未来工厂或将被智能体托管

随着OpenClaw等Agent应用爆火，工业智能体市场正迎来认知转变和落地机遇。长期以来，制造业面临IT系统碎片化、个性化生产困难等痛点，智能体技术的自主规划执行能力，有机会帮助企业打破数据孤岛、实现决策自动化，推动柔性制造转型。在“人工智能+制造”等政策支持下，工业企业对智能体的接受度大幅提升，市场落地热情高涨，前景广阔。诺谛智能脱胎于联想集团，是以知识驱动的人工智能技术服务商，致力实现AI应用务实且卓越的落地效果。诺谛智能依托联想生态，在数据闭环、工业知识沉淀和复杂场景落地方面积累了丰富实践。诺谛智能创始人兼CEO胡长建拥有深厚的制造业数智化转型经验，他结合诺谛智能多年的ToB落地实践，对工业智能体的认知转变、实际落地路径、未来工厂形态以及AI时代的竞争壁垒有着务实而深刻的见解。

胡长建博士在访谈中系统阐述了工业智能体落地的现状、挑战与未来图景。

核心观点

工业存在通用智能体机会，但实施方案是个性化的。

底层模型和技术架构是通用的，但每个企业的记忆、知识沉淀、数字化程度不同，最终落地方式会有差别。

未来工厂或将由智能体托管，实现决策自动化。

决策自动化与现有执行自动化结合，实现一次一件的大规模客制化生产，工厂生产模式或将会发生根本性变革。

AI时代护城河是数据壁垒与系统化组织能力。

数据不更新的软件工具迁移成本很低，没有壁垒。大型制造企业独有的复杂、结构化能力，将转化为AI时代系统化组织能力，成为企业的核心竞争力。以下为本次访谈实录，在不改变原意基础上略有修改。

01、OpenClaw让工业企业对智能体的认知改变

爱分析：OpenClaw对工业Agent市场产生了哪些影响？

胡长建：最大变化是认知转变，让更多工业企业更容易接受Agent。过去企业和我们讨论Agent落地，会觉得系统集成很复杂，现在企业觉得这件事技术上是可行的，不需要反复论证。尽管对于有大量碎片化系统的企业来说，实现智能体落地没那么容易，但至少企业用户在观念上觉得可以，系统之间的连通不再是障碍。

爱分析：如果完全依靠OpenClaw来解决系统连通问题，因为大模型幻觉问题会使结果并不稳定，企业场景落地可行么？

胡长建：目前并不能直接大规模落地。OpenClaw在个人场景可以用，企业场景会有数据安全隐患，不能随便爬取信息。如果想真正落地OpenClaw，需要先打好基础设施，接口、权限都要梳理清楚，底层语义层也要建好。大模型是概率模型，企业必须在系统层面控制它。我们一直走的路是给AI加护栏，前置控制，后置校验，让AI输出结果可控。

爱分析：OpenClaw会不会让企业高估Agent能力，类似去年DeepSeek爆火的时候？

胡长建：比尔·盖茨说过，人们总是高估了未来一到两年的变化，低估了未来十年的变革。当前对技术的焦虑和传播，还是因为对AI的本质和能力边界不了解。AI是意识层面的工具，没有物理约束，所以容易被高估。如果了解AI底层，可能不会期望过高。AI能将过去一些刚性任务变柔性，能把过去的数据孤岛打通，但这些事情没有AI也能实现。区别只是在于AI让技术门槛降低、开发成本下降。

爱分析：基于诺谛智能的实践，当前大模型在整个智能体解决方案中提供哪些核心能力？

胡长建：这取决于业务场景。知识检索场景，大模型做的是理解查询和内容合成，即语言理解和生成能力，这比人强。决策场景，大模型提供规划能力和弥补性策略，弥补性策略是解决工作流中未覆盖的例外问题，在一些柔性服务场景很有用。

爱分析：听起来实际落地时，核心起作用的还是传统小模型？

胡长建：应该说是混合的方式。小模型解决特定问题非常有效，针对特定任务上小模型的成本和效果优于大模型。大模型的自主规划和执行能力能够解决一些例外性问题，但需要用系统控制好大模型的输出结果。

02、工业存在通用智能体机会，未来工厂或将被智能体托管

爱分析：工业领域有机会出现通用智能体吗？

胡长建：底层模型可能是通用的，面向每家工业企业的架构也是同一套。但每个企业记忆和知识沉淀不同，最后处理的内容和方式会有差异。就像我们每个人用同一款笔记本，但安装的软件和处理问题会不一样。

爱分析：从智能体厂商角度，未来会提供针对所有行业的标准化解决方案吗？

胡长建：解决方案大方向是类似的，都是帮助工业企业向AI原生组织发展。但我们的做法更倾向是陪伴式的，我们提供的工具和方法类似，但针对企业AI原生转型的实施方案是定制的，因为企业数字化程度、业务复杂度、发展阶段和战略意识都不同。有的企业数字化程度高，能快速构建语义层和智能体，成本低；有的企业还是传统IT思路，只想买工具给员工用。

