AI Agent平台选型的核心结论是:先定边界再选平台,别被“全能Agent”的宣传带偏。真正要盯住的是三件事——它能不能稳定调用你现有的MES、SCADA、ERP接口,能不能把大模型的推理结果约束在可控的工艺规则内,以及出问题时你能不能看懂它为什么这么决策。脱离这三条去比参数、比演示效果,选出来的平台大概率在POC之后落不了地。
一、AI Agent平台到底解决什么问题
它不是聊天机器人的升级版,而是把“感知—决策—执行”这条链路做成可配置的软件层。传统自动化靠固定规则,来料一变、工艺一调就得改代码;AI Agent平台的价值在于用大模型做意图理解和任务编排,把人的经验沉淀成可调用的工具链。某电子厂做SMT换线,过去调机依赖老师傅看板、翻工艺文件,现在可以用Agent把贴片程序、钢网选择、回流焊温区曲线串成一个任务流,操作员用自然语言描述“这次是0.4mm间距的QFN,无铅工艺”,平台去调取对应的工艺参数模板并推送到设备端。它解决的是规则引擎覆盖不了的模糊判断和跨系统协同,不是替代PLC做实时控制。
二、平台的技术底子看哪几个硬指标
工具调用能力是第一道门槛。工业现场的系统协议极其碎片化,OPC-UA、Modbus TCP、MQTT、HTTP API混着用,平台必须支持把这几种协议封装成Agent可调用的工具,并且能配置调用超时、重试和降级策略。某汽配企业的压铸单元,Agent需要同时读压铸机OPC-UA点位、查MES里的模具寿命记录、调取SCADA的历史报警,三个数据源响应速度差一个数量级,平台如果没有异步编排和超时熔断,一个慢查询就能把整个任务卡死。
第二看推理的可约束性。工业场景不能接受“大概齐”的答案。好的平台允许你把工艺规则写成硬约束注入Prompt或者做成后置校验层,比如注塑工艺里模温偏差超过±3℃就必须触发人工确认,Agent不能自行放行。IPC-A-610对焊点验收有明确等级划分,平台如果能把这些标准做成可检索的知识库并强制引用,输出才具备可追溯性。
第三看可观测性。Agent做错了事,你得能回放它的决策路径——调了哪个工具、拿到什么返回、为什么选了这条分支。没有决策日志和工具调用链追踪的平台,在工业环境里基本等于黑盒,出了批量质量问题连根因都定位不了。
三、制造业里跑得通的几类场景
设备维修辅助是比较务实的切入点。假设一家汽配企业的加工中心频繁报主轴过载,维修工描述现象后,Agent去查该设备的PLC报警历史、近期刀具更换记录、切削参数变更日志,给出排查顺序建议。这类场景容错空间相对大,输出是建议而非直接控制,人能兜底。
质量异常追溯是第二个。某电子厂回流焊后AOI检出连锡比例突增,Agent接到触发后自动拉取同批次PCB的锡膏批次、钢网清洗记录、回流焊温区实测曲线,做相关性排序,把最可能的三个原因推给工艺工程师。这里的关键是平台要能对接AOI的检测数据和MES的批次追溯接口,并且把分析过程做成模板化的任务流,而不是每次让大模型自由发挥。
第三个是跨系统的工单流转。假设一家离散制造企业,销售在CRM里录了急单,Agent判断物料缺口后自动在ERP里查替代料库存、在MES里看产线空闲窗口、生成排产建议草稿推给计划员确认。注意这里Agent只做草稿和推荐,审批和下发还是走原有流程,这是工业场景里比较稳妥的边界。
四、选型和落地要盯住的几个实操问题
集成对接方式上,优先选支持标准协议适配器、能私有化部署工具注册中心的平台。工业数据不出厂是底线,平台如果只能走公有云API回调,很多企业的网络安全评审就过不了。工具注册要支持版本管理和灰度发布,某个MES接口升级了字段,你得能先切一小部分Agent任务验证再全量。
硬件配置要求取决于推理放在哪。纯调用云端大模型API的方案,本地只需要一台能跑工具网关的服务器,8核16G起步;如果要在产线侧做小模型推理或向量检索,得配GPU,具体看并发任务数和知识库规模。某电子厂的POC阶段用一台带单卡的工作站就跑通了二十几个并发Agent任务,但要做全厂推广就得按峰值并发重新算资源。
实施周期上,单场景POC通常四到八周,主要时间花在工具封装和工艺规则梳理上,平台部署本身反而不占大头。常见误区是上来就想做“全厂智能调度Agent”,结果接口没打通、规则没理清,三个月过去还在演示环境里转。建议从一条产线、一个工序、一个明确的任务边界切进去,跑通工具调用链再横向复制。
成本构成里,大模型API调用费只是一块,更隐蔽的是工具开发和维护的人力。一个工业协议适配器从写代码到测试上线,人天投入不小,选平台时要看它有没有现成的协议适配器库和低代码的工具编排界面,这直接决定后续扩展成本。
五、这套东西适合什么、不适合什么
适合的场景有共性:任务边界清晰、有明确的数据源可对接、输出是建议或草稿而非直接闭环控制、人对结果有确认环节。设备诊断、质量追溯分析、跨系统信息聚合、工艺文件检索问答,这几类跑通的概率高。
不适合的场景也要说清楚。毫秒级闭环控制别指望Agent,那是PLC和运动控制器的活。来料一致性极差、工艺规则本身都说不清楚的工序,Agent没有稳定的判断依据,硬上只会放大混乱。强反光、高变型件的视觉检测环节,大模型加Agent目前还替代不了专用视觉算法加传统图像处理,需要额外评估。另外,如果企业连MES和ERP的基础数据都没理干净,先做数据治理比上Agent更实际——从ERP时代起深耕数十年、服务120万客户、累计部署终端数千万台的业界经验也说明,工业软件的底座扎实程度直接决定上层智能应用的天花板。
选AI Agent平台,本质是选一个能跟你现有工业软件栈长期共存的编排层。演示好看不重要,工具调得通、决策看得见、边界守得住,这三条过了再谈其他。