當“大模型”長出“本體”骨架

作者｜田思奇

編輯｜栗子

當AI從模型能力競賽走向商業(yè)化落地，行業(yè)開始出現(xiàn)清晰的分層。

其中一端是以“養(yǎng)龍蝦”為代表的個人智能體迅速出圈，實現(xiàn)全民agent普及，但高算力成本與不穩(wěn)定的付費結(jié)構(gòu)，是這門生意無法繞過的坎；另一端，企業(yè)的擔憂更加務(wù)實：AI進入核心生產(chǎn)流程后，能否持續(xù)產(chǎn)生可量化價值？

這一答案正在制造業(yè)中被驗證。

作為中國新質(zhì)生產(chǎn)力的核心載體，制造業(yè)具備高復(fù)雜度、高價值密度與強約束環(huán)境，也因此成為AI從技術(shù)走向生產(chǎn)力的最佳試煉場。剛剛發(fā)布2025年財報與行業(yè)首個工業(yè)本體智能體平臺的創(chuàng)新奇智，提供了一個清晰樣本：這家被對標為中國制造業(yè)版Palantir的公司，正推動AI+制造從技術(shù)驗證走向經(jīng)營結(jié)果，從概念落地為可持續(xù)的商業(yè)閉環(huán)。

1.從規(guī)模擴張到經(jīng)營質(zhì)量

據(jù)「甲子光年」觀察，過去兩年，AI to B領(lǐng)域最大的變化是：企業(yè)不再為模型能力本身買單，而是直接追問業(yè)務(wù)結(jié)果。

尤其是在制造業(yè)，問題變得非常具體：良率能否提升，能耗能否降低，排產(chǎn)能否優(yōu)化，停機能否減少。

大量企業(yè)在試點后發(fā)現(xiàn)，基于大模型的問答、分析和簡單自動化，難以進入生產(chǎn)核心。AI停留在輔助層，而非執(zhí)行層。這是工業(yè)AI長期難以規(guī)模化的關(guān)鍵原因。

創(chuàng)新奇智CEO徐輝指出：企業(yè)級智能體的難度遠高于個人應(yīng)用，本質(zhì)在于需要同時理解數(shù)據(jù)、業(yè)務(wù)邏輯與工作流，并在高精準度、可控性、安全性的約束下執(zhí)行。

政策方向也在同步收斂。《人工智能+制造專項行動》提出到2027年形成1000個工業(yè)智能體，十五五規(guī)劃將建設(shè)現(xiàn)代化產(chǎn)業(yè)體系列為首要任務(wù)。制造業(yè)作為實體經(jīng)濟根基，被推至AI價值驗證的最前沿。

在這一背景下，創(chuàng)新奇智2025年財報指向性更強。公司營收15.13億元，同比增長23.8%，制造業(yè)收入占比80.9%，毛利率35.0%。更關(guān)鍵的是經(jīng)營質(zhì)量的變化：應(yīng)收賬款周轉(zhuǎn)天數(shù)縮短64天，收入增長的同時應(yīng)收賬款下降12.8%。

在創(chuàng)新奇智看來，這不是簡單的周期性回升，而是主動調(diào)整的結(jié)果。

徐輝向「甲子光年」等媒體透露，創(chuàng)新奇智放棄了一些體量較大但回款周期長的項目，將資源集中到制造業(yè)核心場景。與之同步的，是技術(shù)體系的重構(gòu)。通過一模一體兩翼架構(gòu)，公司將大模型、智能體平臺以及工業(yè)軟件與機器人能力整合為統(tǒng)一體系，使AI從輔助層走向執(zhí)行層。

從行業(yè)整體來看，能夠完成這一轉(zhuǎn)變的企業(yè)仍是少數(shù)。大模型的能力提升，并不自動轉(zhuǎn)化為生產(chǎn)端的落地能力。問題不在模型本身，而在企業(yè)缺乏一套能夠承載業(yè)務(wù)邏輯、約束決策過程的系統(tǒng)結(jié)構(gòu)。

