當前，工業(yè)AI正處于單點試點向規(guī)?；瘡椭七^渡的關鍵階段。雖然多數(shù)制造企業(yè)已啟動AI布局，但大量項目仍困于數(shù)據(jù)割裂、組織協(xié)同不暢、開發(fā)門檻高、場景難以復制等挑戰(zhàn)。

研華物聯(lián)網(wǎng)自動化事業(yè)群副總經(jīng)理林清波

作為工業(yè)AI實踐的先行者，研華的戰(zhàn)略迭代始終與產(chǎn)業(yè)節(jié)奏同頻。從硬件供應商到軟硬整合的方案提供者，再到工業(yè)AI落地賦能者，研華的發(fā)展路徑也折射出整個工業(yè)智能化的發(fā)展脈絡。那么，研華將如何推動工業(yè)AI從單點試點走向規(guī)?；瘡椭?？帶著這一問題，工控網(wǎng)與研華物聯(lián)網(wǎng)自動化事業(yè)群副總經(jīng)理林清波進行了一次深度對話。

破解轉(zhuǎn)型難題，夯實數(shù)據(jù)基礎

企業(yè)在推進數(shù)字化轉(zhuǎn)型時，普遍會遇到數(shù)據(jù)與應用層面的各類問題，痛點主要分布在數(shù)據(jù)采集、分析利用、技術、組織管理等多個維度。對此，林清波表示：“在所有轉(zhuǎn)型挑戰(zhàn)中，組織管理層面的協(xié)同矛盾，遠比技術問題更為棘手?！?/p>

傳統(tǒng)自動化項目以產(chǎn)線效率最大化為目標，僅需自動化部門主導即可推進。但當企業(yè)向智能化與自主化運營升級，IT、供應鏈、生產(chǎn)運營等多個部門均被卷入，原本以人為核心的管理邏輯就轉(zhuǎn)變?yōu)橐詳?shù)據(jù)為核心。這種變化導致各部門間目標難以對齊，內(nèi)部形成不同方向的“拉力”，轉(zhuǎn)型的核心難點也從技術落地，轉(zhuǎn)變?yōu)榭绮块T的共識構(gòu)建與協(xié)同管理。

在數(shù)據(jù)層面，林清波指出，現(xiàn)場數(shù)據(jù)的采集已不再是難題，研華提供面向不同行業(yè)的數(shù)據(jù)采集解決方案。真正的難點在于IT數(shù)據(jù)的整合。IT側(cè)的數(shù)據(jù)必須匯入數(shù)字化平臺才能為自主運營創(chuàng)造價值，但是IT數(shù)據(jù)標準化程度較低，導致IT與OT融合雖不存在核心技術障礙，但仍需要耗費大量時間。

針對這一問題，研華通過EdgeLink實現(xiàn)多協(xié)議工業(yè)數(shù)據(jù)采集，覆蓋各類現(xiàn)場設備的通訊需求，通過IoTEdge軟件平臺對接主流IT數(shù)據(jù)庫，為客戶搭建數(shù)據(jù)治理的底層架構(gòu)，解決數(shù)據(jù)整合難題。

軟硬協(xié)同，全棧底座筑牢智能應用根基

當多數(shù)企業(yè)完成基礎的數(shù)據(jù)采集整合后，如何充分釋放數(shù)據(jù)價值，跑通從邊緣AI推理到現(xiàn)場執(zhí)行的完整閉環(huán)，則是企業(yè)智能化深化階段面臨的核心考題。

在邊緣AI應用層，研華推出WEDA（WISE-Edge Developer Architecture）邊緣智能開發(fā)者架構(gòu)，為開發(fā)者提供統(tǒng)一的邊緣AI開發(fā)與部署架構(gòu)。無論是X86、ARM還是NVIDIA GPU架構(gòu)的硬件，都可以通過WEDA做統(tǒng)一適配，從而更高效地開發(fā)AI Agent、數(shù)字孿生及邊緣AI應用。

