尽管数字化转型的浪潮已经席卷工业领域超过十年，但大多数工厂系统仍停留在“自动化而非智能化”阶段。虽然传感器、PLC、MES、云平台等一应俱全，但系统之间彼此割裂，数据虽可采集却难以理解，算法虽能运行却无法适应变化，真正实现“感知-认知-决策”的闭环智能仍遥不可及。
为何AI在工业场景中“叫好不叫座”？为何AI模型日益强大，应用却始终“落不了地”？工业智能化的突破口究竟在哪里？
我们或许正站在一个新的历史转折点。
AI智能体（AI Agents）与边缘计算（Edge Computing）的结合，正在成为破解这些难题的新路径。它不仅仅是一次技术组合，更是一次工业发展模式的重构：
边缘计算将算力下沉至现场，支撑毫秒级数据处理与即时反馈；
AI智能体为边缘节点赋予“感知-认知-决策”的自主能力；
二者共同推动工业系统，从“被动响应”走向“主动进化”，从“集中式自动化”迈向“分布式智能体网络”。
正是在这一背景下，物联网智库有幸与研华科技董事长刘克振、WISE-PaaS / AI Agent研发总监康宁，展开了一场关于“工业智能体时代”的深度对谈。
本文将以此次交流为脉络，从技术、战略与生态三重维度，探讨边缘计算与AI Agents如何构筑工业智能的新底座，并预判“垂类模型+边缘智能”双引擎驱动下的产业未来。
AI智能体登场：工业智能的“感知-认知-执行”新引擎
如果说边缘计算是工业智能的基础设施升级，那么AI智能体的引入，则意味着工业系统正在从“流程驱动”转向“智能驱动”的全新模式。
毋庸置疑的是，越来越多的企业应用开始在边缘运行。根据Gartner的预测，到2027年，50%的关键企业应用将在边缘运行。企业正在边缘计算上持续投入，预计从2024到2033年，全球边缘计算支出将以两位数的复合年增长率CAGR稳健增长。加之AI的持续进化，边缘智能也展现出强劲的发展势头。Gartner进一步预测，到2026年，50%的全球边缘部署将包含AI。
研华科技董事长刘克振敏锐地捕捉到，工业场景自动化向智能化的演变现在已经达到一个很明显的转折点。虽然AI普及的时间并不长，但是其趋势却非常强劲，随着AI智能体与细分领域AI模型的融合越来越完善，工业场景内全面的AI智能体开始引领智能化变革。
过去没有云边协同方案时，每一个工厂的工控生态是由自动化团队根据场景内需求来定制的，是一个封闭的系统。这种系统依赖预设规则与静态逻辑，难以应对复杂、动态的生产环境。随着云边协同计算的普及应用，原本封闭的工业系统得到初步解放。
到了AI智能体时代，场景内的生产资料将进一步被整合为特定的小模型SLM，结合全面的行业知识云端与边端实现智能的串通共享，研华科技董事长刘克振表示“工业智能体将场景内一切联接起来，整个产业的效益与智能化进程度会呈现爆炸性的发展。”
具备环境感知、自主决策与执行能力的智能实体通过“感知-决策-执行”闭环，实现了从“被动执行”到“主动进化”的跨越。这种能力使AI智能体成为工业AI的终极载体：既能嵌入物理设备实现“边缘智能”，又能通过云端训练与迭代形成“群体智慧”，推动工业系统从“定制却封闭的局部优化”迈向“开放且定制的全局智能”。
所谓AI智能体（AI Agent），并非单一功能模块，而是具备感知环境、理解任务、自主决策与协同执行能力的智能实体。它们嵌入在设备端或边缘节点，能够在无需依赖云端的前提下，独立完成从数据采集、分析、判断到行动的闭环工作，成为边缘智能真正的“执行者”与“思考者”。
工业AI智能体的三大核心能力结构包括：
1.感知能力
多模态传感融合（视觉、声音、振动、温湿度等）
实时数据采集与边缘侧预处理
状态识别与环境理解
2.认知能力
嵌入式AI小模型支持的任务理解与推理分析
与行业知识图谱协同的智能决策机制
自我学习与模型优化
3.决策与执行能力
与现场设备联动的控制指令下发
多智能体之间的协同调度
任务完成后的反馈与自我校正
这种能力结构，使AI智能体不再是被动的算法工具，而是具备“情境理解+协作执行”的智能工作节点，推动工业系统从“指令式执行”向“目标导向协作”演进。
应该说，AI智能体的崛起并不是颠覆传统自动化升级路径，而是通过更全面的数据、更精细的模型、更强大边缘计算重构工业智能的底层逻辑，用智能体的自主认知驱动场景的智能化能力提升。
工业AI智能体的引入，不是对传统自动化的取代，而是一次系统架构与智能逻辑的跃迁。
研华科技研发总监康宁也提到了这次工业智能的跃迁，需要智能体来构筑起工业场景里物联网和模型融合的智能中枢，完成数据从感知、汇总到自主决策，甚至执行端到端的闭环，最终帮助企业搭建起专属的“智库”。
可预期的是，整个行业在边缘智能改造上会有很多需求出现。正是在这样的契机下，研华科技开始战略转型，从“工业电脑领军企业”向“Edge AI引领者”转变，即从提供行业硬件平台与软件工具，向边缘运算硬件与智能软件彻底融合的AI Agent on Edge方向发展，将AI硬件与软件深度绑定协同解决工业AI落地中的诸多技术瓶颈，在OT与IT的深度耦合基础上合力推动产业应用的全面智能化。
从底层技术到生态协同，构筑工业AI智能体核心能力
