小明 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

只用一周，一個(gè)相當(dāng)于人類20年經(jīng)驗(yàn)的“數(shù)字技術(shù)工人”——基于時(shí)序大模型和Agent的智能體，就能直接上崗

時(shí)至今日，在化工、環(huán)保、新能源等工業(yè)生產(chǎn)場景中，這類數(shù)字技術(shù)工人已經(jīng)不再是“概念演示”，而是已經(jīng)真正承擔(dān)起生產(chǎn)操作、安全控制、能源管理等關(guān)鍵任務(wù)。

能勝任的場景也并不輕巧：動(dòng)態(tài)合成氨、電解水制氫、垃圾焚燒發(fā)電……都是工業(yè)體系里最復(fù)雜、最依賴經(jīng)驗(yàn)積累的環(huán)節(jié)。這些過去需要老師傅級(jí)別的專家才能把控，而如今正逐步被AI驅(qū)動(dòng)的數(shù)字工人接手。

原因也很現(xiàn)實(shí)：經(jīng)驗(yàn)豐富的專家越來越稀缺，而精細(xì)生產(chǎn)要求卻越來越高?，F(xiàn)在，這個(gè)空白則可以用數(shù)字工人填補(bǔ)。Ta不僅能馬上學(xué)會(huì)工藝，還能把老師傅的經(jīng)驗(yàn)和思考裝進(jìn)算法里，迅速成長為更穩(wěn)定、更可靠的生產(chǎn)“骨干”。

至于為什么Ta能上崗如此之快？

秘訣就在于：數(shù)字技術(shù)工人們并不是到崗后才開始學(xué)習(xí)，而是在上崗前就已經(jīng)完成了大量預(yù)訓(xùn)練積累，掌握了多種工藝流程，就像是進(jìn)入了一個(gè)系統(tǒng)化的工程師訓(xùn)練營一般。

所以，Ta一到崗就能迅速融入生產(chǎn)現(xiàn)場，直接執(zhí)行任務(wù)。這種“可復(fù)制、可擴(kuò)展、不會(huì)疲勞”的數(shù)字技術(shù)工人正在成為工業(yè)智能化轉(zhuǎn)型中的關(guān)鍵角色。

這到底怎么一回事兒？

讓Agent成為工廠老師傅

如上所說的“訓(xùn)練營”，其實(shí)是由國內(nèi)AI團(tuán)隊(duì)打造的一個(gè)工業(yè)智能體平臺(tái)：河谷

它所構(gòu)建的智能體就像一名“數(shù)字技術(shù)工人”一般，在工業(yè)生產(chǎn)環(huán)境中“會(huì)聽會(huì)看、會(huì)思考、可行動(dòng)”，即具備感知、認(rèn)知&決策和執(zhí)行的能力。

△旨在將Agent技術(shù)工人融入生產(chǎn)管控的關(guān)鍵節(jié)點(diǎn)中

其中，感知（Perceive）是指能實(shí)時(shí)獲取車間或生產(chǎn)系統(tǒng)狀態(tài)，比如各種傳感器的數(shù)據(jù)、業(yè)務(wù)指標(biāo)等。具備這項(xiàng)能力，Agent就能像人類一樣不僅能獲取原料編號(hào)、生產(chǎn)指令、庫存需求這種生產(chǎn)級(jí)數(shù)據(jù)，更能時(shí)刻感受到溫度、壓力、流速等這類影響生產(chǎn)決策的核心數(shù)據(jù)指標(biāo)。

認(rèn)知&決策（Think&Decide）則是關(guān)鍵部分，其核心是利用大模型的能力，通過導(dǎo)入生產(chǎn)與工藝知識(shí)后，輸出生產(chǎn)管理決策；在這方面，Agent有一個(gè)基礎(chǔ)能力庫，底層由多種模型構(gòu)成，包括人們熟知的大語言模型和工業(yè)時(shí)序大模型等專業(yè)模型。

執(zhí)行（Act）則是能夠“上手”操作工業(yè)軟件系統(tǒng)以及硬件設(shè)備，就像真人一樣控制、調(diào)度或操作任務(wù)。

具備如此能力的智能體，可以承擔(dān)實(shí)際生產(chǎn)環(huán)節(jié)中的諸多崗位。

結(jié)合工業(yè)生產(chǎn)的特點(diǎn)——行業(yè)不同但是基本環(huán)節(jié)相似，河谷平臺(tái)率先推出了一批最通用崗位的“數(shù)字技術(shù)工人”。比如：

