- 博客(166)
- 收藏
- 关注
RSS订阅
原创 2026全球灯塔工厂最新数据深度解析：224家工厂用了哪些AI技术？怎么做到规模化落地的？
2026年1月，WEF公布第15批灯塔工厂名单，全球累计达224家，中国以101家占比45%稳居首位。本批次中国新增16家（占比69%），覆盖电池、化工、棉纺等行业首次突破。技术应用方面，77%用例由分析型AI驱动，9%引入GenAI，实现劳动生产率提升53%、转换成本降低26%。成功关键在于"AI+IoT+数字孪生"技术组合，94%成功案例均采用多技术融合路径。下一代灯塔工厂正向AI原生、零碳、自主决策三大方向演进。
2026-05-15 11:30:02
3256
原创 人形机器人运动控制突破：从半马纪录到工业落地的技术实践
对于AI服务器机房，需要建立包含机柜、空调、通道的完整模型，求解Navier-Stokes方程获得温度场、速度场分布。：采用NVIDIA PhysX 5.0，支持刚体、柔体、流体等多种物理模拟，时间步长可配置到0.001秒级别，确保仿真精度。：GPT-4V、Gemini等多模态大模型展现出强大的场景理解能力，未来可能成为机器人的“通用大脑”，实现真正的场景自适应。，确保不同软件间的互操作性。：实现相机、激光雷达、IMU等传感器的物理级仿真，包括噪声模型、畸变模型、延迟模型，使虚拟传感器数据接近真实数据。
2026-04-23 16:50:38
855
原创 工业Agent五层架构拆解：数据与知识、RAG与图谱、任务规划、多智能体、安全治理
随着大模型与Agent技术发展，工业AI正从知识问答迈向业务任务执行。本文以设备异常分析为例，提出五层工业Agent架构：数据与知识层、知识检索与关联层、任务规划层、多智能体协同层及工具执行与安全治理层。结合RAG实现精准知识检索，知识图谱构建实体关系，任务规划将自然语言转为可执行步骤，多智能体分工协作，安全机制保障可控执行。通过MoMClaw实践验证，该架构推动工业AI向可验证、可落地的智能协作体系演进。
2026-11-05 18:58:06
266
原创 设备模型可以复用，为什么产线换型仍需现场调试？从 SimReady 看 Omniverse 数字孪生的验证与部署
2026年NVIDIA发布SimReady Central Library，提供超2,000个OpenUSD格式仿真资产，助力工程师复用机械臂、夹爪等模型，减少重复建模。工业富联科技服务依托OmniverseSim2Real平台，实现从布局规划、仿真验证到虚拟调试的全流程数字孪生闭环。通过分层验证运动、控制与整线表现，将工装变更、周期瓶颈、多设备联动等问题前置至产线外解决，显著缩短停线工期。关键在于将验证工作移出停线窗口，结合模型复用与真实数据反馈，实现换型工期与良率爬坡的可量化优化，真正释放数字孪生在柔性
2026-11-05 17:16:37
192
原创 从任务编排到实机部署：工业机器人开发训练平台如何连接训练与生产？
2026年《中国工业AI行业发展研究报告》指出，降低工业AI落地门槛需通过工程化实施与场景闭环验证。工业富联科技服务推出的机器人开发训练平台，整合任务设计、数据采集、模型训练与部署于一体，采用可视化行为树编排与端-云协同架构，实现从任务分解到实机验证的全流程闭环。平台支持遥操作示教、高质量数据处理及基于NVIDIA GR00T的模型训练，结合现场反馈迭代优化，推动技能复用与快速适配，显著提升工业机器人开发效率与实际应用能力。
2026-11-05 17:03:43
146
原创 AI数据中心扩容为什么不能只增加GPU？Omniverse数字孪生、液冷与BMS的系统优化路径
