从名单看风向
10 月底，工信部公示 2026 年度领航级智能工厂项目培育名单——这是智能工厂梯度培育的最高层级。入选项目里出现了「多智能体驱动」这样的定语：工厂的运转不再完全靠人下指令，而是由一组各司其职的工业智能体在 MES 与工业互联网平台之上自主流转。
落地的样子比概念具体。有电子信息制造工厂把 AI 场景铺到了生产全流程：SMT 贴片环节，系统感知料盘低位告警，机械臂自动取下空料盘、换上新料盘再放回贴片机，全程无人干预；立体库里，仓储优化智能体在夜间按次日订单重排物料位置，单台机器人拣选路径从 40 多万米降到 16 万米；柔性产线支撑 300 多种机型混线，换线时间缩短 95%，产品不良率降低四成。
工业智能体长在哪一层
看这些案例的架构，会发现一个共同点：智能体不是凭空长出来的，它长在 MES 与工业互联网平台的数据之上。典型分层是「底座—引擎—智能体」：底座是传感器、算力与数字化系统；中间是数据语料中心、智能体平台与工业模型；最上层才是跑在业务里的那几十个智能体。有乳制品工厂以 MES 为核心集成 21 个系统，全链条数字化之后，订单响应速度提升 60%——先有数据底座，后有智能体。
换个说法：智能体解决的是「谁来决策」，MES 解决的是「拿什么决策」。没有生产执行层的数据，工业智能体只能对着空气推理；数据质量差一分，智能体的判断就虚十分。
对中小制造企业的现实路径
领航级工厂动辄几十亿产值，中小厂的抄法不是堆算力，而是补数据课：
- 设备数据先采上来：联机、采集、入库，这是所有「智能」的地基，做法见联机实录；
- 生产过程结构化：工单、物料、质量数据在 MES 里跑通，别让系统之间靠 Excel 缝合；
- 再挑一两个高价值场景上工业智能体：设备预测性维护、质量归因，都是数据基础打好后回报最快的点。
顺序不能反。先上智能体后补数据的工厂，最后都退回来重做数据层——模型没有数据喂，就是一组昂贵的空转程序。
我们在光学行业做 MES 的体会与此一致：客户上 AI 之前问的第一句话，永远是「我的数据够不够格」。数据够格，智能体是水到渠成；不够格，先补课。公司简介里写明了我们的实施顺序（见此），与这些领航工厂的做法是同一条路。
QQ:874059561