2025工业运营前沿技术：AI智能体+(AI+Agents)+的崛起白皮书-26正式版

与波⼠顿咨询集团合作在⼈⼯智能时代的产业转型前沿技术在⼯业运营中：⼈⼯智能的崛起智能代理的崛起⽩⽪书2025年1⽉图⽚:

Getty

Images内容阅读指南前⾔34567执⾏摘要介绍1

下⼀个⻜跃：通过重新发明⼯业操作前沿技术1.1

迈⼊下⼀个前沿：⾛向⾃主控制之路881.2

重新定义⼈类⻆⾊：从操作员到AI-enabled指挥者2

AI智能体推动运营转型2.1

虚拟⼈⼯智能

-

为⾃主系统铺平道路2.2

具⾝化⼈⼯智能

-

点燃机器⼈领域的新时代3

⼯业运营转型的战略要点10121518183.1

为成功使⽤AI代理铺平道路在⼯业运营中3.2

保持AI代理创新的前沿19192122253.3

创建基础：组织和技术结束参与者尾注免责声明本⽂件由世界经济论坛发布，作为对某⼀项⽬、洞察领域或互动的贡献。在此表达的发现、解释和结论是由世界经济论坛协助和⽀持的协作过程的结果，但其结果并不⼀定代表世界经济论坛的观点，也不代表其全部成员、合作伙伴或其他利益相关者的观点。©

2025

年世界经济论坛。保留所有权利。本出版物的任何部分不得以任何形式或⽅式复制或传播，包括复印和记录，或通过任何信息存储和检索系统。⼯业运营中的前沿技术2阅读指南世界经济论坛的⼈⼯智能产业转型计划旨在通过探讨推动⼈⼯智能（AI）驱动创新在商业和运营模式中的战略影响、机遇和挑战，促进负责任的产业转型。本⽩⽪书系列探讨了⼈⼯智能在各⾏业中的变⾰性作⽤。它通过⼴泛分析和深⼊探讨⾏业特定和区域特定的深度挖掘，为我们提供了深刻的⻅解。本系列包括：跨⾏业区域特定对⼯业⽣态系统的影响对区域的影响AI治理联盟与普华永道合作AI治理联盟⼈⼯智能治理联盟⼈⼯智能治理联盟与安永合作利⽤⽣成式⼈⼯智能进⾏⼯作增强和劳动⼒⽣产率:与安永合作与全球⽹络安全合作⽜津⼤学能⼒中⼼与安永合作⼈⼯智能时代的产业转型⼈⼯智能时代的产业转型⼈⼯智能时代的产业转型⼈⼯智能时代的产业转型AI的实际应⽤:

超越实验转变产业⼈⼯智能的⾏动蓝图:场景,

案例研究⼈⼯智能和⽹络安全:平衡⻛险和回报能源悖论:

平衡中国迈向⼈⼯智能驱动及⾏动框架挑战与机遇⾏业转型旗舰⽩⽪书系列2025年1⽉⻅解报告2024年11⽉⽩⽪书⽩⽪书2025年1⽉2025年1⽉⽩⽪书2025年1⽉AI

实践：超越实验转变产业利⽤⼈⼯智能的⼈⼯智能和⽹络安全:平衡⻛险和回报蓝图与⾏动：中国⾛向⼈⼯智能驱动的产业转型⽣成式⼈⼯智能⽤于⼯作增强和能源悖论:平衡挑战与机遇员⼯⽣产⼒⾏业或功能特定对⾏业、部⻔和功能的影响先进制造业和供应链媒体、娱乐和体育⾦融服务医疗保健交通电信消费品与波⼠顿咨询集团合作AI治理联盟AI治理联盟与波⼠顿咨询集团合作与⻨肯锡公司合作在⼈⼯智能时代的⾏业转型与埃森哲合作与埃森哲合作在⼈⼯智能时代的⾏业转型在⼈⼯智能时代的⾏业转型前沿技术⼯业运营中的领先者AI时代的产业转型智能交通AI时代的产业转型引领潮流绿⾊未来⼈⼯上升⼈⼯智能媒体中的⼈⼯智能娱乐和体育作为推动全球物流脱碳的催化剂的⼈⼯智能情报机构⾦融服务中⽩⽪书⽩⽪书2