AI数据中心算力需求持续增长，高密度AI服务器部署正面临供电容量受限、空间与散热系统复杂、计算负载动态变化等挑战。如何在有限电力与空间条件下提升算力承载能力，关键在于空间与基础设施协同规划、液冷热管理优化及数字化运营。本文分析AI数据中心建设与运营的核心难题，并介绍如何以Omniverse Sim2Real数字孪生平台为技术基础，结合液冷系统集成、BMS与AI分析，贯穿规划设计、模拟验证、建设部署和运营优化全生命周期，实现高密度算力可靠部署、建设效率提升与能源系统协同优化。
2026-11-04 09:02:32
365
原创 AI Agent能力进化：从指令响应、工具调用到任务规划与自主执行
AI应用正从单点能力展示、辅助交互向任务执行与结果交付演进，应用价值的评价标准也从模型性能转向任务完成度与实际业务成效。本文围绕目标理解、能力调用、多智能体协同和反馈验证四个关键环节，解析AI Agent实现端到端任务交付的技术路径，并结合工业AI实践，介绍专业工业智能体及MoMClaw多智能体协同平台如何通过Factory Brain连接工业知识、业务系统与执行工具，实现跨系统任务编排、协同分析与闭环优化，推动AI从辅助决策走向可验证的业务价值交付。
2026-11-03 11:13:53
290
原创 工业智能体技术架构解析：六级部署、核心模块与制造场景实践
工业智能体通过融合数据、知识与多模型，实现从感知到执行的闭环任务处理，解决复杂制造中跨系统协同难题。其六级架构支持云边端协同部署，核心依赖数据治理、多智能体协同与安全管控。以MoMClaw为例，系统将经验转化为可复用技能，打通异构系统，显著提升根因分析效率与生产效能。落地需聚焦任务边界清晰、数据完整、安全可控，并以任务完成率、人工介入率等业务指标评估实效，推动从试点走向规模化应用。
2026-11-03 11:07:27
432
原创 工业智能体如何用好“老师傅经验”？从工业RAG到设备运维闭环
工业智能体落地需破解知识分散难题，关键在于构建可精准调用的工业知识底座。仅上传文档不足以支撑有效决策，须通过统一设备标识、标注适用条件、关联实时数据与历史记录，实现知识的条件化、结构化管理。结合RAG与Agent能力，推动从“问答”到“分析—处置—验证”闭环的故障排查，融合GenAI设备助手、MOM系统与多智能体协同，打通运维、质量、生产链路。最终以资料查找效率、维修时长、重复故障率等指标评估实效，实现经验复用与业务优化。
2026-11-03 10:36:16
201
原创 多智能体如何进入制造现场？从业务协同到数字孪生验证
工业多智能体系统助力制造运营协同，破解跨专业任务难题。面对设备异常等复杂场景，单一Agent难以兼顾质量、生产、设备等多方目标，需通过MoMClaw等系统实现专业Agent分工协作，结合GenAI与数字孪生技术，在MOM流程框架下完成任务拆解、证据整合与方案验证。关键在于明确角色边界、接口规范与权限控制，并以数字孪生辅助仿真评估。工业富联科技服务通过四大产品体系，推动从单点智能向全流程协同演进，以真实业务事件为切入点，逐步验证系统可靠性与价值。
2026-11-03 10:20:16
394
原创 VLA训练实践：工业机器人如何通过行为树、示教数据降低开发成本
上海拟2028年前推动8000台人形机器人进工厂，核心挑战在于实现工业场景下任务的稳定执行与低成本复用。文章从五方面剖析工程难点：端到端VLA适用于简单任务，复杂长程任务宜拆分；行为树（BehaviorTree）可清晰编排多步骤流程，提升可维护性；高质量示教数据需保证动作连贯、一致且视觉信息完整；构建“数据采集—训练—部署”一体化平台，实现开发闭环；评估平台有效性需兼顾开发效率与现场表现。关键在于通过任务拆解、数据优化与统一工作流，降低重复开发成本，推动工业具身智能可持续迭代。
