论坛邀请中国科学院工业人工智能研究所具身智能团队负责人、研究员宋纯贺，南京大学计算机学院副院长谢磊教授，中车南京浦镇车辆有限公司数字化部部长胡佳乔作引导发言。徐工汉星智能装备研制中心主任陈新春、华东师范大学软件工程学院研究员魏宪、南京埃斯顿酷卓科技有限公司首席技术官臧家炜作为特邀嘉宾参与思辨。

论坛开始，朱光辉介绍了CCF YOCSEF的文化与交流规则，鼓励与会者直呼其名、平等交流。付昱凯介绍了本次论坛的背景，希望结合高端装备制造企业的实际需求，讨论智能体能够解决哪些问题、目前还有哪些障碍，以及产学研各方如何共同推进应用。

引导发言环节

宋纯贺作题为《工业具身智能》的报告。他指出，工业场景对作业精度、实时响应和泛化能力要求较高，具身智能落地需要同时考虑技术成熟度、数据条件和成本。以复杂工件焊接为例，他介绍了将视觉感知、工艺知识、任务分解和执行反馈相结合的研究，讨论了机器人如何识别工件、定位焊缝并适应工况变化。他还分享了利用外骨骼辅助工人作业的探索，提出应根据任务选择适合的装备形态，并加强力觉、触觉等信息的利用。

谢磊作题为《工业具身智能：面向工业智能体的感算控一体化协同体系》的报告。他提出，车间内的设备、计算资源和控制系统需要围绕生产任务协同运行。面对订单、设备状态和工艺参数的变化，系统既要安排好全局任务，也要及时调整局部操作。为此，他介绍了运行时情境感知、“大脑—小脑”分级调度和闭环反馈等方法，并结合柔性生产、在线质检及连续制造案例，说明如何通过生产任务与算力资源的协同调度，使系统适应现场变化。

胡佳乔作题为《人工智能在轨道交通智能制造中的探索与思考》的报告，介绍了车辆外观设计、工艺知识应用、焊接过程检测和智能运维等实践。在运维中，智能体可结合检测结果、检索历史故障和维修手册，辅助检修人员确定处置方案。他也提出了企业遇到的困难：设备数据与业务数据难以贯通，应用场景分散，一个场景做成后往往难以直接复制到另一个场景，改造和部署成本也较高。他希望后续研究能进一步帮助模型理解工业数据的物理含义，支持设计、工艺、制造和运维等环节协作。

思辨环节

围绕高端装备制造的特点、智能体落地的痛点以及未来制造方式，论坛设置了三个思辨议题。与会人员结合工程机械、轨道交通、工业机器人等场景，就技术选择和实施中的具体问题展开交流。

思辨议题一：对比传统制造业，高端装备制造面临哪些差异化挑战？智能体技术可以发挥哪些独特作用？

陈新春结合工程机械行业的多品种、小批量生产特点，介绍了企业在研发知识复用、工艺优化和装备智能化方面的需求。他指出，研发、制造和运维各环节积累了大量经验，如何将这些经验整理为可复用的知识，并与业务流程结合，是企业推进智能制造时需要解决的问题。高质量工业数据集和工艺知识的建设，将为后续模型开发与应用提供基础。

敖翔从高端装备制造对精度和质量的要求出发提出疑问：面对低容错的生产场景，具有概率性输出特点的人工智能如何发挥作用？对于采用进口设备、系统相对封闭的产线，智能体又该如何融入？他认为，辅助查阅文献、提出设计思路等应用在其他行业同样存在，值得进一步讨论的是智能体在高端装备制造现场能够解决哪些特有问题。

针对这一问题，胡佳乔指出，轨道交通等行业产品批量较小、定制要求多，大量任务仍需人机协同。产品对可靠性的要求很高，可用于训练的故障样本却很少。与会人员结合焊缝检测提出，材料、表面状态或工况发生变化后，模型的识别效果可能明显下降，已有数据上的精度不能直接代表现场应用效果。

臧家炜认为，现阶段可以先将智能体用于机器人部署前的工艺适配、运动规划和仿真，方案经人确认后再执行，以提高部署效率；对于现场的实时自主决策，还需要解决可靠性和泛化能力等问题。与会人员同时提出，可综合多种传感信息、物理机理与专家经验，辅助判断复杂系统的状态、分析异常原因，再组织后续任务。

