智能制造时代制造适应性差距
制造业正迈入“智造工厂”时代，智能深度融入运营系统，自动化、MES与数据平台界限消融，形成统一支持AI的架构。然而，多数制造商因技术条件与组织变革脱节，存在“适应差距”，传统MES系统缺乏实时推理能力，AI与数据科学团队孤立运作，工具零散，数据不完整不一致，导致AI试点项目难以规模化应用。
智能制造的三位一体
制造商需整合自动化、MES和数据平台三大基础组件，形成“智能制造的三位一体”，实现协同运作。自动化生成实时信号，MES管控工艺流程逻辑，数据平台存储分析数据，共同为AI功能提供支撑。缺乏结构化运营数据的支撑，传统机器学习模型应用有限，生成式AI模型（如LLM）易出现幻觉、误解输入信息或做出不可靠决策。
AI的三波浪潮
AI在制造业的发展历程可分为三波浪潮：第一波经典机器学习（ML），基于结构化数据实现预测模型；第二波大型语言模型（LLM），引入自然语言和非结构化领域通用智能；第三波AI智能体，将LLM能力与记忆、规划和工具使用相结合，实现自主行动、跨步骤推理和系统级协同。
LLM在工厂车间的应用前景
LLM在工业领域应用前景广阔，可实现自然语言界面、自动化文档生成、根本原因探究、跨系统推理等。但LLM存在幻觉综合症、金鱼综合症和反向助手综合症等问题，需通过检索增强生成（RAG）、微调、提示工程等技术进行专业化与稳定化处理。
专业化与稳定化LLM的技术
为克服LLM的局限性，应采用RAG、微调、提示工程等技术，将LLM与可信知识库连接，提升领域适配性和操作可靠性。
AI智能体与智能体工作流的崛起
LLM仍是无状态的被动系统，无法独立完成任务。AI智能体具备目标导向，通过工具与外界交互，保留记忆并运用推理能力实现目标。智能体工作流对动态输入做出响应，重新排产、调整物料路径并优化决策，无需依赖硬编码规则，赋予MES更高的灵活性和韧性。
模型上下文协议（MCP）与智能体间通信（A2A）
模型上下文协议（MCP）为智能体提供统一通信、数据访问和上下文共享框架，规范交互方式，实现模块化运行。智能体间通信（A2A）使排程、物料流、质量等专业智能体相互发现并协同工作，形成智能生态系统，实现决策的分布式制定、协同执行与持续优化。
MES智能体层级：从自动化到自主化
传统MES是规则驱动的系统，向基于智能体系统的转变引入了智能或智能体的频谱：静态自动化、智能体工作流、自主智能体和协调智能体。企业可逐步从确定性控制过渡到自适应智能，实现运营安全性与价值提升。
MES AI智能体的学习飞轮效应
AI智能体通过自主学习实现差异化，执行动作、观察结果，并根据反馈调整行为，形成持续改进的飞轮效应。人工反馈将输入智能体记忆库，用于优化后续决策，使MES动态演进，无需人工重新编程即可持续优化。
制造业中AI智能体的安全机制
AI智能体必须在严格的安全与治理框架内运行，包括策略执行、人机协同监管机制和决策透明机制，确保其行为符合运营目标和监管要求。
制造业高管的战略要点
向基于智能体的MES转型需要夯实数据架构、集成与治理基础，高管团队需整合自动化系统、MES和数据平台，试点智能体工作流，建立反馈机制，嵌入安全管控措施。转型是运营模式的转变，从控制走向协作，从配置迈向认知，先行者将引领工业智能新时代。