2026-11-02 11:58:11
304
原创 工业机器人训练平台技术解析：从任务编排、遥操作数采到VLA模型部署
工业富联推出协同式机器人训练平台，整合任务编排、数据采集、模型训练与部署，实现从设计到场景落地的五步闭环。平台采用“机器人端+服务器端”架构，结合VLA视觉语言动作模型与BehaviorTree行为树，分层处理复杂任务：VLA专注视觉理解与动作生成，行为树统筹多步骤流程，提升任务可管理性与鲁棒性。通过统一开发链路，降低定制门槛，简单任务开发周期可缩至2周，中等任务约6周。平台核心价值在于打通任务、数据、模型与部署的工程断点，推动机器人应用高效复用与迭代，助力柔性制造升级。
2026-11-02 11:32:57
286
原创 从灯塔工厂到规模化智能运营：Omniverse Sim2Real与多智能体协同架构解析
随着AI算力需求持续增长，制造业正从单厂数字化向多区域、多工厂协同运营转型。传统数字化架构面临数据标准不统一、制造知识难复用及跨系统任务协同不足等挑战。本文从技术架构视角出发，解析业务与数据连接、知识与标准、数字孪生、智能决策与协同、执行与反馈五个核心层次，并结合灯塔工厂实践，探讨如何通过Knowledge、Skills等实现制造知识标准化，利用Omniverse Sim2Real构建跨工厂数字孪生与仿真体系，以及通过Factory Brain与MoMClaw多智能体协同平台，为规模化智能制造提供技术路径。
2026-10-30 11:09:52
357
原创 制造网络如何实现智能协同？以灯塔经验为基础，构建数字孪生与多智能体协同体系
全球AI算力需求持续增长，制造业竞争正从单厂产能扩张转向跨区域、跨工厂的规模化交付能力。如何将成熟工厂的制造经验快速复制到不同生产基地，并实现统一标准下的协同运营，成为制造的重要课题。本文分析制造网络在经验复制、运营标准统一和跨区域资源协调方面的挑战，结合22座灯塔工厂实践，探讨如何通过标准化制造知识、Omniverse Sim2Real数字孪生及Factory Brain与MoMClaw多智能体协同平台，实现跨工厂制造方案复用、虚拟仿真验证与智能运营协同，构建可复制、可验证、可持续优化的全球制造网络。
2026-10-30 11:06:44
332
原创 具身智能训练场技术解析：真机数据、仿真训练与工业机器人落地实践
具身智能训练场是实现机器人技能迭代的关键基础设施。截至2026年，全国已建成超70家训练场，工业制造为最主要应用场景。训练需融合真机遥操作、无本体采集与仿真数据，构建“任务定义—数据采集—模型训练—验证部署—反馈迭代”的闭环流程。数据量不等于效果，场景覆盖、长尾任务、质量一致性及真实迁移表现更为关键。训练场正从数据售卖转向服务化，强调数据工程化、训练验证一体化与标准化建设。未来竞争核心在于能否将训练成果转化为真实应用能力，推动具身智能从技术探索迈向工业落地。
2026-10-29 14:08:34
270
原创 从可持续灯塔到AI数据中心：POD Room、BMS与AI节能如何构建系统级绿色运营能力？
随着AI算力密度提升，数据中心能源管理正从单设备监控走向系统级优化。本文以工业富联AI数据中心实践为例，介绍基于Omniverse数字孪生、BMS与AI优化的全生命周期方案：在规划阶段构建POD Room数字模型并结合CFD进行热管理仿真；在建设阶段衔接液冷系统集成与调试验证；在运营阶段通过BMS实现设施监测、告警与维保闭环；在此基础上引入AI能效优化，在安全约束下对冷机、CDU、泵组等运行策略进行模拟、评估与迭代，形成“感知—模拟—决策—执行—反馈”的持续优化闭环，兼顾散热可靠性、能效提升与可持续运营。
2026-10-29 13:45:24
643
