"平台+大模型+工业智能体"三级架构成形：从亨通数字孪生到浙江AI原生工厂的落地路径

一、"模数共振"时代：工业AI的三级架构正在浮现

2026年，中国工业AI领域正在经历一次深刻的认知转变。4月底，工信部与国家数据局联合启动"模数共振"行动，提出让人工智能模型与工业数据资源协同互促、同频共振的核心目标，计划到年底形成"数据—模型—场景应用"的良性循环。紧接着，5月初中国石化发布"烽火"工业智能体，实现了工艺优化、设备预测性维护等核心场景的智能决策。再加上工信部此前明确的"智能工厂梯度培育行动"——到2027年建成不少于200家卓越级智能工厂——制造业正在进入一个明确的技术落地倒计时。

在这一背景下，一个清晰的技术架构正在产业实践中逐步成形，即"工业互联网平台+工业大模型+工业智能体"的三级架构。工业互联网平台作为数据汇聚与资源调度的底座，工业大模型作为知识推理与决策优化的引擎，工业智能体作为现场执行与闭环控制的终端，三者协同构成了从数据到决策到执行的完整链路。这一架构的核心逻辑在于：平台解决"数据在哪里"的问题，大模型解决"知识怎么用"的问题，智能体解决"谁来执行"的问题。

亨通光电的实践为这三级架构提供了一个完整的落地样本。据国际在线报道，亨通光电凭借"工业生产智能体在棒纤缆全产业链中的应用"入选工信部2025年人工智能应用典型案例。该案例面向光棒、光纤、光缆全产业链生产场景，打造了具备自主感知、自主决策、自主执行、自主优化能力的多模型AI平台，综合运用数字孪生、深度学习、强化学习、机器视觉、行业大模型、知识图谱等前沿技术，构建覆盖研发设计、生产制造、运营管理、供应链协同的全流程智能闭环体系。

二、三级架构的技术拆解：从底座到执行的分层协同

2.1 平台层：数据汇聚与知识沉淀

工业互联网平台是三级架构的数据底座。以亨通集团为例，其工业互联网平台承担着设备状态、生产参数、能耗数据、质量数据的实时采集与云端联网功能，覆盖光通信、电力线缆、海洋线缆等多个业务板块。平台沉淀了线缆行业的工艺、质控、生产机理模型，从技术底座、数据智能、解决方案等维度赋能产业数字化与智能化转型。

在平台层，数据治理和高质量数据集建设是核心任务。浙江近期印发的《人工智能赋能制造业数字化转型实施方案（2026-2030年）》明确提出，围绕集成电路、服装纺织、消费电子、现代家居等重点行业场景，推动产业链上下游协同开展数据"采洗标测用"，构建高质量、可复用的行业数据集，推进产品主数据标准及行业高质量数据集试点建设，加快打造工业可信数据空间。浙江还提出支持企业开展工业数据资产入表和工业数据知识产权登记，鼓励数字化水平2.0及以上的企业构建统一数据管理平台。

2.2 大模型层：知识推理与决策优化

工业大模型是三级架构的智能引擎。与传统聊天式AI不同，工业大模型需要具备语义理解、机理推理与自主决策能力，能够融合视频、音频、文本等多维度数据，实现从感知到认知的跨越。亨通集团以DeepSeek大模型为基座打造了"智缆大模型"，同时针对工艺优化、设备维护等点状问题开发特定场景小模型，形成"大模型+小模型"的混合架构。

这种混合架构正在成为行业共识。用友BIP企业AI制造引擎采用YonGPT企业服务大模型结合专用小模型（排程优化模型、缺陷识别模型、故障预测模型）的架构，大模型负责语义理解、知识检索和任务编排，小模型负责特定场景的高精度推理。卡奥斯COSMOPlat开发的注塑智能体，通过分析工艺参数与产品质量的关联关系，将新产品的调试时间缩短90%。行业实践表明，"通专结合"的模型策略既利用了大模型的泛化能力，又保证了垂直场景的精度和效率。

