从“规则驱动”到“大模型驱动”
据电子工程专辑刊载的综述《工业智能体：体系架构、关键技术与未来展望》，自2023年大语言模型爆发以来，智能体迈入新的发展阶段，正在向具备长程推理与分布式决策执行能力的自主智能体（Agentic AI）演进。但当前工业界实践仍多局限于“智能体+固定工作流”的初级阶段：面对工业生产的多变性、高精度要求与实时性约束，通用智能体往往因缺乏对深层工业机理与工艺逻辑的理解与可靠性保证，仍难以直接承担生产工艺决策控制等核心任务。
综述指出工业智能体主要面临四类挑战：工业动态环境的自适应、工业自主决策的可靠性、工业多智能体的自组织协作、复杂长程指令的理解与执行。
定义与特征
综述将工业智能体定义为：以大模型、具身智能等新一代人工智能技术驱动、服务于工业产品全生命周期应用的新型智能体系统，包括具身智能体和非具身（软件系统）形态，具备感知理解、知识记忆、规划决策、通信交互、自主执行、演化学习等核心能力。其关键特征包括：从规则驱动到大模型驱动、从被动响应到主动规划决策、从离线学习到自适应演化、从短期记忆到长期记忆、从单体智能到多智能体自主协同。
三层体系架构
综述提出工业智能体体系架构包含三个层次：
- 工业智能体基座：认知计算内核与通用智能底座，采用“预训练—微调—强化学习”递进式训练范式，形成感知理解、知识记忆、规划决策、通信交互、自主执行、演化学习六大核心能力；
- 工业智能体系统：连接数字域与物理域的中枢，以动态自组织机制构建异构智能体集群，通过封装ERP、MES、CAD、CAE等工业软件API赋予工具调用能力，并把人类专家反馈纳入决策闭环；
- 工业应用：将智能体融入研发设计、生产制造、试验测试、经营管理及运维服务等环节。
关键技术与编排
综述还梳理了基座（预训练、指令微调、强化学习）、核心能力模块（感知理解、知识记忆、规划决策、自主执行、通信交互、学习演化）以及系统组织编排（自组织、中心型等）等关键技术。其中，知识记忆模块采用分层记忆架构，长期记忆结合向量数据库与检索增强生成（RAG）；通信交互模块支持工业以太网、MCP、A2A等协议。
参考来源
本文依据公开资料整理，事实与数据均来自下列来源。
- 电子工程专辑：《工业智能体：体系架构、关键技术与未来展望》。
https://www.eet-china.com/mp/a480024.html
发表回复