当人工智能的浪潮奔涌而至，与制造业的钢筋铁骨碰撞交融，一场AI赋能制造的产业变革正在加速到来。上海是全国制造业的桥头堡，也是AI产业的先行兵，正在加速推动“AI+制造”深度融合。

上海市经信工作党委、上海市经济信息化委与上海人民广播电台联合推出《越AI，越智造》系列融媒报道，展现AI技术在工业语料开发、智能制造装备、全生命周期管理等领域的生动应用案例，看AI如何重塑“上海制造”金字招牌。

今天的《越AI，越智造》探访品见智能用人工智能深入工业管理核心，推动AI从“助理智能”升级为能够精准决策的“产业智能”，在中国最复杂的工业土壤中，走出一条赋能实体经济高质量发展的独特路径。

品见的独特基因，植根于其学术深度与工程落地能力的紧密结合。公司合伙人金雅昭透露，企业的创立源自中国科学院院士鄂维南的整体战略布局。这位在国际学术界享有盛誉的科学家早在2014年就大力推进大数据和人工智能产业在国内的发展，2023年在上海发起成立上海算法创新研究院。品见正是这一宏大布局中专注于工业管理的实施主体。

在落地层面，品见始终聚焦客户真实场景，从业务痛点出发，将前沿算法转化为可执行、可验证的解决方案，做到“学术有深度，业务有温度”。

金雅昭：“主要解决生产设备质量工艺如何降本、增效、提质，如何用AI来替代过去老师傅凭经验、靠手感这样的经验主义生产管理模式，变成数据驱动的生产模式。”

这种背景决定了品见与众不同的发展策略。当大多数AI公司追求标准化产品和快速复制时，品见却主动选择攻克工业中最棘手的问题——那些需要深度理解业务逻辑、投入巨大但短期商业回报不确定的核心环节。

金雅昭：“不同于一般的纯商业公司，我们会去找行业里龙头企业，解决它最难解决的问题。”

工业领域的高度碎片化和专业化，是AI落地面临的巨大挑战。金雅昭举例说“即使是同一个行业的不同企业，比如宝钢和首钢，在数据结构和工艺约束上都存在很大差别”。

这使得在工业领域寻求通用产品变得不切实际，而市面上多数AI企业选择的切入点，如工业视觉质检或客服问答，实际上与核心业务关联度较低。而品见瞄准的，是工业决策的核心——生产计划、设备运维、工艺调控等关键环节。虽然从短期商业回报角度来说不是很好，但要把AI技术在工业核心业务领域真正落地，这是必须要跨过去的一道槛。

金雅昭：“很割裂的一个现实就是大模型如火如荼，但是关键决策全都是看‘老师傅’。因为工业它不同于很多商业项目，把数据丢进去，它学出来一个pattern（模型）就可以直接用。工业是有非常严格的约束，大模型幻觉是会造成严重的生产事故。”

金雅昭分享了为首钢灯塔工厂做智能排程项目的经历：“我们的算法团队扎扎实实在那边待了三个月，就是看老师傅每天怎么工作，看他是怎么思考的，这个思维过程的逻辑给它挖掘出来。”

面对工业场景的复杂性和个性化需求，品见构建了一套独特的技术架构，实现了普适性与个性化的平衡。这套架构包含三个核心层次：数据本体层、工业世界模型和智能体工厂。数据本体层通过业务语义抽象，统一数据表达，解决碎片化与语义不一致问题。工业世界模型融合机理驱动与数据驱动，既“知其然”也“知其所以然”。

金雅昭：“数据驱动的方法对于高质量数据有极强的依赖性。但我们工业的实际是什么呢？比方说管道埋在地底下，可能十年才会被腐蚀，出现一个问题，所以没有那么多数据让你去采，那怎么办呢？我们构建一套从第一性原理，也就是物理化学公式出发的机理模型，‘知其然’指的就是数据，‘知其所以然’指的就是机理，来帮助我们去做推理和决策。”

智能体工厂则通过多智能体协作，实现从数据提取到效果评估的全流程自动化，提升智能体生成效率。企业技术带头人任麒冰博士介绍，该系统由多个各司其职的智能体组成，分工完成数据提取、业务建模、训练执行和效果评估等任务，像一个自动化生产线，能相对高效地完成新智能体的“装配”，目标是“让生成智能体像写提示词一样简单”。

任麒冰：“把我们多个行业的业务认知注入到多智能体系统搭建中，让智能体理解这个产线所有设备之间的拓扑关系，然后任务你怎么做拆解，哪些方法最好用。”

这套技术架构在国家管网集团金坛储气库项目中得到充分验证。金雅昭介绍，储气库是保障国家能源安全的“压舱石”，金坛储气库拥有四十多口腔体及复杂的管道阀门系统，过去每天接收注采指令后，需要多位专家开会数小时才能制定方案。应用品见的管理系统后，系统在数字孪生环境中模拟运行，五分钟内即可生成最优方案。

金雅昭：“能耗降了10%，注采效率提升了20%，储气库的利用率提高，可以承接更多波峰波谷调节的任务了。”

在AI概念喧嚣的时代，品见以其对工业的敬畏、对技术的深耕和对价值的长期坚守，展现了“慢就是快”的商业智慧。这种深耕务实的发展理念，也正是上海乃至中国推动“AI+制造”产业发展所需要的核心力量。