摘要：中国工业互联网研究院发布人工智能赋能新型工业化供需对接服务平台（下文简称“供需对接服务平台”），汇聚千行百业高质量供需资源。现开设漫谈智能专栏，解读人工智能技术热点，研判工业应用发展趋势，宣传人工智能赋能新型工业化典型方案。

AI Agent——智能体元年从技术内核到应用图景

中国工业互联网研究院发布人工智能赋能新型工业化供需对接服务平台（下文简称“供需对接服务平台”），汇聚千行百业高质量供需资源。现开设漫谈智能专栏，解读人工智能技术热点，研判工业应用发展趋势，宣传人工智能赋能新型工业化典型方案。

2025年，被业界广泛定义为“智能体元年”。在这一年，智能体技术迎来了爆发式增长，从实验室的前沿概念迅速走进各行各业，在工业领域中逐渐崭露头角：某汽车公司联合多个研究院，成功构建12个业务智能体，覆盖智能面试、动力电池试制、架构故障排查、标准审核等领域，预计每年节省超过3万小时工时；物流公司构建的数据治理智能体，通过自动化数据治理和报表制作，释放80%报表人工成本，为公司节约超过2000万元人力成本。这些来自供需对接服务平台的真实解决方案，预示着智能体技术早已扎根工业场景，成为推动制造业智能化转型的新引擎。

与通用大模型不同，智能体不仅能理解人类指令，还能通过感知环境、规划行动、调用工具，自主实现对工业场景的深度适配。通过与真实场景的持续交互，智能体不断积累经验、优化策略，最终实现从“被动响应”到“主动执行”的跨越。从办公流程自动化，到智能客服的深度交互，再到复杂工业环境下的自主运维，智能体在工业领域中展现出非凡的潜力。

今天，让我们一同探讨智能体究竟是什么，以及如何在工业场景中带来改变。

基于大模型的智能体是什么？

智能体（AI Agent）是一种具备自主性、反应性、主动性和社交能力的AI系统，以大模型为核心驱动，包含规划（Planning）、记忆（Memory）、工具（Tools）使用等关键组件[2]。

▷规划：负责将大型任务分解成子任务，通过自我反思和思维链优化解决步骤，提高输出内容质量。

▷记忆：负责储存信息，短期记忆指上下文学习关联内容，长期记忆则用于检索外在数据库，完成复杂任务。

▷工具：负责调用外部工具，如应用程序编程接口（API）等，获取额外信息。

AI Agent结构概览（图片来源：参考文献[2]）

工业场景中，智能体通过传感器感知环境信号，依托大模型完成业务数据搜索、规划工业行动，调用外部工具，最终完成决策推理，执行工业操作。同时，这类智能体具备自然语言交互功能，可实现多智能体间的协作与竞争，应用于产品图纸设计、运维方案决策等现实场景。

应用图景

智能体技术驱动工业全链条革新

在技术迭代的浪潮中，基于大模型的智能体已在多个行业掀起流程重构与模式革新的浪潮。我们将聚焦数据治理和智慧运维领域，探究智能体如何用技术力量打破行业困局。

平台方案一：

构建数据资产智能化运营方案

行业痛点：在工业、金融等对数据依赖度极高的行业，数据治理长期面临“人工枷锁”的制约。传统模式下，数据分析、指标计算、报表制作全靠人工操作，耗时费力；数据资产结构复杂，难以支撑快速决策，成为企业响应市场变化的“绊脚石”。

智能体破局：针对这些痛点，服务于数据治理的智能体应运而生，通过覆盖数据生产管理、检索分析、价值推送等流程，为企业打造能自主运转的“数据知识库”。

在数据生产管理环节，智能体化身“数据资产管理员”，自主构建基于指标体系的企业数据知识智库。它借助大模型与检索增强生成（RAG）技术对业务元数据与技术元数据进行关系投影和数据编织，无需推倒重建现有数据仓库，就能精准识别有效数据资产，完成语义化封装。编织后的数据涵盖指标、字段名、标签、维度值、物理表等核心要素，以及它们之间的沿袭关系，为构建数据知识图谱奠定基础，实现“数据生产-治理-沉淀”的自主闭环。

