2026 年 7 月 10 日，“OFweek 2026（第七届）中国智能制造产业大会”在深圳举办，山东恒远智能科技有限公司副总经理赵朋带来《基于本体大模型引擎驱动的工业级AGI 解决方案》主题演讲，强调企业级AI落地的核心诉求已从“模型性能突破”转向“实际价值落地”，直击当下工业大模型落地“幻觉频发、规模化难、业务适配弱”等行业痛点。
演讲结束后，OFweek维科网对赵朋展开专访，围绕工业 AI 落地瓶颈、本体技术价值、工业软件架构变革、工业 AGI 发展路径、场景落地节奏与企业未来布局六大角度深度对话，试图为制造行业拨开工业AI 规模化落地迷雾。
▲赵朋，山东恒远智能科技有限公司副总经理
一、两大核心瓶颈，困住工业AI规模化落地
OFweek：像您刚台上说，目前大模型快速渗透工业赛道，但从技术验证和规模应用仍有较长距离，就您一线落地观察来看，制造企业推进工业AI 规模化落地，最核心的挑战是什么？
赵朋：我认为主要有两个挑战，第一个挑战源自大模型自身的机制，造就了它本身就是一个概率性的东西——通用大模型依靠概率生成内容，输出无法做到 100% 准确。
但制造业是大批量连续生产场景，对工业来讲一定是要求完全准确的。任何一次错误输出都会引发连锁生产事故，带来大量的成本损失。
OFweek：且这个影响是连锁性的。
赵朋：对，所以必须要去控制这个问题，如果“幻觉”无法被降低或消除，那么大模型在工业场景中的应用就是一个伪命题。
第二个就是模型漂移引发的能力泛化失效，不少企业斥资打造专属AI 应用，但是发现随着时间的推移和生产环境、工艺参数、订单结构等变化，模型性能快速下降，逐渐无法满足生产需要。
所以这两个问题不解决的话，大模型其实很难在工业场景中进行大规模的这种推广。
OFweek：总结来说，就是“结果不确定”与“能力不稳定”，是目前工业AI 规模化最大的两道门槛，且它的试错成本其实是很高的。
二、AI重构工业软件底层架构，行业竞争从工具走向智能平台
OFweek：过去二十余年，制造企业信息化建设以ERP、MES、PLM 等这些系统来展开。伴随大模型、AI Agent发展，工业软件从数字化管理走向智能化一个协同，您认为AI 将如何重塑工业软件底层架构与应用模式？
赵朋：这个问题刚才在我的演讲当中可能也提到了，基与目前AI的这种发展，可能会完全的颠覆掉整个工业软件的架构。
OFweek：彻底颠覆？
赵朋：对，完全颠覆掉，为什么这么讲？AI 会彻底颠覆传统工业软件的代码式架构。传统的软件其实是通过大量代码去描述业务的，大量代码构建出一套完整的软件，一方面把原有的业务过程固化掉了，但是企业的业务是在变化的，每一次变化都要去调整软件，可能要进行新的二次开发，然后发布周期也很长，这就意味着这个软件的响应速度远远不能满足我们企业业务动态变化的需要，这是第一个点。
第二个点是代码有一个很大的问题，就是代码是没有办法被大模型所理解的。大部分AI 可以写代码，但是它不知道它写的是什么意思。
软件本身构建的这一套企业业务逻辑，没有办法被大模型理解并且去支持它的推理，就意味着我们必须颠覆掉传统的这种代码开发的方式，要用一种全新的架构来解决这个问题。
OFweek：像您说的，工业它的业务是随时在变化的，AI它能够跟得上这种变化吗？
赵朋：必须跟上。AI 天然具备泛化推理能力，就是在应对变化的，因为你看AI 其实某种程度上它是一种概率性的推理，也就意味着说它本身推理的能力是完全泛化的。
你给它的任何输入，其实它都能帮你去预测到下一个结果。当然这里面可能存在一些概率的问题，即使它不知道，它可能也会给你一个错误的答案，但是某种程度上它确实是一个非常泛化的能力。