0

2

5年⼀⽉⽩20⽪2书5年⼀⽉2025年⼀⽉⽩⽪书20

2

5年⼀⽉前沿技术在⼯业中运营：⼈⼯智能的崛起情报代理⼈⼯智能在⾦融服务中媒体、娱乐和体育中

未来的启⽤AI技术的医疗引领潮流智能交通即将推出的⾏业报告：电信即将推出的⾏业报告：消费品更绿⾊的未来AI作为催化剂以减碳为⽬标全球物流智能的⼈⼯智能更多报告即将发布随着⼈⼯智能以空前的速度不断发展，本系列论⽂捕捉了AI的独特视⻆，包括撰写时AI领域的详细概况。认识到正在发⽣的持续变⾰和进步，⽬标是通过与世界经济论坛社区合作，不断加深和更新对AI影响和应⽤的理解，以及与从事AI战略和落实的世界经济论坛合作伙伴和利益相关者的配合。这些论⽂共同展⽰了AI当前的发展和应⽤情况，以及其未来潜在影响。每篇论⽂都可以单独阅读，也可以与其他论⽂⼀同阅读，跨领域共同主题逐渐显现。⼯业运营中的前沿技术32025年1⽉⼯业运营中的前沿技术:⼈⼯智能代理的崛起前⾔Kiva

Allgood⾸席，⾼级合伙⼈制造业和供应链；委员执⾏委员会成员执⾏委员会丹尼尔·库珀，波⼠顿咨询集团（BCG）董事总经理世界经济论坛在指数级技术变⾰的背景下，社会正在进⼊智能时代1

-

⼀个不仅仅由技术定义的时代。制造商如果不能充分利⽤前沿技术在运营和供应链中的转变⼒量，将必然落后。智能时代的特征是⼤规模变⾰正在转变社会的各个⽅⾯，我们已经开始⻅证深刻的转变。尽管追求前沿技术并不新颖，但现在的赌注⽐以往任何时候都要⾼。随着创新速度的加快，识别和评估这些技术并将其整合到⻓期战略中所⾯临的挑战变得更加复杂。前瞻性产业、技术领导者和学术机构正在开创这⼀进展。除技术智能外，环境、社会和地缘政治智能对于在这个时代取得成功⾄关重要。在这个新时代，⼯业运营正在重新定义。为了更好地了解新兴机遇并探索潜在应对措施，世界经济论坛

-

与波⼠顿咨询集团（BCG）合作

-

推出了全球倡议“前沿技术运营”：然⽽，尽管诸如⽣成式⼈⼯智能之类的⼯具⽇益易得，制造商仍然⾯临⼀个关键问题

-

前沿技术如何在⽇常运营中产⽣真正可衡量的影响？AI与更多。借鉴我们在2022年AI动⼒⼯业运营倡议的成功基础上，这个新计划旨在为制造商提供塑造智能时代⼯业运营未来所需的⻅解和⼯具。本⽩⽪书提出了⼀个⼤胆⽽可⾏的愿景，即AI代理技术之⼀。此外，它还概述了应⽤该技术以在⼯业运营中创造实际价值的⽅法。该论⽂侧重于两种类型的⼈⼯智能代理的变⾰潜⼒重要的是解决两个紧迫问题——为什么要关注前沿技术，为什么现在？答案简单⽽深刻——这些创新，就像智能时代的其他创新⼀样，推动突破界限的进步，推动当下可能性的极限，促进协同智能，增强⼈类的创造⼒。这样做可以提供竞争优势并催⽣可持续增⻓。虚拟⼈⼯智能代理和实体⼈⼯智能代理——并提供领先⾏业的⻅解和案例研究，挑战传统思维，激发新策略。其⽬的是突出创新视⻆，帮助制造商释放⼈⼯智能代理的全部潜⼒，引领运营变⾰。⼯业运营中的前沿技术4执⾏摘要制造商必须拥抱前沿技术，确保制造业在未来能够持续繁荣发展。制造业格局变得越来越复杂，这⼀趋势预计在未来⼏年将加速发展。劳动⼒短缺、成本压⼒上升、客⼾需求转变、地缘政治动态和碳中和⽬标需要进⾏重⼤操作变⾰。‒虚拟⼈⼯智能代理

