新一代智能制造常被简化成“给工厂接一个大模型”。郑志明院士在工业和信息化部网站上的这篇文章给出了另一种拆法：它需要两类能力相互耦合。一类是面向复杂数据系统的决策大模型，在制造业中主要表现为行业大模型，负责多源信息理解、任务方案形成与专业工具组织；另一类是内嵌物理规律、数学方法与先验知识的精准智能，也称物理智能，负责跨尺度建模、求解、预测与验证。前者拓展问题空间、组织候选方案，后者把候选解约束在物理可行、工程可用、安全可控的范围内。
行业大模型是决策与协同中枢
文章对行业大模型的定位很克制：它不是替代专用算法的“全能大脑”，而是在制造系统中构建跨数据类型的语义层与面向任务的协调层，让自然语言理解、多源知识关联、任务分解、工具调用与高精度专业能力在同一条任务链上协同；具体工程问题的精确计算与校核，仍由专用算法承担。
制造知识的组织方式随之变化。企业长期积累的图纸、工艺规程、设备手册、质量记录与专家经验，分散在不同载体和系统里；行业大模型结合工业知识库，可把依赖个体检索与口耳相传的知识，转成面向具体任务可检索、可关联、可调用的知识服务，并建立订单要求、设计意图、工艺条件与现场状态之间的关联。
工业软件的交互也在变。传统软件以菜单、参数和功能模块为主，专业能力强但门槛高、跨软件协同成本大；行业大模型与工业智能体可以理解任务意图、分解步骤、按权限调用专业软件，软件则以可复现的算法与求解器输出工程结果。制造系统的智能边界也从“局部最优”走向“全局协同”：研发设计、工艺规划、生产调度、质量控制与设备运维原本各管一段，大模型可在统一语义层上把它们连起来，让设计要求、制造能力与运行反馈相互传递。
三个绕不开的工程化问题
第一是跨尺度工程语义的完备性。工业数据的训练价值取决于工程语义质量与跨尺度关联程度：有效数据要关联零件、工序、装备、产线等不同尺度，完整表征工况、对象、操作、结果及其因果线索，尤其要覆盖异常、失效与极端工况。当前大量数据分散在设备与软件中，语义定义、时间尺度与质量口径不统一，模型容易停留在表层相关性。
第二是数理机理约束下的专业求解与验证。数理概念与机理规律应通过约束方程、机理模型、专业求解器、训练约束与验证准则，嵌入模型训练、推理与工具调用全过程。产品设计、工艺规划与生产运行受几何、材料、运动、载荷、节拍与安全等多重约束；大模型负责意图理解与方案生成，工业软件、机理模型与专业小模型负责精确计算与工程校核，数控系统、PLC 与智能装备负责确定性执行。把概率生成接入这条工具链，是模型输出变成可靠工程方案的必要条件。
第三是功能调用与责任边界相统一的闭环。智能体接入 MES、工业软件与生产装备后，能力边界扩大，权限越界、错误调用与风险扩散也随之增加。必须严格区分模型推理、任务编排与设备控制的功能边界，任何智能体都不得超越授权范围实施控制；对质量、安全与连续生产要求高的环节，要建立任务授权、工具白名单、结果校核、人工确认、运行监测与异常回退，确保输入、推理、工具调用与执行全程留痕、边界明确、可追溯。
工业母机上的四阶段闭环
工业母机直接作用于物理对象，是检验两类能力融合的典型场景。复杂零件加工同时贯通零件几何、材料去除、机床运动与装备控制：既要理解设计意图与工艺经验，又要严谨计算刀具轨迹、分析加工过程并确定性控制。前一类知识密集、开放；后一类强约束、高精度。
北京航空航天大学相关实验室在发动机叶片、叶轮等复杂曲面五轴加工中自主研发的工业软件 PathMancer，支持加工轨迹交互式修改与加工表面质量还原。它承载的是刀位几何、加工轨迹与表面质量之间可计算、可验证的专业关系。
由此可归纳出“认知规划—专业求解—确定性执行—反馈进化”的四阶段闭环：认知规划阶段，行业大模型作为决策中枢，理解加工目标、识别约束、分解任务；专业求解阶段，作为精准智能载体的工业软件调用专业算法，完成刀轨计算、交互修改与结果分析，形成可校核的工艺结果；确定性执行阶段，数控系统与机床按确认后的程序加工；反馈进化阶段，把加工状态、检测结果与人员修正回流到知识库、机理模型与大模型，推动工艺知识与模型能力协同迭代。
这个闭环说明，行业大模型进入现场需要工业软件做中间层：大模型把分散知识与人员意图转成结构化工程任务，工业软件把物理规律、数学方法与工程约束固化为算法、求解器与验证准则。二者是互补关系，不是替代关系。
支撑体系怎么搭
2026 年 1 月，工业和信息化部等八部门联合印发《“人工智能+制造”专项行动实施意见》，对行业模型、工业智能体、高质量数据集与智能装备作出系统部署。文章建议把支持重点从“单一模型建设”延伸到数据、知识、机理、软件、装备与场景的协同：以工程任务链明确输入条件、决策事项、数理约束、工具调用、确认主体与验收方式；建设跨尺度工程语义与机理资源；形成决策大模型、精准智能与装备分层协同的工具链，并让评测超越问答与生成指标，覆盖专业正确性、计算精度、工具调用、约束遵守、复杂工况适应与运行稳定性；同时培育以工业软件与专业服务商为纽带的生态。
一句话总结：语言理解与生成只是基础能力，工业应用水平体现在复杂任务决策、专业工具调用以及精确工程结果的生成与验证。谁能把这条“认知—求解—执行—反馈”闭环持续跑起来，谁才真正拥有新一代智能制造。
资料来源：郑志明院士：支持行业大模型与精准智能融合应用 加快发展新一代智能制造 — 工业和信息化部（2026）。本文为技术要点整理，非原文全文。