第一章..迈进人与智能体协作新时代.................................................................... 03 1.1 从工业时代到数字时代再到 AI 时代的组织转型 .........................................................03 1.2 人与智能体协作新时代的智能体组织关键新特征 .........................................................................................26 迈进人与智能体协作新时代 第五章..流程变革：AI 驱动流程管理变革进化路径................................................. 33 5.1 渐进式流程优化：厘清流程体系、流程数据洞察、流程优化迭代 技术突破应用边界、大模型能力渗透业务全流程，商业世界正经历 一场远超数字革命的组织范式重构——这不再是“技术工具的补充”，而是“价值 创造逻辑的根本变革”。从工业时代的科层制、数字时代的平台化，到如今 AI 时代 的“人与智能体协作”，组织形态的每一次跃迁，都源于生产力底层逻辑的重构。 本白皮书基于国内外头部企业的数智化转型实践，提炼出智能体组织的核心特征、 价值导向与破局路径，旨在为企业高层提供“可落地、可验证、可复制”的转型指南，

F 含 一 场景理解 物体理解 感知评估 协作决策 多机协同具身感知与推理数据缺乏 性 。模型 1 a 模型 2 能 群体协同规划冲突 群体感知不一致 协同 一、 低空研究背 景 二、 低空数据平 台 三、 低空感知大 脑 CONTEN TS 统计机器学习长期关注数据规模、 结构及分布与模型 泛化间规律 前提假设和静态度量失效 的 学 重 差 同 权 误 协 其 高 低 制 差 降 抑 误 体 会 体 个 习 个 协同性是群体协同的前提 ，低空协同学习能够降低贝 叶斯误差 里 joint= 里 modal 十里 task 十 里 model>0 低空协同学习 多维度群体协同 降低了贝叶斯误差 n 多维度与单维度的贝叶斯误差对比： n 低空场景复杂退化多模态数据严重制约感知效能 ， 导

级，联邦学习、可解释AI（XAI）等技术大规模应用，推动智能体误判 率显著下降。二是攻防对抗进入智能体博弈时代，攻防双方将围绕智能 084 中国工业和信息化 发展形势展望系列 体展开技术竞赛：防御端，多智能体协同防御体系广泛落地，通过分工 协作实现威胁预警、攻击拦截、溯源反制的全流程闭环；攻击端，AI生 成式攻击手段将更隐蔽，针对智能体的投毒攻击、逃逸攻击技术迭代加 速，推动安全企业加大对抗性训练技术研发投入。2025年4月，美国麻省 智能体可进化性带来不可 逆持续运行风险。2025年5月OpenAI的推理模型在安全测试中拒绝执行关 机指令，并在篡改代码后主动清理操作痕迹。三是多智能体协作的级联效 应使安全风险指数倍放大。2025年微软Copilot与Teams智能体协作时，攻 击者通过邮件触发Copilot漏洞，利用其协作权限窃取Teams加密信息。 （四）新兴技术融合应用带来全新安全挑战 数字化技术集群式爆发、融合发展，5G、物联网、人工智能、智

要说明. (1) 互动与呈现类智能体. 图表智能体: 支持自然语言生成图表, 自动查询并可视化展示数据, 适 用于 MES, APC 等系统. 具备查询解析、数据处理与图表渲染能力, 可与其他智能体协同展示分析 结果. 低程式码智能体: 响应用户的低代码开发指令, 自动调用控件构建报表、控制器等, 提升定制开发 效率. 依赖 LLM 理解意图并操作底层平台接口. (2) 数据处理与感知类智能体 能显著提升故障定位与根因分析的准确性; 分析智能体可针 对复杂系统进行因果分析与因素贡献度识别; 而决策优化与控制智能体则支持基于知识与数据双驱动 的参数推荐与策略选择, 有效提升工艺控制与运行优化的决策质量. (4) 智能体协同机制支持多层级自动化与智能化运行. 体系于业务应用层部署多种类型的工业智 能体, 包括图表智能体、感知智能体、分析智能体、诊断智能体、决策优化智能体与控制智能体等. 这 些智能体不仅具备独立任务执行能力 体, 软件能够感知数据变化并 自动调整参数, 实现优化操作流程与灵活的客制化功能, 推动工艺流程全面自动化. 此外, 为进一步探讨智能体协同机制的实现方式与潜在演进路径, 本文也对当前系统所采用的函 数调用机制 (function call) 与主流的智能体协同架构如 MCP (multi-agent collaboration protocol) 与 A2A (agent-to-agent)

