AOI 报了一块板子的焊点可疑，接下来发生的事通常是人跑三趟：复检、搬运、翻工艺记录。NVIDIA 的 Factory Operations Blueprint（FOX）给出的参考架构，是让一个“工厂经理智能体”把这三件事串起来：它连接现有的机器数据库、MES、ERP，按需调度专职的专家智能体，并把哪些决定必须人工复核写进策略。
经理的三件套
经理智能体由三部分组成：LLM 负责理解任务、跨系统取数、制定计划和评估结果，可以选前沿模型，也可以选开源的 Nemotron；智能体运行框架（harness）默认是 NemoClaw，负责接工具、技能、持久记忆和专家智能体，并管理后台任务与定时作业；OpenShell 隔离执行环境，对文件、命令和网络目的地做访问控制，工厂策略在这里定义哪些动作允许、何时需要操作员复核。工厂数据经适配器和映射接入，手册与作业规程帮助经理理解数据，Elasticsearch 存放检索内容和调查上下文。
三个专家：看、搬、查因
视觉检测智能体拿到板子图像、参考样例和该板型的合格判据，调用 Cosmos 世界理解模型做比对，用上下文学习，不需要另外微调。它的结论分三种走法：属于可接受的外观差异，给出证据支持继续生产；确认缺陷，进入处理和调查；结论不确定，转人工。搬运由车队管理智能体负责，参考实现里用 Isaac Sim 与 ROS 2 在数字孪生中演示，物理部署还要接工厂自己的机器人和 AMR；它先检查权限与能力，完成后回执，初期部署要求操作员批准。根因分析智能体用板号和处理历史拉取检测记录、贴装记录、电测结果和设备测量值；疑似焊接问题时，用板的回流进出时间定位炉温读数，交给 Kumo Anomaly 找异常模式，再与其他批次、检测结果和设备手册比对，最后输出一份带来源记录、可疑测值、可能原因和纠正建议的 PDF 报告。
西门子产线之外的两个数字
在西门子埃尔朗根电子工厂（年产一千多种产品），换型频繁让排产和检测都吃紧。用 FOX 构建、Nemotron 驱动的智能体通过西门子 Intelligence Center X 跑仿真，平衡成本、在手订单、供应水平和产线配置，规划员不必逐个系统查数，端到端可望节省最多 20% 成本；新产品导入时，把 PLM 与 Process Preparation X 和 Cosmos、Omniverse 结合，生成虚拟原型和合成训练数据，在物理生产前把 AOI 工艺调好，最多缩短 40% 上市时间。另一面是代价：西门子报告估计，受访行业里一座大型工厂的意外停机年均损失 2.53 亿美元。
整套系统可以在 DGX Station 上全本地部署，生产记录、图像、提示词和调查结果都留在厂内网络；若使用外部托管的模型，就得自己评估哪些数据会离开厂区。
值得抄的不是某个模型，而是那条分工线：经理负责编排与复核策略，专家各管一种证据，执行层保留权限检查，不确定就交人。
资料来源：How NVIDIA Factory Operations Blueprint Coordinates AI Agents to Investigate Production Issues — NVIDIA Technical Blog（2026-11-04）。本文为技术要点整理/编译，非原文全文。