林清波強調(diào)，WEDA本身不包含任何工業(yè)應用或模型，其定位是開發(fā)平臺與生態(tài)構(gòu)建工具，目的是降低AI應用的開發(fā)門檻。開發(fā)者只需要聚焦自身行業(yè)專屬的小模型與AI推理邏輯，無需耗費精力調(diào)試GPU資源調(diào)用。

換言之，WEDA的核心作用是解決硬件、軟件與AI的適配難題，把邊緣AI應用的創(chuàng)新空間留給伙伴和客戶。同時，研華也在搭建WEDA生態(tài)市集，未來伙伴基于WEDA開發(fā)的AI應用，都可以在市集中展示、整合，通過生態(tài)共建加速產(chǎn)業(yè)發(fā)展。

在邊緣平臺層，研華以WISE軟件平臺做支撐。除了傳統(tǒng)的數(shù)據(jù)采集、數(shù)據(jù)規(guī)整能力，還提供AI應用開發(fā)套件，支持對接外部大模型，承載行業(yè)小模型推理。這也是研華WISE平臺的核心升級方向，在保留原有數(shù)據(jù)平臺能力的基礎上，進一步升級為AI應用開發(fā)平臺，讓所有客戶都能基于WISE平臺開發(fā)自己的AI智能體應用。

針對行業(yè)普遍關注的大模型與小模型技術路線選擇，林清波也給出了明確判斷。他認為，通用大模型無需企業(yè)自主研發(fā)，借助外部成熟資源即可，行業(yè)落地的決勝點始終在工業(yè)小模型。但他同時強調(diào)：“沒有大模型的框架支撐，小模型就只能停留在專案式開發(fā)，很難規(guī)?；瘡椭?。大模型搭框架、小模型落場景，兩者結(jié)合才能打破定制化項目的局限，從而解決工業(yè)AI落地復用難的痛點?！?/p>

正是基于這樣的技術路線與平臺能力，研華對工業(yè)智能體的落地形成了清晰的實踐邏輯。在林清波看來，智能體是工業(yè)智能化的核心落地方向，但其落地絕非簡單部署服務器即可實現(xiàn)。完整的工業(yè)智能體包含三大核心要素，分別是思考（Thinking）、連接（Connect）、技能（Skill）。思考需要依托外部成熟的大語言模型，強化語義理解與邏輯推理能力。連接建立在設備聯(lián)網(wǎng)與數(shù)據(jù)采集基礎之上。技能對應各垂直行業(yè)的專業(yè)知識，需要聯(lián)合產(chǎn)業(yè)伙伴共同沉淀與開發(fā)。三大要素的深度融合，才能形成從感知、分析、決策到執(zhí)行的完整閉環(huán)。林清波同時強調(diào)，工廠智能化升級不適合搭建大而全的統(tǒng)一平臺，更合理的方式是構(gòu)建多個獨立的AI智能體，通過統(tǒng)一框架實現(xiàn)協(xié)同調(diào)度，避免系統(tǒng)過度復雜導致的落地失敗。

林清波認為，一個完整的工業(yè)智能體需要具備Thinking（思考）、Connect（連接）與Skill（技能）三大能力。其中，Thinking依托大模型完成理解與推理，Connect實現(xiàn)設備與數(shù)據(jù)連接，Skill則沉淀行業(yè)Know-how。三者協(xié)同，才能真正實現(xiàn)工業(yè)AI從感知到執(zhí)行的完整閉環(huán)。

錨定核心賽道深耕，以開放平臺釋放場景價值

工業(yè)場景天然具備多樣性與碎片化特征，任何單一廠商都無法覆蓋全部應用需求，生態(tài)共建已是行業(yè)共識。在此背景下，研華的角色也從軟硬件產(chǎn)品供應商，逐步轉(zhuǎn)向平臺生態(tài)的共建者，通過開放的技術體系與完善的賦能機制，聯(lián)合伙伴共同挖掘工業(yè)場景的深層價值。