对不同措施可能救援效果的推演能力 满足国家要求个性化预案的生成能力 次生衍生灾害处置等复杂任务的调度能力 IT 引 擎 ● 大数据治理平台 ·E GIS 多智能体协作 多智能体协作提升公共安全能力 构建大模型、深度挖掘小模型与技术方法能效，通过多智能体协作将大模型，灾害仿真模型、公共安全推理模型 、平台工具等多源能力进行融合，实现公共安全领域的数据分析、推演、内容生成与业务调度等能力。 “ 谊昆”大模型服务应急业务全场景

健康为中心，积极探索人工智能与医疗健 康深度融合的创新路径。我们自主研发了拥有全知识产权的“华西黉医”医学大模型，集成10余类通用模型 与50余类垂直领域模型，构建了覆盖诊前、诊中、诊后的多智能体协同服务体系。从预问诊智能体的精准分 诊，到生成式病历智能体的文书减负；从病历内涵质控的质量把关，到数字陪诊的全程陪护；从肺癌肺结节 和食管早癌人工智能辅助诊断系统的研发，到获得医疗器械证书——我们深刻认识到：人工智能不是简单 时优化推理效率。关键技术包括： 智能体平台通过NL2Agent技术将自然语言描述自 动转化为完整智能体，支持多智能体协同机制，如 肺癌MDT中协调影像、病理、基因等多专科智能体 整合生成综合诊疗建议。智能体运行引擎内置“智 能飞轮”，支持智能体边用边演进优化，并通过智 能体协议支持第三方工具即插即用，使智能体具备 调用院内系统服务接口、知识库等外部能力。 工具平台关键技术包括： 自助增训工具链：大小飞轮，模型精进 用”的闭环模式，让模型精度在真实业务流中持续 进化，越用越准、越用越懂临床。 多智能体平台：用AI智造AI 平台提供零代码智能体开发环境，针对开发人员， 仅需自然语言描述即可快速创建专属智能体应用， 并支持多智能体协同完成复杂任务。智能体可无缝 对接院内信息系统、数据库及各类第三方服务，同 时通过标准接口与上层业务系统融合，实现即插即 用。平台内置10余个常用工具，并开放对接主流搜 索引擎及开源社区应用，一键式加载即可使用。在

编者将追究其法律责任。 （一）工业智能体是赋能新型工业化的关键使能技术，应用落地 可释放显著颠覆价值。工业智能体具备环境感知、逻辑推理、任务规 划、工具调用、任务执行及多主体协同能力，已逐步渗透研发设计、生 产制造、营销服务、运营管理等工业全流程，推动智能制造从“自动 化”向“自主化”跨越，在提效降本、流程优化、价值创造等方面展现 出突出的产业变革作用。 （二） 力的智能系统。工业智能体则是专门为工业生产制造场景设计、部署、 运行的，以工业大模型为核心认知与推理引擎，深度融合工业知识图 谱、机理模型、领域数据与业务流程，具备环境感知、逻辑推理、任务 规划、工具调用、任务执行及多主体协同能力的软件系统或软硬一体 实体。 （二）工业智能体内涵辨析 工业智能体是推动“人工智能+制造”迈上新台阶的关键驱动技术， 它并非脱离现有人工智能赋能制造业轨迹，而是对其的深化与超越。 五、我国发展工业智能体的建议 （一）筑牢技术创新根基，提升工业场景适配能力 一是探索搭建国家级协同创新平台，以重大科技专项、“揭榜挂 帅”等机制为抓手，重点攻关工业机理与智能体决策模型深度融合、轻 量化部署、多智能体协同适配等核心技术，破解泛化能力不足、实时响 应不达标、跨系统协同冲突等落地难题。二是构建工业级场景验证闭 环，搭建典型复杂工况测试平台，围绕极端环境、突发故障等场景，验 证工业智能体运行稳定性