鄢兴雨从上下文组织的角度解释了智能体的作用。他认为，在工业训练数据不足的情况下，可以将人的工作方法转化为可描述的处理流程，同时持续收集现场案例，建立分类和索引。当遇到新问题时，再把相关经验和历史样例提供给模型参考，帮助模型理解场景并给出处理意见。应用智能体，需要先明确其能力范围，再据此构建技术框架。

思辨议题二：智能体技术在高端装备制造实现规模化落地存在哪些核心痛点，可采取哪些针对性应对措施？

魏宪从工业应用经验出发，提出了模型可靠性、数据共享、部署成本和既有软件衔接等问题。他指出，智能体进入工厂，需要接入已有的工业软件和设备，适应生产节拍，不能脱离现有流程单独运行。

数据如何建设、建好后如何使用，是本轮讨论的重点。与会人员提出，应先确定企业要解决的具体问题，再倒推需要哪些数据、如何采集和整理。把数据汇集到一起，还需要补充设备、工艺及业务之间的关系，才能支持实际应用。对于人工智能生成的数据，与会人员提出，生成、治理和标注都可以借助工具完成，但数据质量仍需通过具体任务的使用效果检验。

与会人员提出，可探索物理机理、专业知识与数据相结合的技术路线，并根据不同工序的风险选择应用方式。在系统衔接方面，与会人员提出，可在统一接口和功能抽象的基础上，通过运行反馈不断调整策略。大家还讨论了先在仿真环境中验证，再根据真实设备的反馈改进方案的做法，以减少直接在产线上试错。

胡佳乔提醒，企业需要承担数据采集、系统改造、基础设施建设和应用运行等多项投入，技术方案能否带来持续收益，是落地时必须回答的问题。他同时指出，降低劳动强度、改善工作条件，也是评价应用价值的因素。针对这些问题，与会人员提出，可优先选择需求明确、风险较低、效果容易验证的场景，取得实际成效后再逐步扩展。

思辨议题三：智能体技术是否将引发高端装备智能制造范式变革？产学研用政多方如何协同推动这一进程？

臧家炜指出，工业机器人从出厂到投入使用，往往还需要现场集成、编程和反复调试。他希望通过多智能体协作，把需求理解、工艺规划、编程、仿真和测试等工作衔接起来，缩短交付周期。但要实现这一目标，还需解决工艺经验如何复用、多种设备如何联合仿真等难题。生产线不能承受长时间停机试错，方案在进入现场前就应具备足够的可靠性。

陈新春认为，智能体可在研发设计、排产、作业指导书生成、机器人编程和运维服务等环节提高效率，更快响应客户的个性化需求。胡佳乔提出，未来可探索由人负责管理和边界设定，智能体协调调用软硬件工具的工作方式，将优化范围从单台设备扩展到工厂整体。

鄢兴雨认为，随着模型能力提升，智能体仍需承担工具调用和实际执行等功能。当前工业场景数据不足，也限制了通用模型对专业问题的理解。对于企业与模型厂商的合作，他提出，企业未必需要开放核心数据，可以先将场景中关注的问题整理为不涉及内部机密的样例，帮助模型理解业务需求，为后续应用创造条件。

针对高价值设备不便直接用于试验的问题，与会人员建议探索中试和测试平台，使技术在进入产线前得到验证。企业代表也希望通过项目合作培养既懂人工智能又熟悉工业现场的人才，通过政策支持完善工业AI技术服务供给，并推进相关安全标准建设。

结语

本次论坛围绕高端装备制造的差异化需求、智能体规模化落地的难点及未来制造范式展开讨论，重点涉及工业数据与知识积累、模型可靠性、既有系统衔接和投入产出等问题。与会人员结合工程机械、轨道交通和工业机器人等应用场景，就工艺知识复用、人机协同和仿真验证等实施思路交换了意见，并讨论了企业与科研机构如何围绕具体任务开展合作。后续将继续梳理论坛讨论内容，围绕具有研究价值的共性问题加强交流与研究，争取形成工作论文，并将相关观点和建议作为标准研制的参考，推动论坛讨论与产业实际需求相衔接。