• Agent設(shè)備操作員：設(shè)備啟停、參數(shù)調(diào)整、波動(dòng)響應(yīng)等；
• Agent工藝班長：決策工藝策略，如生產(chǎn)調(diào)度、工藝方案優(yōu)化等；
• Agent能源管理員：監(jiān)控能耗、調(diào)整用能策略、達(dá)成節(jié)能指標(biāo)等；
• Agent安全員：監(jiān)控設(shè)備運(yùn)行狀態(tài)、處理設(shè)備報(bào)警、預(yù)測性維護(hù)與故障輔助診斷；
• Agent計(jì)劃員：制定生產(chǎn)計(jì)劃、原料計(jì)劃、檢修計(jì)劃等；
• 支持工廠客戶自定義的Agent角色。

在工廠里，“數(shù)字技術(shù)工人”已經(jīng)不再是概念，而是可以按需選擇、隨時(shí)上崗的新型角色。

比如，一些傳統(tǒng)化工廠正在普及綠色合成氨工藝，以實(shí)現(xiàn)碳中和的重要目標(biāo)。而雖然生產(chǎn)過程綠色低碳，生產(chǎn)綠色合成氨帶來的挑戰(zhàn)也很現(xiàn)實(shí)：上游能源供給波動(dòng)大、電化學(xué)催化劑的狀態(tài)難以實(shí)時(shí)監(jiān)測，使得整個(gè)過程復(fù)雜、對(duì)動(dòng)態(tài)工況的響應(yīng)要求極高。更何況，在業(yè)內(nèi)普遍認(rèn)知里，化工生產(chǎn)本身就是工業(yè)體系中最復(fù)雜、最難做到精準(zhǔn)控制的場景之一。

過去，連續(xù)生產(chǎn)主要依靠控制系統(tǒng)加上人工配合DCS（分布式控制系統(tǒng)）控制干預(yù)來維持穩(wěn)定，但波動(dòng)的可再生能源不斷帶來生產(chǎn)擾動(dòng)，生產(chǎn)穩(wěn)定性安全性要求不斷提升，傳統(tǒng)方式逐漸顯得力不從心。此時(shí)，數(shù)字技術(shù)工人Agent便能發(fā)揮作用——它可以持續(xù)學(xué)習(xí)，適應(yīng)生產(chǎn)中不斷變化的情況，自動(dòng)優(yōu)化控制參數(shù)，下發(fā)控制指令完成生產(chǎn)，大幅減少人工干預(yù)。

現(xiàn)在，走入已經(jīng)上線的客戶廠區(qū)，在合成氨工段中控室中，已經(jīng)可以看見數(shù)字技術(shù)工人替代了原本三班倒的控制班組，開始自主管理與控制生產(chǎn)，智能體之間相互協(xié)作（合成塔操作Agent、進(jìn)氣壓力管控Agent……），并長時(shí)間保障生產(chǎn)的穩(wěn)定性安全性。這一幕，讓人不禁感嘆新工業(yè)智能時(shí)代已經(jīng)到來。

△合成氨生產(chǎn)操作室內(nèi)Agent工人已上崗

再比如垃圾焚燒發(fā)電，同樣作為一種重要的環(huán)保能源方案，通過燃燒城市固體垃圾獲取熱能再轉(zhuǎn)化為電能，不僅能減少垃圾填埋量，還能實(shí)現(xiàn)熱電能源回收。這個(gè)過程雖早已實(shí)現(xiàn)部分自動(dòng)化（如自動(dòng)給料、溫控、煙氣處理），但受限于當(dāng)前垃圾熱值波動(dòng)、供給不穩(wěn)定、環(huán)保排放標(biāo)準(zhǔn)趨嚴(yán)等因素，仍需要人工日常介入完成精細(xì)柔性控制

在這種場景下，Agent技術(shù)工人則承擔(dān)起爐排以及進(jìn)風(fēng)等控制任務(wù)，承擔(dān)起多個(gè)工種的崗位，而人類則主要負(fù)責(zé)安全監(jiān)管，讓整體運(yùn)行更加智能和高效。

△區(qū)別于傳統(tǒng)DCS控制系統(tǒng)的河谷智能體產(chǎn)品呈現(xiàn)方式

這類方案，不僅能提升產(chǎn)能和綠色能源利用效率，還能降低成本、增加工廠收益。

更重要的是，“數(shù)字技術(shù)工人”順利落地的背后不僅是技術(shù)層面的進(jìn)步，更有產(chǎn)品形態(tài)和商業(yè)模式的創(chuàng)新。

