南京制造业智能体业务需求
摘要：南京制造业智能体业务需求主要聚焦生产提效、质量管控与运营优化，涵盖智能排产、设备预测性维护、缺陷检测、供应链协同及知识问答等场景，企业需要智能体打通研发、生产、仓储和售后数据，实现业务信息实时分析、任务自动执行与决策辅助，需重视与现有工业系统的兼容性、数据安全、部署成本及应用效果评估，通过重点场景试…
南京制造业智能体业务需求主要聚焦生产提效、质量管控与运营优化，涵盖智能排产、设备预测性维护、缺陷检测、供应链协同及知识问答等场景，企业需要智能体打通研发、生产、仓储和售后数据，实现业务信息实时分析、任务自动执行与决策辅助，需重视与现有工业系统的兼容性、数据安全、部署成本及应用效果评估，通过重点场景试点与逐步推广，推动制造业数字化、智能化转型。
从工业数据走向生产现场
南京制造业智能体业务需求，正把人工智能的讨论从“模型能回答什么”推向“系统能完成什么”，对于拥有电子信息、汽车、装备制造等产业基础的南京而言，值得关注的不是给工厂增加一个聊天窗口，而是让人工智能在明确权限内理解任务、调用工具、辅助决策,这也是观察工业大数据与软件信息服务融合的一条线索。
制造业为何需要智能体？原因在于生产问题往往横跨多个系统，一次设备异常，可能同时涉及传感器记录、维修工单、备件库存和排产计划，传统软件擅长处理预设流程，但跨系统查找信息、核对原因，仍需人员反复切换界面，智能体的价值，是围绕具体目标组织这些步骤,而不是替代全部工业软件。
从技术上看，工业智能体通常由大模型、知识库、工具接口和流程控制组成，大模型理解自然语言，知识库提供设备手册与操作规程，接口连接业务系统，流程控制负责权限检查和异常处理，通过检索增强生成，系统可以先查企业资料再作答，并给出来源；但检索结果是否准确、资料是否过期,仍需持续治理。
最适合率先落地的，是边界清楚、结果可验证的辅助任务，维修人员描述故障后，智能体检索相应型号的手册，汇总历史工单，形成排查清单；生产主管询问订单进度时，系统读取获准访问的数据，解释延期原因，涉及停机、参数修改或采购付款的动作，则应设置人工确认,不能让语言模型直接决定。
这意味着，南京企业提出业务需求时，应先写清任务，而不是先选模型，任务由谁发起，需要读取哪些数据，允许执行哪些操作，出现错误如何撤回，都应形成可验收的条目，评价指标也不宜只看回答流畅度，而应关注检索准确性、任务完成率、人工复核耗时,以及能否降低重复劳动。
工业大数据是这一过程的基础，也是难点，设备名称不统一、时间戳不同步、故障标签缺失，都可能让看似合理的回答偏离现场，企业需要先建立设备、工单、物料之间的关联，保留数据来源与版本，对商业秘密和生产敏感信息，还要实行分级授权、访问留痕，避免“一接入模型就全部开放”。
南京的软件信息产业基础，为智能体与工业软件衔接提供了条件，相比另起一套平台，更务实的路径是围绕现有制造执行、资源计划和设备管理系统开发接口，把智能体嵌入岗位流程，软件服务商需要补足行业知识，制造企业则要安排工艺、设备和信息化人员共同定义需求,减少技术演示与实际使用之间的落差。
网络能力同样重要，但不应把智能体落地等同于等待6G，紫金山实验室在未来网络等方向的研究，为理解工业互联提供了背景；具体到工厂，仍应依据现有网络的带宽、时延和可靠性选择部署方式，需要确定性响应的控制环节，应由经过验证的控制系统承担,大模型更适合辅助分析和流程协同。
产业影响最终取决于能否形成可复制的服务，南京推进制造业智能体应用，宜从一个车间、一类设备或一项工单流程开始，记录收益与错误，再逐步扩大范围，真正有竞争力的方案，不只是模型能力强，而是懂业务、接得上系统、守得住边界,并能长期维护。