當「甲子光年」提到，現(xiàn)在不少企業(yè)在做企業(yè)級龍蝦，但實際體驗與宣傳存在落差時，CTO李凡也表示，當前市場上的企業(yè)級龍蝦，許多都停留在部署層面。有的只是將個人智能體遷移到企業(yè)環(huán)境，有的解決了安全問題，卻沒有解決使用問題。“我在我們自己的研究院布了一個，發(fā)現(xiàn)沒法用。因為它不是我個人的，而是團隊的。你不知道拿它做什么，就算知道想做什么，基礎(chǔ)設(shè)施也沒有。”

這段回答意味著，工業(yè)AI的瓶頸，在于是否存在一層能夠把數(shù)據(jù)、規(guī)則與流程組織起來的結(jié)構(gòu)，使AI能夠穩(wěn)定地參與決策與執(zhí)行。

面對這一斷層，創(chuàng)新奇智選擇將本體推到臺前，作為重構(gòu)工業(yè)AI的關(guān)鍵支點。

2.中國制造業(yè)版Palantir

如果用一句話概括過去兩年工業(yè)AI的進展，可以說：能力已經(jīng)具備，但難以進入生產(chǎn)核心。

大模型在語言理解、任務(wù)規(guī)劃與知識整合上的能力已經(jīng)被驗證，但一旦進入制造業(yè)，這套能力很快觸碰邊界。工業(yè)生產(chǎn)要求結(jié)果確定、路徑可解釋、過程可追溯，在這樣的環(huán)境中，概率生成反而成為風險。

過去十年，制造業(yè)的信息化經(jīng)歷了兩個階段：工業(yè)互聯(lián)網(wǎng)解決了數(shù)據(jù)采集問題，知識圖譜提供了結(jié)構(gòu)化表達能力，但兩者本質(zhì)仍停留在描述層，無法推動系統(tǒng)執(zhí)行。

李凡強調(diào)：“工業(yè)智能體要在生產(chǎn)制造核心場景落地，必須突破傳統(tǒng)AI‘知其然不知其所以然’的局限。”

基于這一思路，創(chuàng)新奇智推出了AInnoGC工業(yè)本體智能體平臺，將模型、數(shù)據(jù)、本體與智能體能力整合為分層架構(gòu)，并在典型場景中實現(xiàn)超過95%的推理準確率與秒級響應(yīng)。

從結(jié)構(gòu)上看，本體更像工廠的語義操作系統(tǒng)。

它不直接提供能力，而是對能力進行組織和約束。通過實體、關(guān)系與規(guī)則三層結(jié)構(gòu)，本體將設(shè)備、工藝、物料、工單等生產(chǎn)要素，以及它們之間的因果邏輯，統(tǒng)一抽象為機器可以理解和推理的語義體系。

換句話說，本體像“骨架”，其作用是把企業(yè)內(nèi)部已經(jīng)存在但分散，如同“血肉”一般的各項能力組織起來。

這一思路與海外提出的Harness Engineering高度類似。其中harness本意是套在馬身上的韁繩、馬鞍等馬具，這里指像約束馬匹一樣，通過設(shè)立約束機制，讓智能體在復(fù)雜任務(wù)中穩(wěn)定運行，持續(xù)輸出可靠、一致的結(jié)果。在工業(yè)場景中，這種約束不是優(yōu)化項，而是前提。

“去年我們講的是ChatDoc、ChatBI，還是知識庫或讀數(shù)工具。但今天我們的東西更深層，已經(jīng)進入生產(chǎn)工序和業(yè)務(wù)邏輯。” CEO徐輝對「甲子光年」表示。他用一個比喻總結(jié)：“越往深走，對龍蝦的要求越不一樣。五百米以下的深水，龍蝦可以長到一百斤。養(yǎng)小龍蝦，盆子里就可以；養(yǎng)大龍蝦，不一樣。”

