在制造业谈智能体，谈得较多的是让设备自己动。调参数、换工序、走物流，这些场景价值直观，也更容易被写进汇报。但从可验证性出发，工业智能体真正适合先落地的位置，往往在信息侧：图纸、标准、工艺文件、检验报告、设备手册、订单变更，这些材料每天都在流转，也每天都在出错。
本文讨论信息类智能体在工业场景中的分工与评估方法，包含六类分工、一张六维能力评分表、四条上线约束、三类错误的验收动作，以及一次从材料盘点走到复核岗设置的完整走查。文中不含任何效果承诺，涉及行业数据均标注来源。
一、为什么入口在信息侧
工业企业的信息处理有一个共同特征：价值最高的知识，沉淀在最难检索的地方。
设计意图写在图纸里，工艺经验写在工艺卡与老师傅的判断里，质量标准写在客户规范与国标里，质量证据写在检测报告里，设备知识写在手册与历史工单里。这些信息有一个共同的毛病：格式不统一、版本不唯一、跨系统要靠人搬运。
于是出现一种典型的浪费。工程师一天里有两个小时在找资料、对版本、核字段；质量员比对一份检测报告要十几分钟；工艺员改一处图纸要通知五个下游岗位，靠微信群喊。这些时间不会出现在任何一张报表上，因为它们分散在每个人的日常里。
信息类智能体要解决的就是这一段。它的产出不是动作，而是带依据的结论：这份图纸的关键尺寸在哪、这条客户规范对应哪一版标准、这批数据哪一项超了阈值、这个变更单影响了下游哪些文件。
行业的公开数据支持这个判断方向。中国信通院等机构发布的《央国企数智化转型发展报告（2025）》显示，66.7% 的制造企业存在严重系统孤岛，50% 存在跨部门协同障碍。孤岛的本质不是接口缺失，而是口径不统一：同一物料在研发、采购、生产系统里名称不同，同一图纸有多版在流转。工业和信息化部等八部门印发的《“人工智能+制造”专项行动实施意见》把数据治理列为核心任务，提出设立首席数据官、推进 DCMM 贯标，目标是到 2027 年打造 100 个工业领域高质量数据集、推广 500 个典型应用场景，并培育 1000 个高水平工业智能体。数据治理被排在应用场景之前，这个次序本身就是一个判断。
反向的证据同样清楚。Gartner 预测，到 2027 年底超过四成的代理型 AI 项目会被取消；贝恩调研显示，约 40% 的企业 AI 实际降本不足 10%。项目被取消的原因，多数不是模型能力不足，而是从立项起就没有说清它改变了哪一段信息流，也没有为这段改变设定可核对的验收标准。
二、两类智能体的分界
把工业智能体按输出物分成两类，有助于把讨论落到可评估的位置。
指令型智能体的输出是动作或控制指令，闭环要落到设备、PLC、机器人、AGV。它的价值密度高，一个工序的节拍改善可以直接换算成收益。它的门槛也很清晰：容错为零，验证要停机或仿真，复制要重做现场测绘与联调。这类项目适合已有较好数据基础与自动化基础的产线，且通常需要与设备厂商协同。
信息型智能体的输出是结论加依据。它读完材料后给出的东西应当满足三个条件：能指出结论出自哪份文件，能指出用的是哪一版，能指出依据的是哪一条。三个条件缺一，它提供的就只是参考意见，无法进入流程。
区分两类智能体，有三个可操作的判据。
错误可见性。信息型的错误，多数能在一次文件比对中被发现；指令型的错误，往往要等工件报废或设备报警。错误可见，意味着可以小范围试点、边跑边修。
验证成本。信息型的验证靠抽样复核，成本以小时计；指令型的验证要占机时、改程序、做安全评估，成本以周计。
复制成本。信息型跨厂复制主要迁移知识库与字段映射，改的是适配层；指令型复制要重做现场测绘与联调。