在場景布局上，研華重點聚焦制造與能源兩大核心賽道，將技術能力與行業(yè)痛點深度結(jié)合，落地可量化的業(yè)務價值。

在制造領域，制造業(yè)的核心訴求，已經(jīng)從數(shù)據(jù)展示轉(zhuǎn)向價值創(chuàng)造，具體體現(xiàn)在效率提升與競爭力構(gòu)建兩個維度。品質(zhì)提升、交付穩(wěn)定、成本優(yōu)化，都是制造業(yè)智能化的核心價值。這些價值落地，都離不開邊緣端的應用支撐。視覺是當前制造業(yè)增長最快的AI落地方向，分為傳統(tǒng)的機器視覺檢測與行為判別。前者聚焦產(chǎn)品缺陷、尺寸公差等質(zhì)量檢測，后者則用于識別生產(chǎn)行為是否規(guī)范。兩類視覺檢測的結(jié)果均可接入AI智能體，實現(xiàn)從異常識別到?jīng)Q策處置的完整閉環(huán)，相比傳統(tǒng)僅記錄告警的模式，能夠主動輸出處置建議，并對潛在風險進行預警。

在能源領域，研華的落地路徑圍繞節(jié)能和減碳兩大方向展開。林清波指出，真正顯著的節(jié)能效果必須與設備改造、儲能系統(tǒng)結(jié)合，進行峰谷調(diào)配。目前，研華的布局已從能源監(jiān)控分析，轉(zhuǎn)向能源、新能源、儲能協(xié)同調(diào)度等場景。同時，面向歐美市場對碳排放的迫切需求，研華也在重點布局從設備到產(chǎn)品的精準碳足跡核算能力。

“傳統(tǒng)的套裝軟件模式難以適配不同行業(yè)、不同場景的差異化需求，不僅客制化改造成本高且難以實現(xiàn)跨場景復制。為此，研華正推動軟件產(chǎn)品從套裝模式向開放平臺轉(zhuǎn)型?！绷智宀ㄕf道。研華將復雜的工業(yè)應用拆解為思考、連接、技能三個可以自由組合的維度，并通過MCP開放協(xié)議實現(xiàn)統(tǒng)一調(diào)用與整合?！拔覀儠却罱ㄍㄓ玫幕A技能庫，客戶可以基于標準接口，自由搭配所需的技能，搭建專屬的智能體。針對細分行業(yè)的專業(yè)技能，則聯(lián)合行業(yè)伙伴共同豐富技能庫的覆蓋范圍?！绷智宀ń忉尩?。

在林清波看來，這種開放平臺模式最大的優(yōu)勢在于可復制。他向工控網(wǎng)介紹：“基于研華即將推出的IWS（Integrated WISE Solution & Station）軟硬整合產(chǎn)品平臺，客戶不再需要為每一個不同的場景需求進行定制開發(fā)，而是可以基于開放平臺和技能模塊，快速搭建適配自身需求的AI智能體。即使需求出現(xiàn)變化，也可以快速迭代調(diào)整。最終形成的是一套可持續(xù)進化的系統(tǒng)，而非功能固定的套裝軟件?！?/p>

目前，工業(yè)AI的發(fā)展已經(jīng)進入價值落地的深水區(qū)，技術路線與商業(yè)模式都在經(jīng)歷深刻重構(gòu)。研華憑借深厚的經(jīng)驗積累，以開放的技術架構(gòu)與生態(tài)策略，為產(chǎn)業(yè)搭建了可復用的智能化底座，也為行業(yè)探索出一條協(xié)同共建的落地路徑。隨著更多行業(yè)伙伴的加入與技術的持續(xù)迭代，工業(yè)AI的價值將在更多細分場景得到釋放，推動整個工業(yè)向自主化、智能化方向持續(xù)演進。