400-868-1122
根云-工業趨勢分析
返回8月4日至5日，第二十屆沙利文全球增長、科創與領導力峰會暨第五屆新投資大會（以下簡稱“沙利文峰會”）在上海舉行，樹根科技作為工業智能領軍企業受邀參會。
在“AI 的進階與飛躍” 論壇上，樹根科技創新實驗室主任孫佰貴作了題為《開創工業AI新紀元：樹根科技的全棧實踐》的演講。
2.3 萬億藍海
工業智能開啟規模化落地
隨著工業大模型、智能體及具身智能技術逐步成熟，工業智能已由早期探索階段向規模化應用階段演進。數據顯示，中國工業智能體市場，預計由2025年的3,080.2億元增長至2030年的23,175.5億元。
極速膨脹的市場必將吸引更多資深玩家加入角逐，這也意味著同一賽道的競爭更加激烈，比拼的焦點從實驗室中的技術驗證走向工業場景的全面落地。
在實際應用層，所有工業智能企業都不得不面對四大挑戰。
首先是數據端，企業內部各系統相互獨立，缺乏統一的數據與業務架構，讓數據流轉更慢，增加集成成本；其次，數據采集后，其質量參差不齊。穩定的高質量數據供給缺失，導致模型的泛化與自優化能力持續受限。
然后在模型端，市面上多數的工業大模型多聚焦單任務優化，缺乏多智能體協同調度與自主決策能力，針對復雜環境的適應能力存在短板。最后，工業智能體普遍采用私有化部署，知識、模型及數據資產難以實現可信共享，復用和生態協同機制尚未成熟，更限制了工業智能未來的潛力。
從高質量數據的采集互通，到模型的持續優化和多功能協同，再到高標準、高精度的現場作業要求，單純靠鉆研大模型軟件或者機器人硬件，都無法解決這些問題，破局的關鍵在于企業需具備工業智能的全棧能力。
工業AI競逐下半場
全棧能力成為打破平衡的關鍵砝碼
何為全棧？打個比方，如果工業智能是一個人，大模型是他的大腦，幫助他感知世界、做出決策，具身機器人則是他的身體，用來執行任務、完成作業。
全棧，就是要將大模型與機器人巧妙地融為一體，打通數據、模型、執行載體的全鏈路，實現“感知-決策-執行-反饋”的閉環。這就要求，企業既要有優化數據與模型的軟件智能體，也要有在物理空間執行作業的具身智能體和承載智能體的機器人制造能力，并實現兩類智能體的全面協同。
具體來說，軟件智能體負責面向工業業務流程，通過軟件系統完成任務理解、知識調用、決策優化和流程編排；具身智能體則要面向工業現場，通過機器人本體和控制系統完成環境感知、動作執行和物理交互。
這兩類智能體對應的正是樹根科技的“企業大腦”與“機器人大腦”。在過往十年的工業實踐中，樹根科技積累了海量數據資產和行業經驗，用這些高質量數據訓練調優自研的根靈工業大模型，開發服務于企業生產運營各環節的工業智能體；同時兼備各類具身機器人的自主量產能力，是一家真正意義上的工業智能全棧企業。
工業智能的全棧，在于軟硬件一體化的“技術全”，更在于工業場景廣覆蓋的“應用全”。
目前，樹根科技已在至少48個高價值場景中完成驗證：從單工位出發，智能焊接機器人的合格率達到97%以上，人工成本減少約80%；到全廠產線的整體優化，AI超級工廠把生產周期從30天縮短到7天，設備OEE提升30.8%；再到工廠之外，無人物流實現98%的全流程自動化，綜合效率提升40%到60%，實現廠內廠外的效率雙升；全棧能力真正進入生產閉環，釋放真實價值。
場景是落地應用的終點，也是下一輪模型進化的起點。從場景中采集數據反哺模型，再由模型驅動智能體在場景中持續優化迭代，工業智能的成長飛輪由此產生，在具體場景中將能力提升到極限。
從實驗室中走出，到應用于真實的工業場景，工業智能的下半程將通往何處？樹根科技認為，單一場景的智能化并非工業智能的極限，面對愈加復雜的工業場景，向群體智能演進已成必由之路——將軟件智能體、具身智能體與工業系統組織成可協同、可反饋、可持續升級的整體，最終實現全局最優。
當下，全球科技目光再次聚焦制造業，工業智能或將成為下一次產業升級的關鍵鑰匙。從世界工廠到智造高地，這條路中國走了20年。工業智能的發展，或許能讓下一個十年的躍遷，來得更快一些。
