器学习等技术融合应用的最新产物,其带来的经济价值备受业界关注。前不久举行的工业和信息化部两化融合工作领导小组会议提出,以工业智能体为抓手深化人工智能工业应用,带动工业数据集、工业大模型创新迭代。行业最新报告显示,全球工业智能化市场规模今年将突破3.5万亿元,中国市场份额超过40%,工业智能体时代正在加速到来。 改变传统方式 工业智能体是指专为工业生产制造设计,具备自主感知、认知、决策和学习能力的软硬一体系统。与通用智能体的区别在于,它不仅涉及信息技术,还融合工业知识图谱等多领域知识,实现了从预设编程、机械响应向自主决策、动态自适应的跃迁。 “工业智能体能够理解高层次语言和自然语言指令,改变了人机交互方式——无需人工逐步点击、操作软件,只需下达命令即可直接得到结果。”赛迪研究院信息化与软件产业研究所人工智能研究室主任王宇霞介绍,它可以拆解任务、调用工具,如子软件、外部数据源,还可以通过多智能体协同,实现以语言下达任务、智能体完成后反馈结果,这是其与自动化系统的主要差异。若将工业大模型比作“发动机”,那么工业智能体就是能在工业场景中自主行驶、功能完备的“汽车”。 工业智能体的应用场景有哪些?王宇霞分析,一方面,工业智能体正推动研发从经验试错模式向智能驱动范式转变。传统研发依赖工程师经验,在有限空间试错,效率较低。工业智能体可深度分析海量数据,缩短研发周期,还能在海量空间搜索,推动更多研发和设计组合。另一方面,在生产制造环节,推动制造过程从自动化向自主化升级,在优化生产排程、设备维护控制、跨系统协同等方面作用明显。 传统工业机器人依赖预设程序,一般是在稳定环境中执行固定单一任务。浪潮云洲工业具身智能体通过融合多模态感知、大模型任务规划、精细化运动控制技术,有效提升机器人在复杂工业环境中的自主作业能力。 为了实现智能体持续优化,浪潮云洲构建了集安全监测、风险预警、作业标准化于一体的工业具身智能体,提升动态感知和决策规划能力,有效解决了传统工业机器人对于多种零部件抓取、检测等场景中适应性不足的问题。该平台打造了“感知自调节、任务自组织”的工业化生态,涵盖全流程的智能化解决方案并建立数据闭环机制。通过构建高质量、多模态的通用具身智能数据集,智能体可以不断从环境中学习新知识,优化任务执行策略,完成迭代更新。 杭州炽橙科技副总经理韩鹏则表示,工业智能体不是简单的大语言模型应用,而是重新定义生产力的AI工具集,是机器学习、强化神经网络等的集合,是以大模型作为“脑”,工业知识为“心”,具体执行控制为“手”的三位一体智能系统。 提升运营效率 提升运营效率是工业智能体表现出的另一关键优势。“工业智能体在供应链优化和企业内部管理中发挥着重要作用。”王宇霞说,智能体通过智能推理和预测,自主开展订单处理、库存预警、销量分析,增强供应链弹性。同时,借助大模型能力优化人力、财务决策,提升管理效率。 在上海黑湖网络科技有限公司CEO周宇翔看来,工业智能体落地绝非简单技术叠加,而是需要与整体数字化转型协同推进,让智能体融入生产流程,成为工厂运转的“自然部分”。 “我们将智能体嵌入生产制造各个环节,在解决工厂原有生产难题的同时盘活冗余产能,为承接定制化订单提供更多可能性。”周宇翔补充说,例如,在读单过程中,OCR(光学字符识别)技术结合多模态与推理模型,可以自动识别订单字段与图样,降低人工录入时间和出错率;拆单排期智能体自动生成工艺流、报价与生产计划。在这些智能体的助力下,工厂工艺准备时间缩短60%,订单准交率提升20%,智能体正在引领一场效率革命。 注塑是家电生产的重要环节。“我们通过注塑工业智能体支撑注塑工艺知识管理、沉淀等高价值场景。目前,注塑工艺参数的调试时间缩短90%以上,员工培训成本下降75%。”卡奥斯工业大脑总经理杨健说。 “能用、好用的工业智能体,核心是要解决工业生产中的效率问题。过去数字化建设中,生产形式大多是数字驱动或事件驱动。未来,会逐步转向模型驱动,以模型为知识中枢和决策中枢,发挥其主动性,更好地组织需求、数据,以应对环境变化协调资源进行全局调度。”阿里巴巴达摩院算法专家赵亮说。 王宇霞还观察到,在营销和客户服务环节,智能体正推动从被动响应向主动预测变革。售前可主动分析潜在市场需求,提供个性化内容,实现精准营销;售中借助数字人三维等模型提供沉浸式交互,帮助客户快速决策;售后可成为未来的价值共创服务中心,高效处理客户疑问,将服务数据转化为对产品和市场的洞察。 落地仍需努力 真正推动工业智能体在工业领域落地仍面临诸多挑战。 首先是技术成熟度问题,很多大模型算法在通用场景中表现良好,但由于工业门类多、行业壁垒高、数据难获取,工业现场复杂度高,其适应性、实时性、可靠性都存在较大问题。其次,工业现场存在数据孤岛、数据缺失、噪声干扰等问题,现有数据是否足以用于训练工业智能体,使其达到安全可靠的水平,仍有不确定性。 “最关键的是安全问题。”王宇霞认为,智能体会以接口形式或代码自主生成形式执行任务,这是它和大模型最大的区别。正因如此,它也面临更多安全威胁,如API(应用程序编程接口)漏洞、代码供应链破坏、提示词注入等都可能导致智能体运行出现偏差。 京东方科技集团股份有限公司科学家冷长林将基础设施建设视为最应该加强的环节。“要支持企业构建自主可控、兼容异构的工业AI平台,尽快突破算力适配、模型压缩、调度推理等技术瓶颈,实现工业智能体高效、敏捷部署。加强智能体标准体系和评估机制建设,通过国家或行业标准牵引,推动排产、设备维修等领域的通用模型接口、数据规范、性能指标研制,指导企业拓展应用。此外,可依托灯塔工厂、领航工厂等样板,构建工业智能体生态实验厂,围绕典型场景开展模型复用、算法开源、平台对接等生态试验,推动从企业内生应用向行业级协同创新转变。” “技术上,人工智能与工业机理结合是关键。生态上,需要进一步完善协议、安全伦理、法律责任界定及应急接管、人工监督机制等。”王宇霞说。