工业AI独角兽用智能体重塑工厂决策层

真正决定一家工厂价值的，从来不是设备或流水线本身，而是每天涌现出的数百个关键决策。

一张急单能不能接？图纸怎么拆解？真实成本是多少？哪笔订单优先上线？设备突然停机，生产计划如何动态调整？这些判断直接锁死了工厂的产能利用率、利润率和交付准时率。

过去十几年，工业软件确实把订单、库存、设备状态和生产进度搬进了系统，但下一步该怎么走，拍板的依然是工程师、老师傅和生产主管。

现在，这道分界线正在被AI打破。

总部位于上海的科技公司黑湖，核心方向是原生工业智能体。他们的智能体已经深入拆单、报价、排程、生产和质检等核心环节，开始接替过去只属于工程师和主管的判断权。

数字化工具过去管记录，现在AI开始管决策

过去二十年，工业软件解决的核心问题是信息透明化。

订单、库存、设备、生产进度都被录进了系统，管理者确实能看到现场发生了什么。但系统给的只是数据，判断还得靠经验。

急单突然插进来，生产主管得重新核算产能；客户甩过一张图纸，工程师要判断材料、工艺和加工难度；设备报警了，也得有人决定后续订单怎么调整。

数字化让工厂可视了，但决策依赖人脑这个本质问题，并未改变。

黑湖的产品演进也踩在这个节拍上。2016年到2022年，他们主要用数字化产品连接订单、设备、物料和人。2023年大模型爆发后，黑湖开始研发工业智能体，把AI推进到图纸解析、工艺拆解、报价、排程、生产和质检。

这不是在旧软件里加个聊天窗口，而是软件开始理解任务、调用数据、参与判断。工业AI就这样闯进了过去最依赖人脑的环节。

制造经验正在从人脑沉淀到系统

工业AI带来的第一个关键变化，是制造经验的存储方式。

中国大量中小制造企业做代工生意，读图、报价、排程这些活儿，通常集中在少数老师傅和工程人员身上。人一走，经验就散了，很难完整留存。

据黑湖团队介绍，他们自研的拆单智能体，一分钟左右就能完成过去需要数小时的图纸解析，几分钟内生成生产加工要求，部分场景准确率稳定在97%左右。

但读图只是一个入口。

图纸解析完成后，数据还能继续流进工艺制定、成本核算、报价、排程和生产跟踪。工业智能体沿着订单流，一层层穿透整个生产流程。

这意味着，过去分散在不同岗位上的判断能力，正在逐步沉淀到同一套系统里。

对工厂来说，AI的价值不只是提高某个人的效率，而是缩短整条决策链。更快的订单判断、更准的成本计算、更合理的设备和工序安排，以及更早发现交付风险。

这正是工业AI和传统自动化的本质区别。自动化主要替代动作，工业智能体则开始替代判断。

工业AI竞争的本质，是决策能力的规模化复制

AI进入决策层，不代表做出一个Agent就万事大吉。

制造业场景太复杂了，不同工厂的设备、工艺和管理规则千差万别。一个智能体如果只能解决一家工厂的问题，那本质上还是个定制项目，不是可复用的产品。

黑湖选的是重研发、走规模化。

创始人周宇翔在夏季达沃斯期间提到，黑湖单个新产品的研发投入通常从5000万元起步，有的甚至上亿。所以立项时，第一件事不是问能不能服务某一家客户，而是能不能在大量工厂里复制。

目前，黑湖已经服务了近4万家工厂，覆盖30多个制造行业。公开信息显示，公司近年营收增速持续超过70%，从2025年开始稳定盈利。D轮融资完成后，更多资金也砸进了AI工程师招募和智能体研发。

这其实点明了工业AI的竞争本质：不光是算法较量，更是场景深入度、产品复用能力和商业模式的综合比拼。只有让智能体在大量真实任务中反复验证，工厂经验才有机会沉淀成标准化的决策能力。

未来三到五年，随着工业智能体稳定性提升、使用成本下降，AI在工厂里的渗透速度，只会越来越快。