那么，河谷智能體平臺(tái)究竟是如何做到的呢？

自研時(shí)序大模型，訓(xùn)練懂工藝的Agent

梳理來看，河谷的創(chuàng)新主要有兩方面：自研底層技術(shù)+重構(gòu)產(chǎn)品邏輯

帶來的好處包括但不限于：

• Agent泛化能力更強(qiáng)
• 微調(diào)數(shù)據(jù)更少、上線更快
• Agent更靈活、更符合實(shí)際生產(chǎn)需求

自研底層技術(shù)

河谷智能體平臺(tái)的核心突破之一，是其自研的工業(yè)時(shí)序大模型Geegobyte-g1。

和常見的大語言模型不同，時(shí)序大模型專門處理隨時(shí)間演變的數(shù)據(jù)，例如金融市場價(jià)格、氣象觀測、工業(yè)傳感器信號(hào)、醫(yī)學(xué)監(jiān)護(hù)數(shù)據(jù)等。這類數(shù)據(jù)的特點(diǎn)是：依賴歷史、存在周期性、變量之間強(qiáng)關(guān)聯(lián)、且噪聲較多

在transformer網(wǎng)絡(luò)模型的基礎(chǔ)上，河谷的方案選擇了改良的only-decoder架構(gòu)，在傳統(tǒng)encoder-decoder基礎(chǔ)上進(jìn)一步改造。

這種架構(gòu)的特點(diǎn)是：單向注意力允許模型“回看”歷史時(shí)間步，從而以自回歸的方式生成未來值。比如輸入過去24小時(shí)的壓力數(shù)據(jù)，模型會(huì)先宏觀觀測，再逐點(diǎn)（token-by-token）推理，輸出預(yù)測未來的趨勢變化。

更進(jìn)一步，當(dāng)時(shí)序大模型與大語言模型結(jié)合，就不再只是單純的“預(yù)測器”，而更像是一個(gè)能學(xué)習(xí)經(jīng)驗(yàn)、具備決策邏輯的“數(shù)字工人”。

大語言模型更像是負(fù)責(zé)“理論學(xué)習(xí)”的部分：快速消化工藝文檔、專家經(jīng)驗(yàn)和歷史工況，并從中提煉出參數(shù)變量、邏輯規(guī)則和控制目標(biāo)等關(guān)鍵信息。

時(shí)序大模型則承擔(dān)“實(shí)戰(zhàn)操作”的角色：在實(shí)時(shí)數(shù)據(jù)和目標(biāo)約束的驅(qū)動(dòng)下，它能輸出適用于現(xiàn)場的控制決策、優(yōu)化建議和趨勢預(yù)測。

兩者結(jié)合，最終煉成的Agent在數(shù)據(jù)監(jiān)測和情況預(yù)測上往往比人類的預(yù)感更精準(zhǔn)，帶來的生產(chǎn)結(jié)果也更優(yōu)。

△河谷智能體正在模仿人類思考過程從輸入到輸出決策的畫面

在Agent的訓(xùn)練理念上，河谷也提出了新的思路：不再以行業(yè)為界，而是以“工藝類型”來劃分訓(xùn)練目標(biāo)

長期以來，AI在工業(yè)落地時(shí)普遍面臨一個(gè)難題——泛化性不足。主要原因在于：不同行業(yè)、部門、系統(tǒng)和技術(shù)模塊相對(duì)封閉，容易形成“煙囪效應(yīng)”。為了緩解這一問題，一些廠商選擇打造行業(yè)大模型，通過行業(yè)數(shù)據(jù)訓(xùn)練來培養(yǎng)“領(lǐng)域?qū)＜摇保热绲V務(wù)大模型、水利大模型等。

這種方式使得模型依然難以廣泛的跨場景跨行業(yè)遷移，而工業(yè)生產(chǎn)雖然千差萬別，卻往往在工藝的第一性原理上存在底層的共通點(diǎn)

舉個(gè)例子：垃圾焚燒發(fā)電和危險(xiǎn)廢物處置看似屬于不同賽道，但都涉及燃燒無害化處理的工藝；電解水制氫涉及的電化學(xué)工藝不僅應(yīng)用于新能源場景，在煤化工、精細(xì)化工等領(lǐng)域同樣適用。

如果單純以行業(yè)維度劃分訓(xùn)練Agent，反而會(huì)把Agent限制在特定領(lǐng)域，無法充分發(fā)揮跨場景的價(jià)值。

所以河谷智能體平臺(tái)從工藝維度訓(xùn)練Agent，讓Ta們掌握核心技能，再像“通用工種”一樣加入不同產(chǎn)線、不同行業(yè)的技術(shù)工種，“哪里需要哪里搬”。