数据生产管理与检索分析（图片来源：平台解决方案）

在数据检索分析环节，智能体变身为“决策分析师”，让数据查询与分析告别“技术门槛”。用户只需用自然语言输入需求，智能体就能通过大模型完成语义理解与指令拆分，结合RAG技术在数据知识图谱中精准找到匹配的资产投影。随后，智能体会自动生成多条结构化查询语句（SQL），构建完整的分析思维链，像“专业顾问”般给出条理清晰的分析意见。

在数据价值推送环节，智能体变身为“数据推销员”，让业务模式实现从“被动查询”到“主动推送”的转变。它依托大模型技术，通过数据目录、标准化与情景化梳理数据资产的上下文逻辑，随后智能感知用户的具体行业场景。无需用户提问，智能体就能像“贴身参谋”般洞察用户需求，创建实时分析任务，将核心信息主动推送给用户，让业务人员无需掌握SQL或行业知识，也能零门槛获取即时的决策依据。

落地成效：智能体凭借大模型自动生成SQL和报表，使得数据治理流程中的人工干预大幅减少，决策周期显著缩短，业务响应速度明显提升。在数据检索分析方面，智能体已服务超过8000名用户，总使用次数突破32万次；在数据价值推送方面，相关智能体的市场业务估值已接近千亿元，证明了智能体技术在数字治理中的价值。

平台方案二：

建立多智能体协同的数字运营团队

行业痛点：随着数字化转型的深入，企业IT环境日趋复杂，运维需求呈爆发式增长，人力资源压力持续攀升。传统“人工盯屏、被动响应”的运维模式早已难以为继，如何用技术解放人力、提升效率，成为企业数字化转型面临的难题。

智能体破局：面对数字化改革的浪潮，依托多智能体协同的数字运维团队顺势崛起。该团队的核心由岗位智能体和工具智能体组成，通过多智能体协同快速生成各类解决方案，为实际运维人员赋能增效，重塑运营流程，帮助企业在数字化转型的浪潮中保持竞争优势。

运维智能体整体框架（图片来源：平台解决方案）

岗位智能体是团队中的“专业骨干”，依托深度学习和专业知识图谱技术训练，模拟运维岗位的专业角色。无论是网络监控、系统优化还是故障诊断，每个岗位智能体都储备了对应领域的知识与经验，在复杂场景中能做出不输人类专家的专业判断。

工具智能体是连接岗位智能体与实际运维工具的“桥梁”。该智能体具备使用工具的基础功能，同时还能理解高层次任务目标，根据上下文自主决定工具的应用方式，主动提供分析建议，让技术工具真正服务于运维目标。

落地成效：通过多智能体协作，运维智能体能够自主完成大部分工作流程，运维人员只需在关键环节进行把控，就能高效处理海量运维信息。目前，该智能体已成功赋能12万工程师，为不同制造行业提供专业运维支撑，让企业在数字化浪潮中站稳脚跟。

结语

尽管当前工业场景中仍存在数据孤岛、可靠性验证缺失、标准体系尚未完善等诸多问题，但智能体技术扎根工业的趋势已然形成。伴随大模型技术在工业场景中的快速落地，以及多智能体跨工序协作生态的逐渐完善，智能体将成为连接工业数字孪生与实际生产的核心纽带，为制造企业构建更智能高效的生产环境。对于企业和从业者而言，把握智能体的演进逻辑，提前布局核心工序智能转型，将成为抢占未来竞争制高点的关键。

｜了解更多

如想了解更多智能体相关技术在实际生产中的具体应用详情、技术细节以及最新的研究成果，不妨登录供需对接服务平台（https://www.ai-bridge.cn）。在那里，你能找到更多助力制造业智能化转型升级的深入内容。

010-87901204

陈老师

010-87901203

chenyue@china-aii.com

参考资料：

[1] Xi Z, Chen W, Guo X, et al. The rise and potential of large language model based agents: A survey[J]. Science China Information Sciences, 2025, 68(2): 121101.

[2] WENG L. LLM-powered autonomous agents[EB/OL].[2023-06-23]. https://lilianweng.github.io/posts/2023-06-23-agent/.

来源：中国工业互联网研究院