-

推进⾃主软件系统：虚拟⼈⼯智能代理使软件应⽤能够在数字环境中⾃主实现既定⽬标，充当助⼿、顾问或⾃动化代理。这些代理⽀持⼯⼈，还可以独⽴控制和操纵流程和机械。当前技术将⽆法推动所需的灵活性、可持续性和卓越⽔平，以促进这⼀变⾰。要成功，制造商可以拥抱推动创新极限的前沿技术。‒具现化⼈⼯智能代理

-

迎来新的机器⼈时代：具现化⼈⼯智能代理使物理系统（例如机器⼈）具备在物理环境中感知和⾏动的能⼒，从⽽实现动态和复杂的运动。这些进展对于克服当前机器⼈⾃动化的局限性⾄关重要。然⽽，应对这个急剧变化的技术环境具有挑战性，因为许多制造商需要解决即时的运营需求并规划其未来的运营。⼯业运营很可能会向以⼈⼯智能（AI）为核⼼的模式发展，AI将驱动⾃控、接近⾃治的系统，同时赋予⼈类⼒量。虽然在某些⾏业中，接近⾃治的运营可能会变得普遍，但⼈类的参与仍然⾄关重要。⼈类的⻆⾊将被重新定义，⼯作者将从操作⼈员转变为协调者，在需要判断或创造⼒时介⼊。这种转变将提升运营效率，使⼈类能够专注于战略任务和道德决策，推动创新和增⻓。成功地实现向接近⾃治、以AI代理驱动的运营过渡，需要综合、以价值为驱动的技术采⽤⽅法。解决⽅案应具有可扩展性，并与⻓期业务⽬标保持⼀致。建⽴强⼤的⽀持这⼀愿景的组织和技术基础对于希望抓住这项技术全部潜⼒的制造商⾄关重要。本⽂提出的⻅解聚焦于制造业，基于倡议社区的集体专业知识，来源于与⾼级执⾏官和学术专家的磋商。未来，社区将继续与跨⾏业制造业利益相关⽅密切合作，提供关于⼯业运营未来的全球性、全⾯性展望。这⼀努⼒将集中于最新和未来的前沿技术，强调负责任的转型⽅法。在⼴泛的前沿技术领域中，⼈⼯智能

‒

更具体地说，快速发展的AI代理

‒

有潜⼒推动制造商⾛向这个未来，开启多个⾏业运营中的新机遇。本报告关注两种类型的AI代理：虚拟AI代理和具象AI代理。这些代理预计将增强数字应⽤和物理系统，并在最⼩程度的⼈为⼲预下执⾏复杂任务。⼯业运营中的前沿技术5介绍AI代理正在改变⼯业运营，推动效率并释放竞争优势随着新的前沿技术的出现，制造商⾯临着⼀个关键挑战，即辨别哪些创新能够带来规模化的持久价值，哪些仅仅是短暂的趋势在过去⼏⼗年中，前沿技术推动了⼯业运营可能性的界限，显著提升了⽣产率，降低成本并改善了⼯作环境。像机器⼈技术和⼯业物联⽹（IIoT）这样的创新在现代化运营中发挥了重要作⽤，并为下⼀个突破浪潮奠定了基础-