對(duì)于需要Agent的企業(yè)客戶而言，他們也可以先以最小模塊形式使用Agent方案，而不是直接調(diào)整整體產(chǎn)線，部署靈活性也更高。

河谷的數(shù)字工人不僅專業(yè)，上崗速度也相當(dāng)“硬核”。

它只需要少量數(shù)據(jù)微調(diào)，最短僅需半個(gè)月數(shù)據(jù)就能生成第一版本去做影子陪跑，驗(yàn)證實(shí)際效果，快速投入生產(chǎn)。

哪怕是0樣本的企業(yè)客戶，2個(gè)月內(nèi)也能完成Agent從方案設(shè)計(jì)、預(yù)訓(xùn)練、微調(diào)、投運(yùn)的流程。而已有樣本的客戶，則能在1周內(nèi)讓Agent真正上產(chǎn)線。

△河谷工業(yè)生產(chǎn)智能體平臺(tái)配置化交付能力

速度為什么這么重要？不僅是技術(shù)實(shí)力的體現(xiàn)，更是工業(yè)場景落地AI的剛需。

現(xiàn)實(shí)中，產(chǎn)線是365天×24小時(shí)不停歇運(yùn)轉(zhuǎn)的。哪怕只是為了增加傳感器或校準(zhǔn)儀表臨時(shí)停產(chǎn)，帶來的損失也可能以秒計(jì)算。因此，能否快速部署、讓Agent迅速進(jìn)入實(shí)操，是衡量工業(yè)AI成敗的關(guān)鍵指標(biāo)之一。

既有技術(shù)領(lǐng)先性、又能靈活部署、還可快速上崗，河谷智能體平臺(tái)在這一點(diǎn)上做到了。也因此，河谷訓(xùn)練出的Agent不只是“能用”，而是真正被行業(yè)所需要的Agent

為啥能精準(zhǔn)get重點(diǎn)呢？當(dāng)然也是因?yàn)槠脚_(tái)背后有熟悉工業(yè)現(xiàn)場的“行業(yè)老師傅”們出馬。

更懂AI工業(yè)，所以造出“老師傅”

極峰科技Geegobyte AI，河谷工業(yè)智能體平臺(tái)的幕后工匠。

它成立于2024年，創(chuàng)始人兼CEO王筱圃是中國科學(xué)技術(shù)大學(xué)計(jì)算機(jī)工學(xué)博士。他帶領(lǐng)公司研發(fā)團(tuán)隊(duì)長期從事人工智能底層算法研發(fā)與AI+工業(yè)互聯(lián)網(wǎng)產(chǎn)品研發(fā)，曾主導(dǎo)項(xiàng)目面向冶金、新能源、汽車等行業(yè)，應(yīng)用場景覆蓋生產(chǎn)執(zhí)行管理、設(shè)備管控、工廠倉儲(chǔ)物流、能源管理等生產(chǎn)運(yùn)營管理核心環(huán)節(jié)。在基礎(chǔ)算法研發(fā)以及AI落地工業(yè)方面，都具備豐富的經(jīng)驗(yàn)。

極峰團(tuán)隊(duì)長期關(guān)注Transformer-based AI實(shí)現(xiàn)長時(shí)間序列預(yù)測任務(wù)的研究領(lǐng)域，并在此基礎(chǔ)上自研了工業(yè)時(shí)序大模型。模型能夠充分利用工業(yè)生產(chǎn)中強(qiáng)時(shí)序特征數(shù)據(jù)輸出決策，并具備極強(qiáng)的領(lǐng)域適應(yīng)與場景遷移能力。這種全新的研發(fā)范式，使得基于此的工業(yè)Agent產(chǎn)品的商業(yè)化價(jià)值也逐步提升

隨著ChatGPT持續(xù)引爆大模型的全球浪潮，他們意識(shí)到：真正屬于工業(yè)AI的時(shí)代機(jī)遇已經(jīng)到來。結(jié)合工業(yè)數(shù)字化轉(zhuǎn)型的趨勢，極峰科技成立后，陸續(xù)推出了Geegobyte-g1工業(yè)時(shí)序大模型河谷工業(yè)智能體平臺(tái)

從那一刻起，他們的目標(biāo)就很明確：造出真正懂工廠、懂生產(chǎn)、懂行業(yè)的“數(shù)字技術(shù)工人”——新時(shí)代的AI老師傅。