2.3 智能体层：现场执行与闭环控制

工业智能体是三级架构的执行终端。与传统的自动化设备不同，工业智能体具备自主感知、自主决策、自主执行的能力，能够根据实时数据动态调整控制策略。亨通光电的工业生产智能体之所以获得工信部典型案例认证，关键在于它不仅能够报警和预警，还能够自主分析工况、自动修正工艺参数，形成无人干预的生产闭环。

据公开报道，亨通光电的工业生产智能体适配2200℃高温、强干扰的拉丝极端工况，融合了行业数十年的工艺经验，底层软硬件全部自研自主可控。目前已覆盖生产班组130余个、产线79条，惠及一线人员超2000人，生产效率提升30%，产品不良率降至0.1%以下，年节约成本超2亿元，研发周期缩短87.5%，AI缺陷识别准确率达99.5%。同时，高危岗位机器人替代率100%，安全事故率下降90%。

三、浙江路径：从"AI+未来工厂"到AI原生工厂

3.1 政策框架：五级任务体系

浙江省经信厅近期印发的《浙江省人工智能赋能制造业数字化转型实施方案（2026-2030年）》，为"平台+大模型+工业智能体"三级架构的区域落地提供了系统性的政策框架。方案提出五大重点任务：夯实数智化转型的基础支撑、推动关键业务环节的智能升级、深化重点企业的分级应用、探索重点产业集群的提质升级、构建人工智能赋能的良好生态。

在企业分级应用方面，方案提出了差异化路径：龙头企业重点打造"智能模型+数字孪生+工业智能体"协同的"AI+未来工厂"标杆示范，培育AI原生工厂新模式；雄鹰和链主企业牵头组建创新联合体，形成可复制推广的"全链条AI应用"解决方案；中小企业则围绕重点环节按需引入工业智能体和轻量级AI工具。值得关注的是，浙江明确提出探索推广"先用后付""订阅服务""效果付费"等轻量化服务模式，降低人工智能应用门槛。

3.2 算力与模型的底座建设

浙江在算力和模型基础设施方面也在加速布局。方案提出筑牢算力与模型基础设施底座，支持开发适配制造业需求的高性能算法模型，培育垂类模型，发展"云-边-端"模型体系，增强模型即服务（MaaS）能力，促进"通专模型"的落地应用。以宁波为例，该市已建成人工智能超算中心（智算算力300P），上线城市算力网，接入全部算力超3000P，并推出算力券补贴政策，累计发放资金552.78万元，服务企业包括博威、舜宇等传统制造企业。

在模型层面，宁波已推动34个垂类大模型的研发应用，其中吉利星睿、通材、飞符、DeepCogni等4个工业大模型通过国家备案。这些垂类大模型为"平台+大模型+工业智能体"三级架构提供了关键的模型支撑，使工业智能体在特定场景中的决策精度和响应速度得到显著提升。

3.3 从"点状突破"到"系统赋能"

新华三在2026年人工智能产品应用博览会上分享的云边端三级协同工厂智能体方案，为三级架构的部署提供了另一种实践视角。该方案构建了云侧负责全局决策与模型训练、边侧实现车间级实时推理、端侧部署轻量化模型实现本地秒级响应的分层架构，支持MES、QMS等现有系统零改造接入，投资回收周期仅为6至12个月。

这种云边端协同的思路与"平台+大模型+工业智能体"的三级架构在逻辑上高度一致：平台层对应云侧的全局数据汇聚与模型管理，大模型层对应边侧的实时推理与决策优化，智能体层对应端侧的轻量化部署与秒级响应。两者的结合使得工业AI的落地不再是"全有或全无"的选择，而是可以根据企业的实际情况分阶段、分层次推进。

四、架构成形的启示：工业AI正在找到"操作系统"

从亨通光电的全链路实践到浙江的系统性政策布局，从工信部的"模数共振"行动到新华三的云边端协同方案，"平台+大模型+工业智能体"的三级架构正在成为中国工业AI落地的共识性路径。这一架构的价值在于，它将工业AI从"项目制"的碎片化部署，转化为"平台化"的系统性赋能——平台提供数据底座，大模型提供知识引擎，智能体提供执行终端，三者通过标准化接口和协议实现协同。