從更大的參照系來看，許多國際廠商也在加速向這一方向演進。西門子正在強化工業(yè)AI操作系統(tǒng)能力，推動Industrial Copilot從輔助走向執(zhí)行；羅克韋爾自動化將生成式AI嵌入設(shè)計與生產(chǎn)流程；SAP則通過Joule把智能體與企業(yè)業(yè)務(wù)系統(tǒng)深度耦合。

更清晰的對標，非Palantir莫屬。這家公司在政企市場的核心能力，并不在于模型本身，而在于通過本體論構(gòu)建統(tǒng)一的數(shù)據(jù)語義體系，將分散的數(shù)據(jù)、規(guī)則與業(yè)務(wù)邏輯組織為可推理、可執(zhí)行的決策系統(tǒng)。從Foundry到AIP，Palantir的演進，本質(zhì)是從數(shù)據(jù)整合走向決策中樞，最終進入業(yè)務(wù)執(zhí)行環(huán)節(jié)。

創(chuàng)新奇智AInnoGC工業(yè)本體智能體平臺，與其形成結(jié)構(gòu)上的呼應(yīng)，但兩者的路徑存在差異。Palantir面向的是通用政企決策體系，而創(chuàng)新奇智直接扎進制造業(yè)一線，將本體嵌入生產(chǎn)流程與控制鏈路，更靠近執(zhí)行端。這也意味著，其挑戰(zhàn)更高，但一旦跑通，對產(chǎn)業(yè)的改造力度也更深，也有希望讓創(chuàng)新奇智成為中國制造業(yè)的Palantir。

技術(shù)層面來看，AInnoGC工業(yè)本體智能體平臺的優(yōu)勢，體現(xiàn)在四個核心模塊的協(xié)同運作上。

本體知識構(gòu)建模塊將設(shè)備運維SOP、生產(chǎn)工藝、質(zhì)量歸因等隱性經(jīng)驗，轉(zhuǎn)譯成大模型可理解的規(guī)則與業(yè)務(wù)邏輯，形成可復(fù)用的知識資產(chǎn)。

孿生圖譜與數(shù)據(jù)引擎支持IT/OT異構(gòu)數(shù)據(jù)秒級接入，實時映射物理狀態(tài)為動態(tài)數(shù)字孿生，依托工業(yè)圖計算技術(shù)實現(xiàn)復(fù)雜關(guān)聯(lián)的深度分析。

認知與推理引擎基于本體知識庫進行邏輯演繹與因果溯源，每一步推理都有據(jù)可查，滿足工業(yè)場景的嚴謹性與可追溯要求。

智能體編排模塊則通過低代碼模式調(diào)用本體知識庫，依托MCP協(xié)議快速集成MES、EAM等工業(yè)軟件，支持多智能體協(xié)同完成復(fù)雜跨場景任務(wù)。

平臺還具備高準確率、實時閉環(huán)、知識可進化、低門檻、全可審計五大核心價值，區(qū)別于傳統(tǒng) AI，精準適配企業(yè)級場景需求。

如果說過去工業(yè)數(shù)字化的核心是系統(tǒng)，那么在智能體時代，控制權(quán)正在從系統(tǒng)界面，轉(zhuǎn)移到能夠理解并調(diào)度這些系統(tǒng)的中樞層。而本體，正是這一中樞的起點。

3.喚醒沉睡的工業(yè)資產(chǎn)

在本體提出之前，創(chuàng)新奇智已經(jīng)在多個工業(yè)場景中完成了智能體落地。但此前許多能力以項目形式存在，不同場景之間難以復(fù)用，不同系統(tǒng)之間難以打通，經(jīng)驗無法沉淀為長期資產(chǎn)。這進一步驗證了本體重新組織既有能力的價值。

