2026年是智能体爆发元年，产业升级步入到从'数字化转型'迈向'数智价值创造'落地的新阶段。根据IDC预测，到2031年中国工业智能体市场规模将达到3.5万亿元，年复合增长率超过135%，展现出巨大的发展潜力。

　　2024年国务院常务会议审议通过的《制造业数字化转型行动方案》也曾明确提出，制造业数字化转型是推进新型工业化、建设现代化产业体系的重要举措，为工业智能体的发展提供出明确的政策导向。

　　智能体热度攀升，安全可靠是产业级落地的底线

　　工业智能体快速崛起，背后是工业数字化转型进入深水区的必然需求。

　　一方面，传统信息化建设、初步数字化转型已解决了"数据有没有"的问题，但演进至今面对复杂工业场景时，仍普遍存在数据割裂、数据孤岛、数据质量差、决策依赖个人能力、知识经验无法复用等诸多痛点。另一方面，大模型技术进化推动了AI Agent智能体从技术概念走向场景落地，令"模型即服务"快速进化"Agent即服务"的新纪元，这为工业智能化升级降低了技术进入的门槛。

　　从国双实际落地大量智改数转项目经验来看，现阶段技术的迅猛前进并未给工业级智能带来明显的实质性变革，原因在于面向对准确性及严谨性要求较高的产业领域，模型算法虽显著进步，但一旦进入专业判断领域就难逃挑战。其痛点现阶段仍大部分卡在“智能以前”——即工业场景数据散乱、专家经验隐性化等等“老生常谈”的问题：例如各类企业留存文档仍存在大量不规范表述，大量知识经验未能被系统记录留存，导致再有能力的AI模型也无法通过充实准确的数据资源自动生成可靠的判断标准。这恰恰说明工业智能体的核心不全是"算力算法"，而更多应是"知识及数据沉淀及可持续的运营管理"，只有扎实的解决了专家知识沉淀和可靠数据集这个看似基础的部分，才有可能让智能体、特别是严肃产业可用的智能体得以发挥。

　　我国具备全球规模最庞大、门类最齐全、配套最完善的工业体系，具备西方技术从未适配过的丰富、复杂的业务场景，以坚持以自主可控、安全可靠的方式跑通数据及流程，以自立自强导向的体系化数智技术落地方为可行路径。这也是国双仍在深耕场景，坚持以“慢就是快”的方式持续积累以数据、知识为核心的全栈技术体系的动因。同时在深入场景需求的过程中，国双团队愈加确认以深入场景的实践经验反哺自研技术才有可能切中我国工业智能体可落地应用的基础需求。

　　深度参与知识构建的行业专家，是工业智能落地的引路人

　　首先针对工业场景数据分散、标准不统一、无法满足应用的痛点，国双COMPaaS数智底座的大数据平台软件，支持多源异构数据采集、清洗、转换、流批一体计算、标准合规治理、安全可信分享、资产化运营的数据全生命周期能力，可助力企业和组织实现核心数据资产沉淀、标准合规治理与安全可信应用，为工业智能体孵化及部署提供高质量、可信任、可追溯的可用数据集基础。

　　其次针对工业知识专业性强、隐性强无法有效提炼的特征和痛点问题，国双COMPaaS数智底座的知识智能平台软件结合图技术、模型技术和AI智能等，提供全面的知识工程管理和工具链，可将专家经验、技术文档、业务系统中的行业 KnowHow 进行结构化抽取与关联，构建行业知识库与工业模型库，让显性与隐性的专家经验，转化为工业智能体的 “决策大脑” 与 “规则引擎”。

　　与行业内单纯强调算法能力的方案不同，国双选择"业务专家引领，技术为场景服务"的理念，认为工业智能体的核心不能仅局限于于算法升级和模型迭代，还需要不断沉淀和积累行业数据、知识，并持续对数据和知识进行有效地治理，才能支撑解决企业真实业务问题的高效决策能力。目前根据国双在实体工业的项目实践，也屡次印证了"专家知识+高质量数据"双轮驱动模式的可落地性及价值：