原创 从AI模型到Agentic AI：多智能体协同如何重构工业AI应用架构
随着Agentic AI技术发展，工业AI正从单点预测、识别与优化，走向跨系统分析、多智能体协同与任务闭环执行。NVIDIA在发布OpenShell Reference Architecture并扩展Agent Toolkit，进一步推动AI从模型推理向完整任务执行系统演进。本文解析Agentic AI对制造业优化对象、工作机制及应用架构带来的变化，梳理目标理解、任务规划、工具调用、智能体编排与执行反馈的核心机制，并结合Factory Brain与MoMClaw，探讨如何提升制造运营响应效率与持续优化能力。
2026-10-28 11:27:58
556
原创 从单机设备到整套系统，模块化生产、数字孪生与AI Agent正在改变复杂系统的交付方式
2026年NVIDIA发布DSX POD模块化AI数据中心参考设计，展现了复杂系统从现场集成向工厂预制、整体验证与快速交付转变的新趋势。随着产品复杂度提升和迭代周期缩短，制造业正从单机设备生产走向系统集成、模块化柔性制造与全生命周期协同。本文分析这一转变对工厂规划、生产执行和运营管理提出的新要求，并结合Omniverse Sim2Real数字孪生、柔性自动化、机器人及MoMClaw工业智能体协同平台，探讨如何通过虚拟验证、生产资源优化与跨系统智能协同，提升复杂系统的制造效率、部署速度和整体交付能力。
2026-10-28 11:21:21
344
原创 推理与Agent应用增长之后 AI数据中心如何做好动态热管理
AI推理与Agent应用推动数据中心向高密度、长期运行演进，热管理需应对负载波动与算力扩容挑战。工业富联科技服务通过全栈液冷方案与AI节能智控，融合数字孪生、CFD仿真与MPC预测优化，实现从设计到运维的动态热管理闭环。系统强调冷却资源按需调配，结合多层级数据监控与跨域协同，确保稳定性与能效平衡。通过测试验证与持续校准，构建可迭代的智能热管理机制，支撑未来算力弹性发展。
2026-10-28 10:47:33
98
原创 【Factory Brain】单Agent还是多Agent？工业智能体协同MOM与数字孪生的架构选型
本文探讨工业智能体在制造业中的架构选型与工程落地路径，指出单智能体适用于简单任务，多智能体则适合跨领域复杂问题协同。强调高绩效AI需重构流程而非仅工具叠加，需结合MOM系统保障数据一致与流程合规，数字孪生支持方案仿真验证。关键在于构建可追溯、可验证的闭环机制，以业务价值为导向，渐进式推进智能体规模化应用。
2026-10-27 11:21:56
338
原创 服务器开始按柜交付 数据中心需要具备怎样的承接能力
服务器按柜交付推动数据中心从设备采购向系统集成转型，要求设施侧具备匹配的供电、冷却与接口能力。整柜液冷需统筹柜内热管理与机房散热，确保供回液参数、流量压差等关键条件协同一致。工业富联科技服务提供全栈液冷解决方案，涵盖机柜式CDU、风液混合机柜与智能温控系统，支持边缘到超算中心的多样化部署。既有机房可渐进式导入，新建项目则应提前规划接口与扩容路径，实现标准化、预制化设计。交付验收须验证真实负载下的系统稳定性，结合AI节能智控与运维工具，保障长期高效运行。
2026-10-27 11:19:12
289
原创 【工业AI实战】工业智能体如何打通RAG、工具调用与MOM？架构设计与落地避坑
麦肯锡与Anthropic研究揭示，AI虽提升个人效率，但企业级高绩效应用仍受限。工业智能体正从生成答案转向任务规划、工具调用与连续执行，推动制造业AI向系统化演进。其核心在于构建融合任务理解、知识检索、工具调用、权限控制与验证反馈的技术架构，并与MOM系统协同，实现自然语言交互与业务流程闭环。技术选型应基于场景需求，优先结合RAG与结构化查询，逐步引入知识图谱与微调。工业智能体落地关键在于真实环境中的可靠性、安全性和可验证价值，而非单一模型表现。