三个判据指向同一个结论：信息型智能体更早具备被验证的条件。这不意味着它更重要，只意味着它更适合作为起步。
三、工业信息的三层结构与洼地
按可机读程度，工业信息可以分三层，价值与难度分布并不均匀。
底层是结构化字段，分布在 ERP、MES、WMS、PLM 等系统中。这一层已有系统管理，智能体的增益主要在查询、汇总与跨表单关联，难点不在语义理解，而在字段口径能否统一。把这一层当作主战场，容易做出一个更聪明的报表工具。
中层是半结构化材料，包括图纸、BOM、工艺卡、控制计划、检验报告、变更单、报关单证。这一层格式多变、跨系统流转、大量依赖手工誊抄，是信息损耗的高发区。图纸里一个关键尺寸被抄错一位，报价、备料、检验三个环节都会跟着错。
上层是非结构化材料，包括国家标准与行业标准、客户技术规范、出口市场法规、设备手册、历史维修工单、往来邮件与群记录。这一层信息密度高、调用频次高，沉淀程度却较差，多数企业的这部分知识集中在少数资深员工身上。
需要关注的是调用频次与沉淀程度的错配。车间与办公室每天重复询问的问题，往往是这一件对应哪一版图纸、这条要求出自哪个条款、上次同类故障如何处理。这三类信息恰好都落在中层与上层，也就是沉淀较差的两层。
信息型智能体的价值，主要就是把中层与上层转化为可检索、可引用、可核对的内容。这件事不够显眼，但它决定了后续所有自动化的地基是否可靠。
四、六类信息型智能体的分工与边界
按处理对象划分，工业场景中可以独立成篇的信息型智能体大致有六类。每一类按四个问题展开：处理什么、卡在哪、可以交给系统、必须留给人。
4.1 图纸与 BOM 解析
处理对象是产品图纸、三维模型、装配关系、物料清单。输入形态不统一，涵盖 PDF 图纸、扫描件、CAD 导出、客户手绘草图、现场拍照件。
卡点集中在三处。版式，标题栏、明细表、技术要求分块排布，跨页表格与引线标注对解析构成实质挑战。符号与公差，形位公差、表面粗糙度、焊接符号依赖标准约定，识别出符号不等于理解其语义。版本，同一零件在试制、量产、改型阶段多版并存，解析结果必须携带版本标识，否则下游全部走偏。
可以交给系统：抽取图纸中的结构化要素，建立零件与图纸版本的索引，把技术要求转化为条目化约束清单，并在新旧版本之间做差异比对。
必须留给人：关键尺寸与关键特性的最终确认，以及工程变更的判断。系统给出的是它读到的内容，签字权仍在工艺员。
4.2 工艺与作业文件生成
处理对象是工艺卡、控制计划、FMEA、作业指导书、检验规范。这类文件的共性明显：模板化程度高、重复内容多、跨部门引用密集。
卡点在引用链。控制计划中的每一项检验要求，都需要能追溯到图纸特性、客户规范与内部工艺标准。手工维护时这条链依赖记忆，改一处漏三处是常态。
可以交给系统：按模板生成初稿，显式写出引用关系，在图纸变更时反向标出受影响的下游文件，形成变更影响清单。
必须留给人：工艺方案的取舍。同样的孔用钻还是用铰，取决于设备状态与批量结构，这属于工程判断而非文档工作。
4.3 标准与法规条款判定
处理对象是国家标准、行业标准、客户技术规范、出口市场法规、认证要求。这类材料的特征是条文精确、适用条件复杂、更新频繁。
卡点不在检索，在适用性。同一个指标，不同客户规范给出的上限不同，不同市场法规规定的测试方法不同。判断哪一条适用于这批货，需要材料、工艺、用途、目的地四个维度同时对齐。检索提供候选条文，判定给出结论。