以工業(yè)設(shè)計為例，創(chuàng)新奇智與Bentley聯(lián)合推出的iPID讀圖智能體，已在頭部鋼鐵企業(yè)實現(xiàn)落地。客戶在七大專業(yè)中積累了大量PID管線圖，全部以PDF形式存儲，屬于典型的啞圖。傳統(tǒng)模式下，單張圖紙修改需要數(shù)天時間，且難以復(fù)用。

基于千萬級PID數(shù)據(jù)訓(xùn)練的工業(yè)多模態(tài)模型，iPID便可以實現(xiàn)靜態(tài)圖紙向可編輯模型的自動轉(zhuǎn)化，對超過400種工業(yè)圖例進行識別，整體還原度超過95%。圖紙?zhí)幚碇芷趶臄?shù)天壓縮至分鐘級，返工成本降低75%以上，檢索效率從小時級縮短至秒級，設(shè)計模塊復(fù)用率提升約60%。過去只能被查看的圖紙，開始具備被調(diào)用與推理的能力。

類似的變化也出現(xiàn)在生產(chǎn)與運營環(huán)節(jié)。在某全球知名啤酒企業(yè)的燈塔工廠，創(chuàng)新奇智最初以ChatBI切入，實現(xiàn)數(shù)據(jù)查詢的對話化，但很快觸及瓶頸，“客戶最開始只是看數(shù)，但很快就提出一個問題：能不能不僅看到數(shù)據(jù)，還能理解數(shù)據(jù)之間的關(guān)系，并做出決策。”

在引入本體后，原本分散在不同系統(tǒng)中的工廠、產(chǎn)線、設(shè)備、工單與能耗數(shù)據(jù)，被統(tǒng)一建模為具備業(yè)務(wù)語義的實體。

在工業(yè)機器人場景中，這種轉(zhuǎn)變更加直接。通過一腦多體架構(gòu)，智能體能力被嵌入物流、檢測與巡檢系統(tǒng)。在礦業(yè)與制造場景中，系統(tǒng)可以完成路徑規(guī)劃、設(shè)備調(diào)度與無人轉(zhuǎn)運，機器人開始具備在復(fù)雜環(huán)境中的自主決策能力。徐輝強調(diào)，創(chuàng)新奇智已經(jīng)與庫卡、擎朗等機器人巨頭達成合作：“上天、入地、下海，我們都有場景。場景需要什么，就用什么業(yè)態(tài)的本體。”

這一結(jié)構(gòu)變化，也直接帶來了商業(yè)模式的轉(zhuǎn)向。隨著本體將行業(yè)經(jīng)驗結(jié)構(gòu)化并產(chǎn)品化，AI能力開始具備跨場景復(fù)用的基礎(chǔ)，公司從單點解決方案提供商，轉(zhuǎn)向系統(tǒng)級平臺。

對于行業(yè)普遍關(guān)心的AI是否會替代工業(yè)軟件的問題，創(chuàng)新奇智給出的判斷是重構(gòu)而非替代。徐輝在發(fā)布會上表示，工業(yè)軟件沉淀了數(shù)十年的流程與知識，是制造業(yè)的基礎(chǔ)設(shè)施。未來，這些系統(tǒng)將以能力模塊的形式存在，被智能體調(diào)用，而本體智能體將成為統(tǒng)一的交互入口與決策中樞。

從更宏觀的角度看，這一變化意味著工業(yè)數(shù)字化的控制權(quán)正在發(fā)生轉(zhuǎn)移。過去控制權(quán)屬于各類系統(tǒng)本身，而在智能體時代，控制權(quán)開始向能夠理解業(yè)務(wù)邏輯并調(diào)度系統(tǒng)的中樞層集中。

本體，正是這一中樞得以成立的前提。

4.工業(yè)AI的中國化路徑

工業(yè)智能體正在進入明確的規(guī)模化階段。IDC數(shù)據(jù)顯示，中國工業(yè)企業(yè)應(yīng)用大模型及智能體的比例從2024年的9.6%躍升至2025年的47.5%；Gartner預(yù)測，到2028年約33%的企業(yè)軟件將內(nèi)嵌代理型AI。產(chǎn)業(yè)正從技術(shù)驗證邁入真實落地，未來三年將是格局形成的關(guān)鍵期。