这种转型的真正价值在哪⾥？-

哪些前沿技术将应对关键挑战？-

实现规模化价值需要采取哪些步骤？借鉴来⾃业务和技术领域的专家和⾼管的⻅解，本⽩⽪书从战略⻆度探讨了这些问题，重点关注AI代理实现的转型今天，技术领域正在以前所未有的速度发展。这⼀进步主要由计算能⼒的指数增⻓和⼈⼯智能(AI)领域的突破性发展驱动。随着新的前沿技术出现，制造商⾯临着⼀个关键挑战，即辨别哪些创新能够带来持久的规模化价值，哪些仅仅是暂时的趋势。这造成了在何处集中开发⼯作和投资的不确定性。本⽂展⽰了以⼈⼯智能驱动的前瞻性⼯业运营愿景。它探讨了AI代理在实现这⼀愿景中的作⽤，特别是虚拟AI和具体化AI代理，提供了具体⽰例和案例研究来展⽰它们的价值。此外，它概述了成功扩展这些技术所需的战略要点。虽然AI代理具有变⾰潜⼒，但必须认识到它们尚未完全发展。领先公司正在进⾏试点测试其能⼒，其规模化影响将在未来⼏年实现。克服这些挑战是⾄关重要的。利⽤前沿技术的价值对于制造商来说现在⾄关重要，因为他们寻求保持竞争优势并解决⾏业特定障碍。要在不断变化的环境中保持领先地位，公司不仅必须采纳这些创新，还必须了解其对未来运营的变⾰性影响。在此旅程中的成功取决于回答⼀些关键问题：虽然本⽩⽪书没有涵盖其他前沿技术，诸如⽣物技术和量⼦技术等领域正在引起⼴泛关注。这些技术有潜⼒彻底改变制造业运营，⽆论是直接还是间接，但仍处于较早的发展阶段。-

⼯业运营的未来将会是怎样的？会是怎样的？B

O

X

1两种类型的AI代理虚拟AI代理具⾝⼈⼯智能代理完全在数字环境中运作，使数字应⽤程序能够⾃主实现定义的⽬标的基于软件的⼈⼯智能代理集成到物理系统（如机器⼈）中并与物理环境互动的⼈⼯智能代理⼯业运营中的前沿技术6下⼀个⻜跃:1通过前沿技术重塑⼯业运营为迎接未来的挑战，需要通过前沿技术推动运营转型。制造商⾯临着⽇益严峻的复杂运营环境:-

地缘政治动态:关税和跨多个地理区域的分散⽣产阻碍规模经济，导致供应链更加复杂，知识分散，⻛险增加。-

成本竞争⼒:

不断上涨的劳动⼒成本，供应链中断和国际竞争需要提⾼效率和降低结构-

成本竞争⼒：劳动⼒成本上升、供应链中断和国际竞争需要提⾼效率和降低结构成本成本。-

供应链中断和国际竞争需要提⾼效率和降低结构成本。-可持续性：为实现脱碳⽬标，优化能源和资源利⽤、通过强⼤的供应链管理减少排放⾄关重要。‒劳动⼒短缺：仅在美国，预计到2030年将有超过210万个制造业岗位空缺，带来劳动⼒⻛险和⽣产⼒挑战。应对这些挑战需要转变运营卓越、突破性创新、结构优化、供应链多元化和对区域制造集群的投资。‒