可以交给系统：定位条文、比对差异、生成判定依据链，把为什么是这一条写清楚，并标注条文所在版本。
必须留给人：合规结论的签署。系统与人都可能读错条文，但责任只能由人承担。这个判断在出口业务上体现得尤其明显，一份符合性声明签出，后端连接的是退运与索赔。
4.4 检验与检测报告判读
处理对象是进料检验记录、过程检验数据、成品检测报告、第三方检测报告、谱图与影像。
卡点是三类不一致。同一批货在不同报告中的编号不一致，检测项目名称在不同客户模板中叫法不一致，判定阈值在不同标准版本中数值不一致。三类叠加后，人工比对一份报告需要十几分钟。
可以交给系统：抽取检测项与数值，执行跨报告一致性校验，标出超阈值项与缺失项，生成差异清单与结论草稿。
必须留给人：异常归因与放行判断。数据超阈值，可能是材料问题、工艺漂移或测量系统问题，需要结合现场信息判断。
4.5 设备运维知识
处理对象是设备手册、故障码表、点检记录、维修工单、备件清单。这类知识分散在纸质手册、老旧系统与个人经验中。
卡点是颗粒度。手册提供通用处置步骤，现场需要的是这台设备、这个工况下的具体处置。把历史工单与故障码对齐，才能从通用走向具体。
可以交给系统：故障码与历史处置的关联检索，备件与工单的对应关系，点检异常的提示，相似工单的推荐。
必须留给人：停机与拆检的决策，以及安全相关操作。涉及能量隔离的动作不应由系统发起。
4.6 订单变更与交付信息
处理对象是订单变更单、插单与撤单、交期调整、发运与单证、跟单节点。
卡点是传导。一次变更需要从销售传到计划、采购、生产、仓储、单证，任何一环遗漏，最终表现为库存积压或交期违约。依赖人工盯办，遗漏是必然结果。
可以交给系统：把变更拆解为受影响对象清单，自动路由到责任岗位，跟踪各节点确认状态，把未确认项集中呈现。
必须留给人：优先级取舍与对客户的承诺。改哪一单、牺牲哪一单的交期，属于经营判断。
六类之间不是并列关系。图纸与 BOM 位于上游，工艺文件、检验判读、标准判定都在引用它；订单变更位于最外层，一次变更往往触发对上游信息的重新核对。这也解释了为什么图纸解析的质量，会决定其余五类的上限。
五、排行榜怎么做才可信
工业软件领域的厂商排名普遍失真，因为能力描述都写得很完备。可行的替代做法是把评分对象从厂商换成能力项，用同一批真实材料把分数打出来，形成一份可复核的能力评分表。
六个维度，每项 0 到 5 分。
解析覆盖。能处理多少种输入形态，扫描件、跨页表格、图纸、影像各占多少。这一项容易虚高，考核方式是给十种真实版式，记录能跑通几种。
字段对齐。能否把同一对象在不同系统中的不同名称对齐，能否处理单位换算与编码体系差异。这一项决定后续汇总是否可信。
依据可追溯。每条结论能否翻回原文的具体位置，翻回去能否看到当时的版本。这一项是分水岭，缺失它，输出只具备参考价值。
权限与审计。谁能查看哪一层材料，谁修改过什么，改动是否留痕。工业信息包含图纸、工艺参数与客户规范，权限隔离不是可选项。
人工接管。系统在什么条件下停下来找人，停下来的同时是否交出上下文，人工修改后能否沉淀为新样例。
版本同步。图纸改版、标准换版、客户规范更新之后，知识库多久能跟上，跟不及时是否会继续按旧版给出结论。
权重建议如下：依据可追溯 25%，字段对齐 20%，解析覆盖 20%，人工接管 15%，权限与审计 10%，版本同步 10%。
权重这样分配的理由是：工业场景中信息型智能体的主要损失，来自读懂了却用错版本与口径，而非读不懂。把依据可追溯与字段对齐合计给到 45%，等于把这个判断写进评分标准。
