解读中国工业互联网研究院PPT：人工智能赋能新型工业化实施路径研究

六级架构：把制造业数智化转型拆成六个台阶

课件给出的转型底图是一条从L1到L6的六级架构。L1设备单元、L2产线、L3车间、L4工厂、L5企业、L6生态，每一级都对应不同的业务范围和技术要素。前三级更多在物理设备与控制层打转，后三级则进入经营管理与产业协同。

这句标题背后，其实是从单个机器到整个产业链的跨度。横向看，每一级都涉及平台化设计、智能化生产、网络化协同等模式；纵向看，数据要从底层设备一路往上汇，模型和智能体则从上层决策一路往下沉。对读者来说，先给自己的企业定位在哪一级，后面的投入才有坐标。

五步方法论：从数据勘察到场景赋能的操作顺序

第二条主线是实施路径方法论，一共五步。第一步开展数据勘察，归纳总结不同场景或层级下的数据类型；第二步针对不同数据类型个性化建设高质量数据集；第三步结合模型训练与推理需求部署智能算力；第四步根据数据和场景需求构建人工智能模型；第五步部署工业智能体赋能具体场景。

这五步不是并列关系，而是有先后的依赖。数据没勘察清楚，数据集建设就是无源之水；算力没跟上，模型训练和推理就卡壳。课件把顺序摆得很直白，相当于给企业画了一张先干什么、后干什么的顺序表。

分层落地：不同层级配不同的模型与算力

课件最有信息量的部分，是把每一级的模型规模、算力需求和部署方式都列了出来。L1设备级以轻量化小模型为主，训练算力在1TFLOPS以下、推理在1TOPS以下，主要走终端或边缘侧部署，支撑故障诊断、工艺优化、寿命预测等场景。

L2至L3产线与车间级，小模型训练算力需求在10TFLOPS以下、推理在5TOPS以下，仍以边缘侧部署为主，但工控代码生成这类场景会用到1B-30B的大模型，走端侧与云端协同。L5企业级则反过来，以大模型加小模型结合，算力需求抬升到1PFLOPS训练、5000TOPS推理以上，主流部署在云端或云边协同。算力需求从L1的1TFLOPS以下一路拉到L5的1PFLOPS以上，跨度接近三个数量级。这种分层配置的思路，避免了所有层级都堆大模型造成的资源浪费。

数据勘察：先摸清家底再谈数据集

课件对每一级的数据勘察都给了特点归纳和举例。L1设备单元级数据的特点包括实时性强、动态变化大、多源异构、价值密度低。比如风力发电机组全天候产生TB级高频时序数据，但仅有极少数片段包含轴承早期故障特征，99%以上都是平稳运行数据。

这句话点出了工业数据的痛点。到了L2至L3产线与车间级，数据体量大成为突出特征，半导体晶圆制造产线数百台设备每秒生成数千个工艺参数点，全天数据量可达TB级。L5企业级数据则强调战略导向、业务规则驱动、安全合规和全域覆盖价值链。不同层级的数据脾气不一样，采集和治理的策略自然也不能一刀切。

三个案例：智能体在设备、产线、企业怎么用

课件用三个典型应用案例把前面的方法落地展示。设备管理智能体面向设备全生命周期管理，合肥某制冷工厂案例中，使用后设备平均维修时间由120分钟降为40分钟，效率提升300%。工业PLC代码智能体解决传统PLC编程门槛高、周期长的问题，支持自然语言驱动编程、代码一键解释和自动补全。

经营管理智能体方面，金蝶开发的智能体帮助企业财务结算效率提升40%以上，人力配置合理性提升30%，供应链库存周转天数减少25%。这三个案例分别落在设备、产线、企业三个层级，恰好对应了六级架构中段到上段的位置。案例里的成效数字虽然各有口径，但都指向同一个方向：智能体正在把原来依赖经验的活儿变成可测可调的流程。

发展建议：数据集、评测体系和T形新范式

第三部分给出三条发展建议。第一条是建设工业高质量数据集，推进分级、分类、分环节的多维目录框架，依托可信数据空间打通供给方、需求方和服务方的协同链路。第二条是打造工业智能体应用评测体系，分行业、分层级梳理大模型工业应用场景，建立数据集、大模型、智能体协同的评测闭环。

这条建议提出构建新型T形架构，横向以工业互联网生态平台为依托，纵向贯通各层级智能体，从设备数据采集到企业经营管理形成一条柱状支撑。这种T形结构把平台生态和层级智能体绑在一起，比单独谈平台或单独谈模型更容易在企业内部找到落脚点。

这组数据把课件里散落在各章节的算力需求集中起来看。L1设备级的训练算力不到1TFLOPS、推理不到1TOPS，L2至L3产线车间级训练不到10TFLOPS、推理不到5TOPS，其中工控代码生成因为要用1B-30B的大模型，训练算力跳到10到2000TFLOPS。L5企业级则直接进入PFLOPS级别，训练超过1PFLOPS、推理超过5000TOPS。 算力需求从设备级到企业级跨越了大约三个数量级。这种跳变不只是硬件投入的问题，它直接决定了部署方式：低算力层级可以放在终端和边缘侧，高算力层级必须走云端或云边协同。

这组数据来自课件中两个案例的成效描述。设备管理智能体在合肥某制冷工厂，把设备平均维修时间从120分钟压到40分钟，课件表述为效率提升300%。经营管理智能体方面，金蝶开发的智能体帮助企业财务结算效率提升40%以上，人力配置合理性提升30%，供应链库存周转天数减少25%。 两个案例一个在设备侧、一个在企业经营管理侧，改善指标也分属运维、财务、人力、供应链不同环节。这些数字可以作为同类场景的粗略参照，但具体改善幅度还会受企业原有基础和数据质量影响。