ChatGPT 诞生以来，人工智能发展进入爆发期，GPT-4o、V-JEPA 2、OpenClaw 等多模态模型、智能体和具身智能前沿领域快速迭代， AI 技术从“序列预测”走向世界模型、从智能对话到智能体协同、从虚 拟智能走向物理 AI，并展现巨大的社会经济变革潜力，驱动制造业 智能化从以判别分析为主的“自动化智能”向具备自主决策与生成能 力的“自主化智能”演进，这一过程中实现了三个关键转变。一是从单 时间和运营风险；美国软件技术企业 LogicMonitor 的 AI 智能体能主 动分析设备运行数据，确定故障原因并给出解决方案，使警报减少 80%。 2.多智能体协同实现复杂工业流程调度和全局资源优化 在单智能体的自主执行与决策能力基础上，多智能体协同系统通 过多主体间的信息交互、能力互补与任务协同，突破单智能体的能力 边界，目前行业内已形成两条成熟的技术落地路径：一是“中心协调 器+多个执行智 “听懂”彼此。二是面对设计中“既要性能好、又要成本低”的多目标难 题，建立需求、方案、仿真、排程、根因分析的多智能体协同机制， 寻求最优设计策略。三是将产品生产、在役阶段的质量、维保、用户 反馈等数据进行沉淀并回流至设计阶段，用来修正最初的设计参数和 材料选择，推动模型与策略在全生命周期的持续进化。例如麻省理工 团队采用多智能体协作框架，整合了“视觉－语言”模型用于草图风格 工业智能创新发展报告（2026 年）

.......... 18 （一） 国际视角：技术引领与生态开放并行.................................................19 （二） 国内发展：多主体协同与自主生态构建.............................................20 五、 AI 计算节点未来趋势............................ 件-生态”综合体系竞争的关键跃迁。国际竞争围绕生态主导权展开， 呈现出技术垄断与开放协作两条路径。国内 AI 计算产业立足自身市 场条件与发展需求，探索出一条通过系统级架构创新弥补单点短板， 以开放兼容策略融入国际主流，借多主体协同加速构建自主生态的特 色发展路径，推动产业生态从“可用”到“好用”的稳健升级。国内 外 AI 计算节点产业生态对比如下： 表 1 国内外 AI 计算节点产业生态对比 对比维度 国际产业生态 通过联盟等形式深度合作。 来源：IDC，中国信息通信研究院 （一）国际视角：技术引领与生态开放并行 AI 计算节点作为支撑 AI 训练和推理的核心基础设施，产业生态 围绕生产类与应用类两类核心主体协同构建。生产类企业聚焦硬件研 发、标准制定与设备供应，筑牢计算节点底层支撑体系。应用类企业 侧重计算节点架构下的算力部署、场景落地与服务输出，加速技术商 业化转化。 1.生产类主体：筑牢技术壁垒、主导标准制定

差异大、多 智能体协同交互难、空地跨视角差异显著等难题。 实现智能无人集群多智能体空空、 空地协同感知与进化 智能无人集群协同感知与进化难 海河天眼基座模型 智能无人集群协同感知开放数据平台 + 集群空空 / 空地协同平 台 数据与平台支撑 智能无人集群协同感知与进化技术 空地跨视角差异显著 多源目标表观差异大 通用表征学习能力弱 多智能体协同交互难 挑 战