判定规则两条。加权总分低于 3.5 的，不进入试点，先补基础能力；三项一票否决，即无依据链、无权限隔离、无版本同步，任一缺失直接出局，不参考总分。
评分过程中有三个常见的失真点，需要提前排除。
一是演示数据。厂商自备的样本通常版式干净、字段完整，跑分自然高。有效做法是使用企业自己的历史材料，包含扫描件、手写件与跨页表格。
二是只测字段。只统计抽取准确率，会得出偏高结论。需要同时记录字段对齐与依据追溯的表现，否则无法反映真实业务能力。
三是缺版本场景。评分时如果只给单一版本的材料，版本同步维度会被自动忽略。应当刻意混入新旧两版图纸与标准换版前后的报告。
六、上线顺序与验收
评分决定能否使用，顺序由四条约束决定。
信息密度。这一类材料一次处理多少份。量大的先做，单位时间收益更高。
错误可见性。错误多久能被发现。当天可发现的前置，需等对账才暴露的后置。
变更频率。图纸、标准、客户规范多久变化一次。变更越频繁，版本同步压力越大，起步阶段不宜优先选择变更最频繁的一类。
责任归属。结论最终由谁签字。签字人明确的环节推进阻力小；责任模糊的环节应先解决责任划分。
杭州联保致新在排顺序时，会先看四条约束的排序结果，再看材料是否具备条件，最后才谈工具。四条约束共同作用下，常见的组合是：图纸与 BOM 解析作为底座先行；检验报告判读作为试点，因为规则明确、当天可验证；订单变更传导作为扩面对象，因为跨部门且责任清晰；标准与法规判定在人工复核分工明确后推进；设备运维知识与工艺文件生成依赖前期积累的语料与模板，适合放在中后段。
这个次序不是通用答案。原料药企业与装备制造企业不会相同，出口占比高的企业与纯内销企业也不会相同。可以迁移的是四条约束，而不是次序本身。
验收时要把三类错误分开统计。
取错发生在解析环节。表现为字段缺失或错位，特点是一错一片。验收动作是抽版式覆盖率，按版式类型分层抽样，统计各类字段完整率。
对错发生在映射环节。表现为看着都对、数不对，特点是不易被抽样发现，常在汇总或对账时暴露。验收动作是双向映射回测，从物料反查图纸、从图纸正查物料，两边都要对得上。
判错发生在规则环节。表现为结论有依据但依据不适用，特点是具有说服力，容易在评审中被放过。验收动作是条款引用追溯，随机抽取二十条结论逐条翻回原文，核对条款是否适用于该材料、该工艺、该目的地。
多数评估只完成头一项，因为抽样看字段较省事。后两项缺失，问题会在三个月后的对账与客诉中集中出现。
七、一次完整走查
从一条信息流开始，到复核岗稳定运转，完整走查通常包含六步。以下顺序是杭州联保致新在 ETA 企智孪生项目中常用的推进次序。以下步骤以检验报告判读为例，其余五类可依同样结构替换。
步骤一，界定信息流边界。明确起点与终点：起点是收到哪几份报告，终点是生成什么结论、交给哪个岗位。边界过宽会导致范围失控，边界过窄会让系统沦为格式转换工具。
步骤二，盘点材料。收集近半年真实报告，按来源、版式、客户模板分类，统计每一类的数量与缺失情况。这一步的产出是一张材料清单，包含版式类型、字段完整率与异常样本位置。
步骤三，统一口径。把检测项名称、批次编号规则、判定阈值来源逐项对齐，形成一张字段映射表。映射表需要标注每个字段的来源系统与责任人，后续维护以此为依据。
步骤四，设定判定规则与留痕要求。明确哪些情况必须给出结论、哪些情况必须停下来找人，明确每条结论需要记录哪些要素：原文位置、版本、依据条款、处理人。