客⼾需求：消费者的期望更⾼的定制化和更快的交付要求推动了对更灵活⽣产系统和更好需求预测的需求。⼯业运营中的前沿技术71.1

迈⼊下⼀个前沿：通往⾃控的道路尽管⾃动化程度最⼯业部⻔正处在⼀个关键的⼗字路⼝。AI

等前沿技术能够执⾏复杂活动。这为越来越多由

AI

驱动、近乎⾃主运作的模式铺平了道路，在这个模式中，许多机器和启⽤

AI

的系统将以最少的⼈为⼲预运⾏。成功取决于培养⼀种信任的⼈机交互，双⽅能够⽆缝协作。终取决于投资回报，许多⼯⼚可能会朝着⾃主化的⽅向收敛，这是为了保持竞争⼒。⾃控⼯⼚和供应链将带来显著的改进，例如：-效率：预测性分析将把运营从被动管理转变为积极管理，预⻅问题并⽴即实施必要的调整。实时调整将提升机器正常运⾏时间、质量控制和成本效率。⽬前，⾃动化往往仅⽤于简单重复的任务，仍然需要⼿动监督以确保持续运⾏。过去，⾃动化的扩张受到技术障碍（例如⽆法⾃动处理未分类的柔性零件，⽐如电缆）和财务约束的阻碍。然⽽，更先进的技术和成本降低将促使更⼴泛地在⼯⼚中部署⾃动化系统，⾃主系统将控制例⾏⼯作。这些⾃主系统包括机器、机器⼈和虚拟系统，它们可以管理从物料处理到质量控制和⽣产计划等例⾏任务。这些系统可以根据业务需求实时优化和调整机器上的⽣产参数，增强灵活性。尽管⾃动化程度最终取决于⾏业和地区的投资回报，但许多⼯⼚可能会朝着⾃⽴的⽅向收敛，这是为了保持竞争⼒。-灵活性:先进的机器⼈技术和⼈⼯智能将实现⾼度个性化的制造以及快速重组，使⽣产线能够适应不断变化的产品需求⾃主系统将⾃我组织以获得最佳⼯⼚布局和性能，进⼀步增强灵活性。它们还将增加供应链的敏捷性和响应能⼒-可持续性:⾃主系统将优化能源消耗，减少废物。实时分析将监控环境影响，确保在不牺牲效率的情况下实现可持续发展⽬标-

增强⼯⼈权⼒:由⼈⼯智能驱动的⼯具和⾃动化将提升⼯⼈能⼒，并促进⼈机互动，使⼯⼈能够快速了解⽣产问题并做出更明智的决策向⾃主转变也可能改变⼯⼚设计。未来以⼈⼯智能为中⼼的⼯⼚可能优先考虑机器优化布局，以增强⽣产效率和灵活性。例如，通过在⾃动多层货架中存储未完成的零件，可以释放宝贵的底层空间，⼿动流程可以加快进⾏，性能监控可以集中在虚拟控制中⼼中，⽽不是分散在⻋间楼层中向⼏乎⾃主的⼯业运营转变需要在⼈类和技术两个维度上进⾏协调变⾰1.2重新定义⼈的⻆⾊:从操作员到AI启⽤的协调员未来⼯业操作中⼈类的参与仍然⾄关重要，因为⼯⼈可能会从实际操作员过渡到AI助⼒的协调者，负责监督⾃主系统，并在需要时提供判断或创造⼒。随着机器在⾃然语⾔理解⽅⾯的进步，⼈机交互将变得更加流畅和直观，实现⽣产率突破。例如，⼀个个⼈在助理系统的⽀持下可以同时监督多个功能，例如质量、检验和⽣产。需要⾝体灵活性的维护活动，例如检查泄漏或更换机器内部零件等，可能部分仍由⼈类进⾏，但可以受到虚拟代理的⼤幅增强。⼯业操作中的前沿技术8在未来，随着⼤部分⾃控系统的出现，⼈类可能与机器合作，利⽤协作智能来专注于更⾼价值的任务在未来，随着⼤部分⾃控系统的出现，⼈类可能与机器合作，利⽤协作智能来专注于更⾼价值的任务，例如:产量偏差，系统⽆法解决，⼈类可以介⼊解决问题。-

持续改进包括解决复杂问题和优化流程-战略决策包括利⽤⼈⼯智能驱动的建议来做出业务关键性决策。例如，在汽⻋⼯⼚⾥，⼈⼯智能可能建议调整⽣产计划或轮班计划。⼈类规划者可能会权衡这些建议与诸如预期客⼾需求或当前劳动⼒供应等因素。例如，在化⼯⼚，⼯程师可以利⽤⼈⼯智能来识别混合或反应过程中的低效现象。然后他们可以重新设计⼯作流程或机器配置，以优化产出并减少浪费-

创造⼒和创新涉及发展新的⽣产流程并重新思考⼯⼚布局。例如，在消费电⼦⼯⼚，⼀名维修⼯可能会引⼊创意性想法，通过安装其他⾏业已经采⽤的额外⽀撑来简化⼯具更换过程-

绩效监督涉及监控根据需要调整⾃主系统。例如，在半导体⼯⼚中，操作⼈员可能会监控处理晶⽚制造的⾃主系统。

如果性能指标显⽰B

O

X

2⾏业⽰例：技术⼈员和主管⻆⾊转变⼀家全球⻋轮制造商在引⼊了由开普敦⼈⼯智能解决⽅案提供商开发的过程参数调整规范AI解决⽅案之后，其技术⼈员和主管的⻆⾊发⽣了转变。