爱分析：我们看到很多企业是希望在原有系统上叠加AI能力，长期来看会遇到什么问题？

胡长建：用好企业已有投资是服务商的重要考量，但前提是要讨论清楚，是永久保留旧系统，还是用好价值后逐步下线旧系统。我们认为理想方式是非侵入式地用好旧系统，同时在新AI系统上承载相同功能，建立机制监控旧功能，无用时下线；如果永久保留旧系统，意味着系统要不停维护，所有流程不能改变，永久不变意味着围绕系统的业务不变，这是不可能的，当前市场变化太快，市场会倒逼业务改变。

爱分析：诺谛智能的智能体主要在哪些工业场景落地？

胡长建：主要在研发、服务、供应链，这些场景效果比较好。这些场景的知识密集，AI匹配度高。同时，这些场景智能体需要处理的问题复杂，价值重要。

爱分析：如果以研发场景为例，智能体落地是作为一个独立应用，还是嵌入到原有系统中？

胡长建：智能体是要成为业务系统的一部分，不仅仅是外挂工具。以研发为例，不同公司关注点不同，有的关注创意，有的是合规性。以合规性来讲，智能体要读取设计结果是不是符合不同地方的法律法规。研发人员本身不一定有敏感性，但产品投放到市场是需要注意地方法律法规、合规与标准。AI可以帮人来完成这部分工作，避免很多设计完了不能用的情况。具体实现方式是智能体嵌到研发人员的工作流里，比如设计IDE、审核流程中，成为工作过程的一部分。

爱分析：我们发现，企业落地智能体所需要的很多经验沉淀在业务专家脑中，需要让他们贡献知识，但这些人会担心被AI替代，这个风险是否真实存在？

胡长建：确实有风险。但换个角度来看，如果一个人的能力仅限于沉淀的经验，那么他在企业里的价值本身就不高。一个资深专家绝不只靠那点业务知识和经验。有舆论鼓吹被AI替代，其实是因为人停止了思考。如果一个人的工作是一成不变的，这不是好工作，因为业务流程一变，这个工作岗位可能就不存在了。组织进化会带来更多机会，而不是更少。技术不淘汰人，人是自我淘汰的。

爱分析：随着智能体成熟，工厂的未来形态会是什么样？

胡长建：未来工厂可能会被智能体托管。制造业的梦想是大规模客制化。我们现在已经有柔性工厂，信息流、能源流、控制流合一，但一直没突破决策的自动化。未来制造模式会变化，将决策自动化与执行自动化结合，实现组装式生产。任何商品生产都是一次性的，物质生产方式可能会发生完全变革，这会提高制造的边际利润。

爱分析：到了那时候，人在工厂里扮演什么作用？

胡长建：工厂里的人将更多从事创意、新材料发现等研究工作，未来的产学研结合会更深入。工厂的生产本身应向服务转型，包括新的材料、设计、市场发掘、售后服务等。生产从业人数在下降，但制造业的服务人数在上升，这是好事。

03 、数据与体系是AI时代护城河，系统化组织能力仍然是核心竞争力

爱分析：在AI时代，诺谛智能这样的人工智能技术服务商，核心壁垒和护城河是什么？

胡长建：如果我们只做工具，没什么壁垒。AI时代的壁垒应该是数据和体系。首先是数据闭环，我们有联想的数据闭环，也能与客户建立闭环。如果纯粹做工具，数据不持续更新，很快会被迁移；其次是体系和生态，把同类厂家横向连接，或者是从研发设计到生产纵向贯通。

爱分析：制造行业的哪些最佳实践在AI时代还能保留？

胡长建：复杂、结构化、系统化能力会永远保留。比如联想的供应链能力，不仅是数字和设备，更是处理异常情况的智慧、全球化处理能力、体系化结构能力。这些是系统性能力，是长期积累的结果，难以复制。在AI时代，这会转化成组织独有的认知能力。

爱分析：软件公司使用AI编程工具，如何看待将核心代码完全交给AI生成的做法？

胡长建：现阶段涉及核心安全的部分仍需严格控制。如果只是概念验证，是可以放开交给AI来完成。编码这件事，未来不再是一种稀缺能力。如果技术架构设计清晰，人或机器写代码差别不大。未来关键在于软件工程，要把业务需求清晰转化成设计。我个人认为，如果认为代码重要，就不能完全交给AI。一旦代码多到无人能读懂和审查时，将来会无法重构。过去部分软件质量不高，就是因为偏离了工程设计。如果不重视架构设计，恐怕还会重蹈覆辙。

爱分析：未来软件公司的组织形态会发生什么变化？

胡长建：应该会小组网络化。未来可能是一小群人带着一群机器工作。组织形态可能像火箭型，顶部战略思考还是由人实现，下面像助推器一样装很多发动机，每个发动机是一个小组。

爱分析：组织内部，哪些协作仍需人与人进行？

胡长建：需求理解、架构设计、公司的特定逻辑和做事方法，这些都需要人。企业业务流程的梳理，往往需要共创，这种沟通会更密切，但内部沟通会更高效。

爱分析：这会不会导致不同小组之间对齐成为大问题？

胡长建：这正是未来组织的核心能力之一。未来的组织是需要拥有系统化接口能力，而不是自动对齐。在复杂组织中这种能力很关键，是未来的重大竞争力。