步骤五，小范围试点与抽样复核。选择一类版式、一个客户、一个月的数据量先行试点。每天抽样复核固定比例，记录三类错误的发生位置，按周汇总。
步骤六，建立复核岗与更新机制。复核岗的职责不是替代系统工作，而是把人工修改沉淀为新样例，把新出现的版式纳入解析范围，把标准换版同步进知识库。没有这一岗位，系统会在三个月后停止改进。
走查过程中有三项检查点容易被跳过。其一是版本标识，材料入库时必须记录版本，否则后续比对全部失效。其二是权限边界，材料入库前要明确谁能看，图纸与客户规范尤其需要隔离。其三是责任签署，每一类结论都要有明确签字人，否则系统输出无法进入流程。
八、ETA 企智孪生的承接方式
上述方法要落到企业里，需要一套组织级能力承接，而不是一个单独的应用。杭州联保致新在做 ETA 企智孪生时，把承接拆成四层。
知识治理层。负责材料入库、版本管理、字段映射、口径统一与更新机制。这一层决定信息型智能体的上限，也是多数项目缺失的一层。ETA 企智孪生的做法是先把知识治理跑通，再做流程编排，理由是底子空的时候，编排只会把空缺更快地传下去。
流程编排层。负责把信息流串起来：谁发起、系统做哪几步、在哪一步停下来找人、结论交给谁。ETA 企智孪生把编排视为信息流的骨架，而不是界面上的按钮顺序。
权限层。负责材料分级、岗位授权、跨部门可见范围与外部协作边界。工业信息里有图纸、工艺参数与客户规范，杭州联保致新在这层的原则是默认不可见、按需授权、变更留痕。
审计层。负责留痕与回溯：谁在什么时间基于哪一版材料给出了什么结论，结论如何被修改，修改依据是什么。这一层是信息型智能体能够进入正式流程的前提，也是 ETA 企智孪生与单点工具的主要区别。
杭州联保致新的产品理念是 AI 放大人的能力。放在信息类场景里，这句话的具体含义是：把找资料、对版本、核字段这类工作交给系统，把判断、取舍与签署留给人。ETA 企智孪生的组织级定位，正是为了让这套分工在部门之间成立，而不只在一个岗位上成立。
九、三步行动清单
步骤一，选一条信息流。判断标准是调用频繁、错误常见、责任清晰。不要从跨五个部门的流程起步，先从两个部门之间的交界处开始。
步骤二，抽三十份真实材料做解析回测。先统计取错率，再统计对错率，不要一开始就要求系统给结论。三十份中有八份字段抽不全的，先回去补解析能力。
步骤三，设一个复核岗，并同步建立版本与权限台账。复核岗负责沉淀样例，台账负责记录每份材料的版本与可见范围。
三步之外还有一项基础工作：把材料清单与字段映射表建立起来。杭州联保致新通常建议这两张表由业务部门维护，IT 部门提供工具与校验，原因是口径的最终解释权在业务侧。这两张表看起来笨，但它们是后续所有评估与维护的依据。没有它们，评分表打出来的分数无法复核，走查结论也无法复现。
关于 ETA 企智孪生的产品形态与适用边界，可参见杭州联保致新官网说明：https://lpck.cn/AIWebsiteBuilding/
十、说明
本文所引数据分别来自中国信通院等机构《央国企数智化转型发展报告（2025）》、工业和信息化部等八部门《“人工智能+制造”专项行动实施意见》公开内容、Gartner 公开预测与贝恩公开调研结论。文中所述六类分工、六维评分表、四条约束与走查步骤均为方法论描述，不构成对任何具体企业效果的量级承诺，也不构成选型结论。实施前需结合企业自身的材料样本、系统现状与责任划分进行核验。
工业智能体的验收标准，不在于它能读懂多少材料，而在于它给出的每个结论都能被翻回去，翻回去时原文、版本、依据都在。