　　例如在某大型装备制造央企的数据要素化项目中，国双专家团队为解决好该制造企业的核心痛点，先深入理解并结合企业顶层战略，后逐步开展有整体路径和实现步骤规划的体系性工作，而非仅着眼于单点式的数据管理平台建设。围绕与客户双方共识的具体事项，国双专家团队选择以组织战略对齐、业务场景深度挖掘为牵引，构建覆盖数据标准建设、数据质量管控、安全合规治理及资产可信共享的全链路数据管理体系，助力该非数字原生制造企业搭建高效、稳定的数据治理架构。

　　结合以专业领域知识图谱、领域知识库、智能化模型等多技术栈融合方案为作为重要支撑，国双依据事件行为的发生场景打造工业场景智能体，关联场景必需的数据、知识要素，将经典的数据治理范式提升为打通数据要素准备通道。确保动静态数据始终围绕业务活动服务，并逐步完成数据“萃取提炼”的过程——即从数据升华为知识，从知识再抽象为模型。正是这种可持续的专家陪跑服务模式，才能从数据治理到为安全可信智能体的打造奠定下坚实基础，并铺就出创新路径。

　　数据可追溯+知识控制，是安全可靠的可信来源

　　事实上在工业智能体的落地实践中，数据的全链路可追溯及知识体系精准构建是解决实际问题的关键点。

　　以当下较为普及的“智能问答”方案为例来看，这其实是当下AI技术落地最直观的形态之一。“智能问答”可有效将沉淀的行业知识、治理后的高质量数据转化为可直接复用的业务能力，高效响应业务场景中的需求。但一旦将“智能问答”融入工业生产设备维修这一常见高频场景时，其复杂度即显著提升，出于安全保障等考量，就必须将专业度、精准度要求提升到更高水平。

　　依托于国双严谨构建的领域知识图谱、标准化行业知识库，结合阅读理解与知识抽取技术来打造智能问答体系，就可实现针对设备维修中的各类问题快速给出精准答案，并且答案背后的知识来源、数据依据均可实现全链路追溯，均可确保每一个解答都有迹可循、有据可依，将知识与数据转化为支撑工业现场决策的实用能力。

　　依托数据和知识的问答效果，国双解决方案可精准切中要点，

　　且可通过数据追溯确保知识的可信度

　　相比之下，若采用单一大模型方案，则充斥着知识冗余繁杂与信息不可靠的问题。不仅无法提效，反而可能为决策制定推高信息理解门槛，给专家决策带来更大工作量。尤其在工业生产设备维修这一对专业度、精准度要求极高的核心场景，单一大模型方案往往需要大量人工二次分辨与判断。

　　在工业生产设备维修这一对专业度、精准度要求极高的核心场景，

　　单一大模型智能问答体系包含大量需要人类二次分辨和判断的信息冗余

　　依托国双自研的大数据平台软件和知识智能平台软件所形成的技术优势，在问答精准度、数据可追溯性、知识专业性上均呈现出显著差异。

　　简言之，当下大模型技术虽然极大推动了智能体技术演进，但其根源脱离不开“专家知识 + 高质量数据”的前提基础，这才是让工业智能应用贴合专业场景所需的可信保障，而远非单纯的算法技术和模型能力。而借数据治理与知识体系构建的核心能力，国双可让智能问答在工业设备维修场景中实现 “精准作答、有据可依、专业适配”，有效发挥工业智能体的技术价值。

　　当前我国传统工业已经步入数智化转型纵深推进的跃升通道，其中工业智能体作为新型工业化的重要组成，发展可能性的空间极为广阔。未来，国双也将继续沿自有技术路线及服务理念完善工业智能技术体系，沉淀更多的行业标杆成果。

　　与此同时，国双更愿与广大企业客户及生态伙伴一道，共同探索工业智能体自立自强的创新路径，为推动我国制造业高端化、智能化、绿色化发展，加快建设制造强国贡献方案。我们相信，只有真正筑牢行业知识和可信数据这两大核心底座，工业智能体才能在丰富工业场景的沃土中茁壮成长，为融合升级释放出可落地的价值。