AI在工业场景的应用模式 - AI在工业场景的落地不是分行业的，而是分场景的，AI并非取代软件本身的功能，而是在重新定义人机关系，过去由人操作软件完成的任务未来将由AI自动完成，软件仍然是核心载体，只是交互和执行方式正在发生转变 [1] - AI的应用逻辑不是"按行业"而是"按场景"，不同行业可能涉及缺陷检测、任务排程等共性生产场景，AI具备跨场景泛化能力，从场景角度切入比行业划分更能体现AI价值 [2] - 传统计算机时代的排程系统需要针对每个行业的复杂规则进行定制，成本高、通用性差，而AI可以用同一个"智能体"解决多个行业的共性问题 [2] 工业AI的技术挑战与解决方案 - Transformer模型的幻觉问题与工业的精准性和确定性存在冲突，不能单纯依赖底层模型自身的改进，而应在产品和工程创新层面杜绝幻觉，应用层设计需要更可靠的控制策略与反馈机制 [1] - 公司设计了一套中间层架构，该架构可审计、可确定且非常灵活，避免了完全依赖人工配置逻辑的刚性问题，显著降低了复杂工厂环境中的部署与维护成本 [2] - 简单在原有软件或数据系统上叠加Agent模块没有价值，只是取代软件部分功能，属于局部增强，AI核心价值在于替代传统由人操作软件的模式，实现数据流、决策流的自动化和自适应 [3] 工业AI的发展趋势 - 公司从23年底开始使用包括华为等平台的AI大模型能力，取代原来一些海外大语言模型，这一趋势在过去三个月迅速发生并不断加速 [3] - 在大语言模型前的年代，公司通过与华为云等厂商合作云计算，利用这些企业的算力构建软件，使软件代码能被数万家用户使用并定制各自产品 [3] - AI与软件需要深度融合，通过智能体的引入改变人机协作模式，软件仍是底层载体，关键在于实现自动化和自适应 [3]