需求側(cè)：人力困境凸顯，AI補(bǔ)位成必然

王筱圃博士坦言，他在和很多工廠接觸時(shí)，都能明顯感受到關(guān)鍵技術(shù)崗位人手不夠，尤其是優(yōu)質(zhì)人才短缺的問題

一家化工企業(yè)負(fù)責(zé)人就和我說過，他發(fā)現(xiàn)現(xiàn)在愿意從事化工領(lǐng)域工作的年輕人越來越少，化工專業(yè)的錄取分?jǐn)?shù)都比當(dāng)年低了不少。

個(gè)中原因也并不難理解：

第一，化工等傳統(tǒng)行業(yè)本身的吸引力有限；第二，工作環(huán)境存在一定危險(xiǎn)性；第三，工廠通常位于郊區(qū)等遠(yuǎn)離城市的地區(qū)……多重因素疊加，使得愿意投身這一行業(yè)的年輕人越來越少了

而人才稀缺還進(jìn)一步加劇了行業(yè)內(nèi)的人才爭奪戰(zhàn)。工業(yè)領(lǐng)域的人才培養(yǎng)模式更多還是“師傅帶徒弟”，而這個(gè)過程相對(duì)漫長、培養(yǎng)效率不高。當(dāng)新師傅終于被培養(yǎng)成獨(dú)當(dāng)一面的老師傅時(shí)，他往往也已是行業(yè)的稀缺資源，一旦流失，對(duì)于工廠就是沉重打擊。

此外，不僅是人才緊缺影響，高危工段也有“無人化”需求也在日益增加。上個(gè)智能化階段，部分AI模型和工業(yè)軟件確實(shí)實(shí)現(xiàn)了自動(dòng)化/替代人類，但水平更接近L1級(jí)輔助駕駛，只能處理特定任務(wù)，在有限條件下才能發(fā)揮作用，大量環(huán)節(jié)仍需人工干預(yù)，導(dǎo)致實(shí)際使用體驗(yàn)與預(yù)期差距甚遠(yuǎn)。

因此，行業(yè)仍舊迫切需要更加智能化、自主化的方案，來緩解當(dāng)下人才短缺與生產(chǎn)安全的雙重壓力。

如今隨著AI概念被大眾熟知，工業(yè)行業(yè)本身也在積極擁抱AI。

王筱圃博士提到了一家從煤化工轉(zhuǎn)型做環(huán)?；さ钠髽I(yè)，出于對(duì)于安全生產(chǎn)的高要求，企業(yè)主原本在無人化操作上相當(dāng)謹(jǐn)慎和保守，但是這家企業(yè)最終還是主動(dòng)聯(lián)系他們，希望能夠合作落地Agent方案。

這反映出產(chǎn)業(yè)界的需求已經(jīng)十分迫切，也體現(xiàn)出AI落地工業(yè)勢不可擋

因此，極峰科技順大勢而為：憑借底層技術(shù)儲(chǔ)備、豐富的落地經(jīng)驗(yàn)與行業(yè)認(rèn)知，快速打造出數(shù)字工人“訓(xùn)練營”，向行業(yè)批量輸出可快速上崗的新一代高技術(shù)能力“老師傅”。

One More Thing

除了技術(shù)和產(chǎn)品創(chuàng)新外，極峰科技也在商業(yè)模式上給出了新的參考——讓 Agent像人類一樣“領(lǐng)工資”

具體來說，河谷智能體平臺(tái)提供兩種商業(yè)合作模式：

1）一次性采購：類似于買斷，企業(yè)按照Agent購買數(shù)量付費(fèi)，一次部署即可；
2）按需付費(fèi)：企業(yè)用戶支付“時(shí)薪/月薪”，費(fèi)用根據(jù)“實(shí)際工時(shí)”計(jì)算，年底績效達(dá)標(biāo)還會(huì)付年終獎(jiǎng)。期間Agent能力還會(huì)持續(xù)優(yōu)化升級(jí)，長期保持價(jià)值。

（沒想到，Agent像人類一樣上崗工作的能力中，竟然還包括了領(lǐng)工資這部分）

隨著越來越多的Agent工人參與到實(shí)際生產(chǎn)中，我們希望看到未來的年輕人們從繁瑣、危險(xiǎn)、重復(fù)的勞動(dòng)工種中解放出來，有更多機(jī)會(huì)投身于更加具有創(chuàng)造性和高附加值的工作崗位中去。

進(jìn)一步了解極峰科技的產(chǎn)品與服務(wù)，請(qǐng)聯(lián)系 info@geegobyte.com