大模型进车间，第一件事不是写文案，而是设备报警时知道该查哪几个参数、产线开机率下降时能顺着工序往前找原因。创新奇智的奇智孔明 AInnoGC 工业大模型有 750 亿参数，具备人机对话、文本生成和 SQL 代码生成能力，其上的工业本体智能体平台、ChatRobot 具身机器人和 ChatCAD 生成式设计软件，构成了一个“大模型制造车间”。
先让模型认识这家工厂
通用模型难以直接搬进工厂，因为设备数据、生产规则和工艺经验大多只存在于企业内部。一台设备和另一台是什么关系、一道工序变化会传导到哪里、老师傅凭什么判断异常，这些不在互联网语料里。
奇智孔明的做法是先构造本体：把散落在不同系统的设备、工艺、规则、物料、订单重新组织成实体、属性和关系。演示中，系统先理解业务目标，再读取企业数据，推断数据间可能的关系，逐步形成设备、故障、规则本体；用户用自然语言提出需求，模型据此生成设备故障诊断工作流。
可靠性体现在可回看：系统直接读取现场实际数据，每一步查了什么、调用了什么、依据什么排除，都能追溯；确认原因后给出处置方案，现场人员审核确认，再创建工单。大模型在这里是后台的“支柱和灵魂”，前台呈现的可能是智能体、软件或机器人。
玻纤产线：小模型感知，大模型调度
玻纤生产从原料配比、窑炉熔化到漏板拉丝，工序环环相扣，一次微小波动就可能断丝，影响开机率和产量。这里没有让一个模型包打天下：
原料环节，机器学习小模型分析原料检测数据、历史配方和生产结果，预测配方质量；窑炉环节，视觉小模型持续观察中间产品状态，再与实时 IoT 数据结合；拉丝环节，本体把产线、通路、拉丝机、漏板、工艺参数和生产事件连接起来。小模型负责感知和计算，大模型负责理解问题、调用工具、汇总结果。过去分散的算法，被组织成一套能协同工作的系统。
垂域模型的“垂”是什么意思
创新奇智产品总监朱冰的判断是，只有经过真实生产数据的持续滋养，大模型才能真正理解细分行业。模型能力不只在机房练出来，更要在车间里磨。公司把总部落在青岛，看中的是山东工业门类丰富，能持续提供真实问题。
这也解释了为什么“垂”不是给模型贴行业标签。工厂在意的是一个结论是否准确、一次判断有无依据、一个建议能否执行。要进入知识、数据、规则和流程，模型还得从外围环节走向生产执行与工业设计，既要懂知识，也要懂工艺，还要能调用软件、设备和机器人，把答案变成动作。
从工程视角看，这条路径的启发是：本体先行的价值在于给诊断和工单流程一个可追溯的语义底账；大小模型分工则避免了让生成式模型承担它不擅长的实时感知与数值计算。
资料来源：模型里的“制造车间”：奇智孔明造出一群工业智能体 — 人民网山东频道/大众日报（2026-10-08）。本文为技术要点整理/编译，非原文全文。