OFweek：AI 的泛化推理能力，它的推理变化也需要通过人工来确认？
赵朋：对，且是非常重要的，现在一个词很火，叫做“驾驭工程”，是大模型本身的能力放在这里，但它是没有边界的，没有范围，没有办法约束自己，我们就必须通过一套全新的软件架构来来约束大模型的边界，约束它的能力。我们一定要让它这种本身相对比较泛化的能力，能够专注在专业领域，让AI 在专业领域输出精准结论。
OFweek：这也是解决准确性的一个思路，不能仍由它天马行空。
赵朋：对，不能天马行空。
三、本体技术让大模型读懂真实工业业务
OFweek：工业场景对结果准确性、运行安全性、决策可解释性要求严苛，您本次演讲重点提出“避免工业幻觉，实现确定性执行”。恒远为何选择本体技术作为增强工业 AI 的核心路径？本体技术如何帮助 AI 理解复杂工业业务？
赵朋：我觉得这是个好问题。软件发展了几十年时间，软件本身就是写的代码，比如说 Java、C#，就是一种形式化语言，它有本身比较强的逻辑，只能描述我们的业务逻辑，却无法让大模型理解我们的业务。
所以我们必须要找到一个方法——大模型天然对于语言数据是非常好理解的，因为它是从语料数据训练出来的——我们就要找到一套方法，怎么能够把我们的业务通过元数据的方式来进行表达。
海外已有成熟参照，Palantir 依靠本体建模实现复杂业务逻辑结构化，我们将这套思路落地工业领域。通过本体的方式，能够通过系统化的建模，很好地帮我们把业务逻辑转换到大模型能理解的语言里面去。
OFweek：简单来说，代码是写给程序员看的，本体是写给大模型看的工业业务词典，让 AI 看懂工厂真实运转逻辑，从根源减少没有依据的错误推理。
OFweek：您刚才说到大模型通过大量数据来训练他们，像不同的行业或者说不同的领域或者不同的公司，其实业务可能会有很大的区别，是不是每一个公司都需要投大量自己的数据去训练一遍大模型？
赵朋：其实这是我们的这套平台要去规避的一个问题。现在确实有一个方向是做垂直类大模型，训练出一个符合行业认知的大模型，但是成本很高，时间周期也很大。
恰恰我们这套本体模型驱动的架构具备优势——企业无需投入海量行业数据重新微调大模型，只需通过本体抽象行业专属知识、业务逻辑，直接复用通用大模型的基础能力，这样就避免了训练的过程，也直接降低了门槛。
四、工业AGI是下一代工业软件核心，自主智能体是本质分水岭
OFweek：“工业 AGI”已成为行业热点探索方向，工业 AGI是如何定义的？它和传统工业 AI 的本质区别是什么？
赵朋：应该说从效果上区别会非常大。首先，工业AGI目前还是没有一个非常明确的定论，那只是一种大家的畅想，通用智能还是一种愿景，但行业基本形成共识，就是工业AGI一定是要有工业智能体的能力的。
智能体它的特征是什么？就是它能够完全自主闭环、自主执行。像传统 AI，还不能称之为自主执行，因为它处理的很多业务流程还是人提前固化编排好的，这就造成它某种程度上是流程驱动的，而不是自主驱动的，不是在智能驱动，这是一个非常大的差异。
OFweek：下一代工业软件会是工业AGI吗？
赵朋：我认为一定会是的，因为传统的软件加AI的这种方式，一定是解决不了企业存在变化的这种需求。
五、分三阶段落地工业AI，人机协同先行渗透企业核心业务
OFweek：结合恒远科技在智能装备领域的实践经验，像数据员工、智能分析这些它会如何进入企业的业务流程。