2026-10-27 11:02:00
414
1
原创 工业经验如何转化为AI Skills？详解知识调用、任务编排与多智能体协同
工业智能体通过融合数据、知识、模型与机理，将工厂积累的设备手册、维修记录等经验转化为可执行的AISkills，实现从“资料可查”到“经验可复用”的跨越。工业富联科技服务以FactoryBrain为决策中枢，依托MoMClaw平台，通过任务编排、跨系统数据调用与多智能体协同，构建可协同、可追溯的制造分析机制，推动工业经验在具体任务中高效应用，助力生产问题快速诊断与优化，实现从场景试点向能力复用的演进。
2026-10-23 15:57:59
182
原创 工业智能体与传统AI应用有什么区别？从任务规划到受控执行的技术边界
工业智能体正推动制造系统从“辅助决策”向“自主任务执行”演进。其核心能力在于根据业务目标动态组织任务，协调多系统、调用专业工具并受控执行，实现从规划到反馈的闭环。与传统AI仅完成特定输入输出不同，智能体需具备任务理解、跨域协同与状态感知能力。以FactoryBrain架构为例，通过统一数据底座、多智能体协同与虚实融合，构建可验证的执行链路。关键在于：任务边界清晰、工具接口可靠、执行受控、结果可核验。智能体应承担动态组织职责，而安全控制、审批授权与复杂判断仍需人工或专用系统保障。最终，智能体的价值体现在任务闭
2026-10-23 15:50:11
113
原创 机器人看得见，为什么还是装不进去？拆解柔性装配的技术闭环
机器人虽能精准定位连接器，但插接时仍易偏斜、卡滞或损伤接口，根源在于从“看见”到“装好”之间存在工艺公差、接触反馈与控制闭环的断层。视觉定位仅解决位置问题，柔性装配还需融合力控、姿态调整与质量验证，构建集感知、控制、判断于一体的闭环系统。关键在于：建立误差预算、分阶段控制（接近-接触-对准-插入）、动态补偿接触变化、实时判定装配结果，并通过异常数据反哺优化策略。唯有将动作与质量结果关联，实现数据驱动的持续迭代，才能让机器人真正实现稳定、高效、可复用的精密装配，推动制造业自动化向柔性化跃迁。
2026-10-22 15:55:18
192
原创 机器人会干活，为什么还进不了产线？拆解工业落地的四道工程门槛
机器人能够抓取零件、搬运料箱，也能操作工具，为什么到了真实工厂，仍然需要反复验证才能投入生产？原因在于，完成动作与承担生产任务，对应着不同的要求。演示可以证明机器人在特定条件下具备某项能力，生产线则要求它面对来料变化、设备波动和工序协作，持续交付合格产品，同时满足节拍与成本要求。
2026-10-22 15:46:47
163
原创 Omniverse 数字孪生与柔性自动化，如何破解产能与交付、设备与空间的双重困境？
全球化制造运营面临订单需求变化、产品迭代加快与交付周期压缩等挑战，传统依靠新增厂房和设备的产能扩张模式，受到建设周期、固定资产投入及生产资源配置效率的制约。本文从产能与交付、设备与布局两大困境出发，分析新产品导入、产能爬坡、设备复用、空间利用及整线UPH提升的核心难题，探讨如何通过Omniverse数字孪生、柔性自动化、机器人与智能物流实现生产系统优化，并结合实践，进一步引出融合Digital AI与Physical AI的未来工厂AI Factory，推动制造运营向柔性生产、智能决策与持续自主优化演进。
2026-10-20 17:05:55
180
原创 AI Factory 技术架构解析：数字孪生、自动化、机器人与 AI Agent 如何协同？