对于制造企业而言，理解这一架构的分层逻辑有助于避免"一步到位"的误区。企业可以根据自身的数字化基础，先在平台层完成数据治理和互联互通，再引入大模型进行知识推理和决策优化，最后通过智能体实现现场执行和闭环控制。这种分阶段推进的策略，既降低了技术风险，也为企业留出了组织能力和人才队伍的培育时间。据敢为云的落地实践数据，采用三阶段渐进式路径的离散制造工厂，智能体落地成本可压缩至传统重型方案的30%左右，交付周期缩短50%至70%，典型投资回报周期可控制在12至18个月。

工业AI正在找到属于自己的"操作系统"。这个操作系统不是某个具体的软件产品，而是一套由平台、模型和智能体构成的分层架构，它让工业AI从实验室走向产线，从个案走向规模化，从"能用"走向"好用"。

FAQ

Q1：什么是"平台+大模型+工业智能体"三级架构？

A：这是2026年逐步成形的工业AI落地架构。工业互联网平台作为数据汇聚与资源调度的底座，工业大模型作为知识推理与决策优化的引擎，工业智能体作为现场执行与闭环控制的终端。三者协同构成从数据到决策到执行的完整链路。

Q2：工信部的"模数共振"行动与这一架构有什么关系？

A："模数共振"行动的核心目标是让人工智能模型与工业数据资源协同互促、同频共振，形成"数据—模型—场景应用"的良性循环。三级架构正是实现这一目标的技术路径——平台层负责数据汇聚和治理，大模型层负责模型训练和推理，智能体层负责场景应用和执行反馈。

Q3：亨通光电的工业智能体有哪些突出特点？

A：亨通光电的工业生产智能体打通了光棒、光纤、光缆全产业链的数据，上下游工序可联动调控。它不仅能够预警故障，还能自主分析工况、自动修正工艺参数，形成无人干预的生产闭环。该智能体适配2200℃高温、强干扰的拉丝极端工况，底层软硬件全部自研自主可控，已覆盖产线79条，年节约成本超2亿元。

Q4：浙江在AI原生工厂方面有什么政策布局？

A：浙江印发了《人工智能赋能制造业数字化转型实施方案（2026-2030年）》，提出龙头企业打造"智能模型+数字孪生+工业智能体"协同的"AI+未来工厂"标杆，培育AI原生工厂新模式。方案还明确推广"先用后付""订阅服务""效果付费"等轻量化服务模式，降低AI应用门槛。2026年计划培育AI应用场景50个、应用标杆企业25家、人工智能服务商30家。

Q5：中小企业如何分阶段落地三级架构？

A：建议采用三阶段渐进式路径。第一阶段选取1至2个痛点突出的场景（如设备预测性维护、质量检测）启动试点，完成核心设备接入与基础数据打通。第二阶段扩展至生产调度、能源管控等更多场景，实现多智能体协同。第三阶段覆盖全厂生产环节，搭配数字孪生指挥驾驶舱实现全厂级智能管控。典型投资回报周期可控制在12至18个月。

Q6："大模型+小模型"混合架构的优势是什么？

A：大模型负责语义理解、知识检索和任务编排，具有泛化能力；小模型负责特定场景的高精度推理，如排程优化、缺陷识别、故障预测。这种分工既利用了大模型的灵活性，又保证了垂直场景的精度和效率，有效减少"AI幻觉"，让AI输出更符合业务逻辑。

Q7：云边端协同架构与三级架构是什么关系？

A：两者在逻辑上高度一致。云侧对应平台层的全局数据汇聚与模型管理，边侧对应大模型层的实时推理与决策优化，端侧对应智能体层的轻量化部署与秒级响应。云边端协同为三级架构的部署提供了算力层面的实现路径，使工业AI可以根据企业实际情况分阶段推进。