但規(guī)模化并不等于簡單復(fù)制。過去十年，中國工業(yè)互聯(lián)網(wǎng)長期依賴項目制開發(fā)，每個工廠都需要重新建模、重新適配，能力難以沉淀，邊際成本居高不下。項目越多，系統(tǒng)越復(fù)雜，復(fù)用能力卻沒有同步提升，這也使得從案例走向規(guī)模化始終困難。

問題的關(guān)鍵不在能力缺失，而在缺乏一套可以持續(xù)復(fù)用、統(tǒng)一調(diào)度的能力結(jié)構(gòu)。

創(chuàng)新奇智給出的答案，是將一模一體兩翼作為整體架構(gòu)來解決這一問題。以工業(yè)大模型提供通用認知能力，以本體智能體作為中樞完成語義組織與決策約束，再通過工業(yè)軟件與工業(yè)機器人兩翼承接執(zhí)行。這一結(jié)構(gòu)的意義，在于將模型能力、業(yè)務(wù)邏輯與執(zhí)行系統(tǒng)整合為一個可閉環(huán)運行的體系，使AI不再依賴單點項目落地，而具備跨場景復(fù)制與持續(xù)演進的基礎(chǔ)。

在這一體系之下，本體的作用開始顯現(xiàn)。通過將設(shè)備運維、能耗優(yōu)化、質(zhì)量追溯等核心業(yè)務(wù)邏輯抽象為統(tǒng)一語義模型，平臺可以在不同產(chǎn)線之間遷移智能體能力，使經(jīng)驗從一次性交付轉(zhuǎn)變?yōu)榭蓮?fù)用資產(chǎn)。工業(yè)AI由此第一次具備了可擴展性。

這一結(jié)構(gòu)變化，正在重塑AI To B的商業(yè)邏輯。過去依賴人力交付的項目模式，逐步轉(zhuǎn)向以模型與平臺為核心的標準化輸出。隨著復(fù)用比例提升，單位成本下降，毛利結(jié)構(gòu)改善，行業(yè)長期存在的低毛利困局開始松動。

與此同時，商業(yè)模式的討論也回到現(xiàn)實約束之中。

當「甲子光年」問道，隨著英偉達GTC等會議推動token計費模式，創(chuàng)新奇智是否會轉(zhuǎn)向類似路徑時，李凡強調(diào)：要看業(yè)務(wù)實質(zhì)。制造業(yè)大量場景采用私有化部署，模型運行在客戶側(cè)，這種情況下更適合按算力或服務(wù)器收費，而非token。

徐輝進一步指出，這并不是技術(shù)選擇問題，而是市場結(jié)構(gòu)決定的結(jié)果。在以預(yù)算審批與招標為主導(dǎo)的制造業(yè)體系中，訂閱制或流量計費短期內(nèi)難以成為主流，更現(xiàn)實的路徑是混合模式，甚至探索按結(jié)果付費。

這意味著，工業(yè)AI的商業(yè)化路徑不會簡單復(fù)制互聯(lián)網(wǎng)，而將沿著制造業(yè)自身的運行邏輯演進。

2026年被視為智能體應(yīng)用的起點，但真正決定產(chǎn)業(yè)高度的，并不是入口規(guī)模，而是進入生產(chǎn)核心的深度。能夠在高約束環(huán)境中穩(wěn)定運行，并持續(xù)產(chǎn)生經(jīng)營結(jié)果的能力，才是AI的長期價值所在。

在這一意義上，本體不只是一個技術(shù)組件，而是一種新的能力組織方式。而一模一體兩翼，則是這種能力得以落地的工程化路徑。誰能夠建立這一體系，誰就更有可能在下一階段的工業(yè)AI競爭中，占據(jù)主導(dǎo)位置。

（文中圖片來自創(chuàng)新奇智；封面圖由AI生成）