产品复杂度提升、迭代周期缩短及生产需求多样化，传统依赖专用设备和固定产线的制造模式正面临效率、柔性与交付能力的多重挑战。本文从制造业共性问题出发，分析 Design for Automation 设计协同、端到端自动化、数字孪生与柔性自动化四项核心方法，探讨如何降低制造复杂度、提升整体产能、缩短新产品导入周期，并实现制造能力的快速复制。进一步结合 AI Factory 技术体系，解析数字孪生、机器人与 Factory AI Agent 如何协同，推动制造系统从自动化生产走向智能决策、动态协同与自主运营。
2026-10-20 17:05:49
432
原创 从模型准确率到产线稳定运行：工业AI必须跨过的6个深水区
2026年工博会聚焦工业AI落地，揭示其从展台走向产线的关键挑战。文章提出六大“深水区”验证体系：数据完整率与时间同步、知识检索可信度、执行权限控制、仿真与现实校准、异常注入下的连续运行能力，以及以业务指标为核心的收益验证。强调工业AI的成熟度不在于模型精度，而在于真实场景中的可靠性、安全性和可衡量价值，需建立涵盖数据、知识、执行、仿真、恢复与效益的工程化验收标准。
2026-10-20 12:06:11
313
原创 AI+制造还是制造+AI？从2026工博会看工业AI落地的典型问题与解法
2026年工博会展现工业AI深度融合趋势，“AI+制造”与“制造+AI”双轨并行。前者聚焦跨系统智能决策，后者深耕设备层嵌入式智能。实际应用需构建“感知—分析—决策—执行—反馈”闭环，采用分层架构实现高效协同。数字孪生助力虚拟验证，工业智能体推动“能办事”转型，机器人仿真训练须经真实场景检验。项目落地应遵循四步法：选高价值场景、建量化基线、先辅助后执行、按业务指标验收。关键不在于技术堆砌，而在于解决工艺痛点、连接现有系统并持续创造真实价值。
2026-10-20 11:41:56
585
1
原创 如何提升工厂空间利用率与产线 UPH？从 Omniverse 布局优化到柔性自动化改造
如何在现有厂房面积和设备条件下释放更多产能，是制造业产线优化的重要课题。本文结合工业富联科技服务实践，从工厂 Layout 规划切入，分析如何利用 NVIDIA Omniverse 数字孪生优化设备布局、物流动线和生产空间，再通过模组化柔性自动化、机器人上下料、多工序集成与智能物流改善工站 CT 和整线 UPH，并进一步连接 IOC、MOM 与工业 AI Agent，形成从数字规划、自动化实施到持续运营优化的完整技术路径。
2026-10-19 16:16:32
293
原创 制造业产能优化新路径：如何通过 Omniverse与自动化提升工厂空间利用率和 UPH？
随着制造业建厂成本、固定资产投入和产能调整压力不断增加，企业开始重新审视现有工厂的产能潜力。影响产能的不仅是厂房面积和设备数量，还包括空间布局、物流动线、工站节拍及自动化协同效率。本文从制造业存量工厂的产能优化需求出发，分析单位面积产出与 UPH 的关系，探讨 NVIDIA Omniverse 数字孪生如何结合生产仿真、柔性自动化、智能物流及工业 AI，实现从工厂空间规划、方案验证到产线改造和持续优化的完整技术路径。
2026-10-19 16:13:26
206
原创 2800亿元工业AI市场加速爆发，一文拆解数字孪生、工业智能体与机器人协同推进AI工厂落地路径
IDC预测，2030年中国工业AI支出将达2800亿元，年复合增长率超52%。工业富联科技服务推动AI与制造深度融合，通过AIFactory整合数据、智能体、数字孪生与机器人，实现从单点智能到系统协同的跃迁。MoMClaw将工业知识转化为可复用的任务能力，Sim2RealOmniverse实现虚拟验证与物理执行联动，GenAI-MOM打通智能能力与业务流程。落地路径强调从高价值场景切入，逐步构建数据-决策-执行-反馈闭环，助力企业从数字化迈向智能化、自主化。
