业认知理解与认知壁垒构建时，正向工程尤为重要。因此，软硬 融合只是起点，通过具体实践，打磨并优化软硬件产品的性能、 适配性才是重点。具体，可持续关注工业富联在2021年联合凌 云光推出的全自动机器视觉检测新设备的后续发展情况。 Q2：软硬融合之路是唯一解吗？--- 不，打造绝对优势产品是关键  西门子、达索等国际龙头企业都是以占据绝对优势的产品起家， 然后通过收购、投资、生态等方式在上面添砖加瓦，逐步形成自 己的全套解决方 数据挑战：1）数据质量和数量不足。工业领 域数据存在噪声大、缺失值多、格式不统一、 标注困难等问题，而高质量的数据是训练有效 智能体的基础。2）大模型需要能够处理流式 数据。  模型挑战：大模型的可解释性需进一步提升。 Q2：如何理解工业智能体？  定义：当使用正确的数据进行AI模型训练后， 工业智能体可能能以类人的方式执行特定任务。 因此工业智能体能够智能地代表和管理工业企 业的功能和能力。  驱动方式：工业智能体可以用workflow驱动， （如立项申请），还有很庞大的可想象空间，因此 市场上几乎对各个核心环节都进行了探索。当前比 较热的场景探索主要聚焦于大模型的代码辅助、文 本生成、参数优化等能力，故在辅助设计、营销管 理、设备管理等场景的探索热度较高。 Q2：如何看待大模型对制造业数字化转型市场的影响？  短期来看，市场仍然以大模型的落地探索为主，市 场竞争格局不会发生较大变化。但大模型的出现有 可能会加速市场竞争格局的变化，加速点是大模型 是否