赵朋：像数字员工、智能分析这种应用或者智能体，它们进入的方式一定是人机结合的。因为早期存在可信可控的问题——工业对于准确率的要求是相当严格的，意味着如果有 1% 的可能性会存在问题，那也是不可被接受的。
所以前期一定是人和机器协同，智能体可能更多地发挥一种推理决策输出方案的作用，而人来做评审、做最后把关。
OFweek：未来几年哪一些工业场景会率先实现AI的一个规模化应用？
赵朋：我们认为场景一定是分阶段的。
早期我们提出了一种识别场景的一套方法，这个规则就是“高频、高价值、低风险”，这是一个前提。因为只有符合这几个特征，我们的场景做出来才具备意义，才能带来回报。
第二个点就是标准化、固化场景，这个部分是符合当下的特征的。当下很多企业上了很多的系统之后，做系统+AI的方式，我们认为符合这种特征的场景一定会先进行尝试。但是说实话，这些场景短期能给企业带来一定的价值，但从长期的角度来讲，可能还是非常受限的。这是第一个阶段，很多企业已经开始尝试了。
第二个阶段就是工业 AGI 方向的一些场景应用。这些场景一定面对的是动态变化的场景，因为它们本身就很复杂，而这种复杂性带来的不确定性，会给企业带来大量的前期决策成本和管理成本。
这些场景体现在中上层业务管理中，比如供应链管理、生产管理层面。按照我们本体驱动的这套架构，在第二个阶段这些场景将会很快发挥能效，给企业带来大量价值。
第三个阶段可能会更深入，具体到企业当中的实际操作和实际作业岗位，有可能会跟具身智能或者自动化的一些东西进行更好的结合，在一线场景里面发挥更直接的作用，但这个部分风险也确实是最高的。
六、行业竞争转向智能平台化，恒远三步走布局工业AGI全链路
OFweek：未来 3-5 年，工业软件行业竞争重心将发生怎样变化？
赵朋：这个跟我们前面说的软件架构的变化息息相关。传统的软件只能做单点工具性智能应用，那接下来随着行业的发展，一定会从这种单点工具性的应用转到“平台加智能”的方向。
OFweek：怎么讲？
赵朋：你看我们今天介绍的整个恒远科技的本体模型驱动的这套工业引擎，这套架构提供的是一套平台能力，面向的是泛化的场景。也就是说，一旦我的平台能力与大模型结合进入到一个企业当中，它的能效其实是会无限放大的，而单点的场景其实只能去解决单点的问题。
OFweek：那恒远科技在工业AI底座、行业模型以及智能制造应用方面有哪些重点布局？
赵朋：目前基于我们这套新的架构，我们已经能够看到一个很大的爆发市场，从场景上来讲，我们可能也会去走几个阶段，第一个阶段24年到26年以前，我们也是在做一些单点的些尝试，现在相当于进入到了一个新的阶段，将会利用这套架构来去提供基于平台的智能泛化能力。
第二个阶段，是帮助企业真正实现业务智能。
第三个阶段我们可能进入到具身智能的范畴了，要深入到一线场景，根据具身的应用，跟我们大模型应用能力结合起来。
OFweek：做具身的大脑吗？
赵朋：对，你可以理解成具身智能是做小脑，我们提供的服务是做大脑，最终的场景是大脑指挥，小脑驱动具身的躯体。
OFweek：好，最后聊一下咱们目前这一块的业务增长是不是很快？
赵朋：相当快，目前需求爆发状态，不像以前缓慢增长，现在是爆发式。传统工业软件仅能完成数字化记录，但是我们平台所提供的能力是什么？
是在帮你构建传统式化数字化需求之外，我们还天然原生式地为你提供 AI 能力，这对企业的吸引力其实是非常强的。
所以接下来我们要联合更多的伙伴，从生态的角度来延伸我们和扩张我们的能力。
如需联系我们请在公众号对话框点击“商务合作”
更快获取更多智能制造、工控行业最新行业资讯，请关注“维科网智能制造”公众号。
精彩推荐