2026-10-14 15:29:43
167
原创 灯塔工厂AI用例解析：从智能制造用例到AI Factory的技术演进
AI如何从技术演示走向真实制造流程，并实现规模化应用？本文结合灯塔工厂的四个典型案例，解析AR远程协作、LLM+RAG设备故障诊断、Process AI+Omniverse+Agentic AI驱动的SMT能源闭环优化，以及私域大语言模型供应链碳核算平台的技术方案与应用成效。在此基础上，进一步分析工业AI如何整合数据、知识与业务流程，并通过Omniverse数字孪生、MoMClaw（Factory Brain）多智能体协同及Physical AI，推动工厂从单点智能应用走向跨系统决策、任务执行与持续
2026-10-14 10:28:31
383
原创 从中国智造到全球化运营，解析灯塔工厂如何实现AI规模化应用与可持续发展
全球制造业正面临供应链重构、复杂产品制造与绿色低碳转型等多重挑战，灯塔工厂也从单厂效率优化逐步走向AI驱动的全球化运营。本文以灯塔发展历程为主线，解析从深圳龙华数字化运营、观澜精密制造、AI服务器灯塔，到越南智能制造及可持续灯塔的能力演进。重点分析中国智能制造技术如何通过海外复制与本地化创新，实现跨区域制造协同，并通过AI能源优化、数字孪生与供应链碳管理，推动制造效率、运营韧性及全价值链减碳协同提升。
2026-10-14 10:24:05
535
原创 工博会机器人展启幕：工业机器人如何从任务设计走向技能训练？
2026上海工博会机器人展，体现产业从硬件升级转向应用深化。机器人规模化落地核心难点是稳定处理复杂工况、实现技能复用，行业由固定编程转向任务驱动，智能化需多技术协同，不能仅依靠大模型。可借助行为树（BT）拆解工业任务，融合真实与仿真数据，选用模仿学习、强化学习、VLA等模型训练机器人技能，依靠Sim2Real缩小虚实差异，并从多维度完成产线验证。工业富联科技服务打造平台化方案，打通机器人任务设计、训练、部署全链路，以模块化与反馈闭环，提升部署效率，推动单点自动化升级为可复用、可持续优化的智能制造能力。
2026-10-13 11:22:04
522
原创 英伟达拟10亿美元加注机器人：工业机器人为何开始重视训练平台？
2026年英伟达拟追加投资FigureAI，凸显机器人竞争正从硬件转向模型、数据与训练平台。工业机器人价值取决于其适应多变工况、持续学习与技能复用能力。通过行为树组织任务逻辑、高质量数据驱动训练、仿真到现实（Sim2Real）的验证机制，结合平台化管理与制造系统协同，机器人正从一次性自动化走向可迭代优化的智能执行节点。工业富联科技服务探索的任务设计—数据采集—技能训练—部署闭环，推动机器人能力标准化与复用，助力智能制造升级。
2026-10-13 10:30:09
372
原创 工业AI市场将达2800亿元：为什么平台化能力比模型数量更重要？
IDC发布的工业AI市场图谱覆盖11个行业，并将工业智能体划分为企业级超级入口、运营、设计仿真、工艺、质量、能碳、设备、供应链、工业控制等14类业务方向。即使是同一行业，不同工厂的工艺流程、设备接口和管理规则也可能不同。工业AI平台需要承担几个关键任务：统一接入和管理多种模型，将行业知识转化为可调用的能力，编排智能体与业务流程，连接既有系统，并对上线后的效果进行监控和评估。生产、质量、设备和物流等智能体不再各自独立运行，而是围绕共同的业务上下文进行任务协调，并综合考虑交付、质量、效率、库存和成本等目标。
2026-10-12 17:48:32
167
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人