不论是工业AI还是具体到工业智能体，其核心技术体系均围绕着数据驱动决策、实时响应、自主协同展开，分解来看有如下几个核心模块：
边缘计算硬件带来的本地实时数据处理：边缘计算硬件通过将算力下沉至设备端或近场节点，实现毫秒级响应，满足工业场景对低延时的严苛要求；
基于工业场景的细化AI模型：适配资源受限边缘计算硬件，通过模型剪枝、量化等技术优化后的定制化场景AI模型；
适配算力硬件的AI软件整合平台与应用套件：采用模块化将不同的功能和组件进行分离以便于开发、维护和扩展的AI软件整合平台。同时采用容器软件开发AI应用套件，提高资源利用率和部署效率。
在交流中我们也了解到研华科技正在围绕工业智能体的核心技术进行布局，如开发Edge AI加速模块、Edge AI产业应用系统、Edge AI大型语言模型训练系统及Edge AI服务器等产品，并提供整合式AI软件平台工具Edge AI SDK，协助产业客户评估验证AI平台效能及应用开发，同时与主流芯片厂商共同开发高效能边缘AI计算平台。
工业数据碎片化和利用率低、工业场景对决策确定性和可解释性的严苛要求、AI智能体协同也是工业智能体在普及中会面临的落地难题。研华科技布局相关技术栈，提供如端侧多模态数据采集和通讯连接产品、工业场景AI算法专家库以及打通数据流的Agent Builder智能体平台等等。
硬件与应用软件的“打穿”具有产业变革的重大意义，这些围绕工业智能体核心技术体系的产品给产业客户搭建了一个让AI快速进入到工业应用的桥梁。当然，除了底层软硬件，为了推动工业智能发展，整个上下游生态协同和产业共创也必不可少。
在与研华科技董事长刘克振的深度交流中，一个核心判断逐渐清晰：工业智能体不是一项技术革新，而是一场系统性转型。
这场转型的核心不在于“AI是否足够强”，而在于企业是否已经准备好迎接一个由“智能协同”主导的工业新未来。
研华科技董事长刘克振在交流中特别强调了研华正在加速推进与产业链上下游的合作，通过WISE-Edge链接边缘端的软硬整合策略，打造工业智能体生态系统，将AI芯片厂商、多模态传感器供应商、AI软件技术企业、行业系统集成商，以及专注边缘智能的渠道经销商汇聚其中串联起来，形成合力共同构建覆盖“端-边-云”的工业智能体繁荣生态。顺势，研华正在转向“AIoT生态系统推动者”的角色：
携手AI芯片厂商共建边缘端算力生态；
联合系统集成商打造行业解决方案；
连接渠道与客户，构建边缘智能场景库。
这一战略转型的目标，是打造一个覆盖“端-边-云”的工业智能体生态体系，实现从“软硬件供应”到“赋能平台”的跃迁。
这一系列深刻的战略判断，不仅为研华自身指明了“从工业电脑到工业智能体平台”的转型路径，也为整个工业AI生态提供了一个可以参考的系统级架构蓝图。AI应用的落地，不能是单靠一家企业，应该是靠整个产业链上下游形成一个合力，打造共同发展的良性生态，这样产业才能向着边缘AI、工业智能的大方向迈进。
垂类模型必然崛起，工业智能体时代终将到来
对于边缘智能或者工业智能体的崛起，物联网智库与研华科技都持乐观的态度，这是确定会发生的行业变革。
虽然工业AI模型能力还没进化到非常完备的地步，到实现真正的工业智能体确实还存在诸多障碍，但是现今的企业竞争环境下，AI能力已经成为企业核心竞争力，AI能力的缺失会让企业在智能化浪潮中渐渐掉队。随着工业边缘多层级算力逐步完善以及模型从量变开始向质变演进，工业智能体时代的脚步正在临近。
在交流中，研华科技董事长刘克振特别提到了“垂类AI模型”，并认为，如今大语言模型、通用模型能力越来越强且市场需求已经接近饱和，而且现在都开始向开源免费的商业模式发展，行业垂类模型的出现提供了一个可盈利的商业机会。
“垂类模型具备商业模式闭环的强力机制，因为针对细分行业的模型很珍贵且具备独占性，未来垂类模型有可能在用户绑定与收费价值上迎来突破。”同时研华科技董事长刘克振认为，垂直领域的垂直模型应该会先发生，进而推动边缘智能。
在《边缘智能+垂类模型:AIoT 2.0的”双引擎”》中，我曾提及“垂类模型崛起是必然的”，来自物理世界的数据缺乏导致通用模型应用在物理世界有先天不足，在面对复杂多变的行业需求时无法完美契合。为了让AI模型更好地理解行业知识，解决特定领域问题，垂直行业的定制化模型成为让AI从“通用智能”走向“场景智能”的必然路径。
对于AIoT场景来说，边缘智能和垂类模型是双引擎，边缘智能等于基础设施，在基础设施改造的成熟度之上各行各业发展出特定的垂类模型，即垂类模型的成熟滞后于边缘智能硬件设施的成熟。
不论是边缘智能硬件在前还是垂类模型在前，大家对垂类模型的必然崛起是有共识的，基于垂类模型能力的工业智能体也终将为工业场景带来彻底的智能化变革。
写在最后
从大模型到小模型到垂类模型，从边缘计算到边缘智能，业界尚需要一段时间在这些前沿发展方向上达成共识，耐心等待产业成熟。
工业智能体的诞生，不仅是工业自动化的延续，更是制造业操作系统的重构。它将推动工业从“工具智能”迈向“系统智能”，从“数据驱动”迈向“知识自治”。
随着技术的不断进步和应用场景的不断拓展，边缘智能与垂类模型结合下的工业智能体将释放出前所未有的能量，极大提升生产力和资源配置效率，还将从根本上重塑生产模式，推动智能工业实现高质量发展。