技术⼈员现在专注于识别根本原因，并通过优化计划-执⾏-检查-⾏动（PDCA）循环来推动持续改进，⽽不是管理过程细节。

主管转⽽成为AI⽤⼾，解释基于AI的⻅解并引导操作员更有效地解决问题。

这种转变使操作员和主管都能集中精⼒在⻓期系统改进上，⽽不是⽇常的反应性任务。B

O

X3⾏业⽰例：利⽤AI⽀持的决策提升规划者⻆⾊⼀家财富500强科技制造商将其规划者的⻆⾊从执⾏者提升为供应链决策过程的设计者。、分析和建议的⼈类专家。公司以前完全依赖⼈类，导致决策延迟，造成⼤量库存和⻓交货周期。

通过利⽤美国决策智能公司的AI代理解决⽅案，他们在库存管理中⾃动化例⾏决策，同时将异常情况传递给具有背景数据该平台优化了库存⽔平，确保供应与区域需求匹配。

结果，77%的代理建议被⾃动执⾏，90%的建议被接受⽽不改变。这种演变将要求制造商预⻅员⼯技能和⽂化认同的转变，早期让操作⼈员参与转型之旅对成功⾄关重要。⼯业运营中的前沿技术9AI

代理推动运营转型2虚拟和具象

AI

代理可以推动软件和机器⼈向⾃主运营的过渡。实现以

AI

为中⼼的运营变⾰愿景需要对

AI

代理的潜⼒进⾏彻底评估和评估。虚拟和具象

AI

代理都有潜⼒带来显著价值，开启新机遇并推动向⾃主运营的过渡。AI

将从以数据为中⼼的前端转变为以代理为中⼼的⽤⼾端，依赖于特定领域的数据来源来优化⼯业运营。这些基于领域的代理将推动AI

在不同⾏业的新增⻓。交互式代理将进⼀步转变新的⼤型知识模型，促进具备先进技术、⼯具和⼈才的

AI

⽣态系统的发展。李杰，克拉克杰出教授；⻢⾥兰⼤学⼯业

AI

中⼼主任⼯业运营中的前沿技术10本报告来源于三个皮匠报告站（）,由用户Id:349461下载,文档Id:603774,下载日期:2025-02-09B

O

X

4⼈⼯智能代理的基础⼈⼯智能代理通过提供⼯具并增强其观察、规划和执⾏⾏动能⼒，放⼤了⼤型语⾔模型（LLMs）的影响⼒。传统的⼈⼯智能算法，如机器学习，是⾯向特定任务的，需要⼈类输⼊来定义任务、提供数据和解释结果。相⽐之下，⼀旦经过训练，⼈⼯智能代理可以⾃主操作并实现具体⽬标，不断观察环境、规划⾏动并利⽤⼯具执⾏复杂任务。⼈⼯智能代理在连续观察、规划和⾏动的周期中运作，这使它们特别适⽤于操作。每⼀步都由接⼝或模块实现：这些⻆⾊可以预先定义，或者代理可以灵活地动态适应新的⻆⾊。-

推理模块：代理具有有限的推理能⼒。底层LLM能够分解代理的提⽰并返回可执⾏计划。它通过复制在训练数据中观察到的推理步骤，提取关键洞察并建⽴逻辑连接。这使代理能够通过将复杂任务拆分为⼩动作来决定下⼀步所需的步骤，以实现其⽬标。最近的研究表明，当前的LLM尚⽆法进⾏形式推理。因此，现实世界的解决⽅案需要其他类型的⼈⼯智能和求解器，不能仅依赖现有的LLM。-

观察：代理从环境中收集和处理数据，包括多模态数据、⽤⼾输⼊或其他代理提供的数据。例如，代理可以实时感知⽣产质量和底层参数的偏差。-

⾏动：代理通过利⽤内部或外部⼯具和系统执⾏⾏动。例如，代理访问机器控制器并更改定义的机器参数。‒⾯向代理的界⾯：代理需要协议、应⽤程序编程接⼝（API）和特别设计的界⾯，以输⼊多模态数据或从多个来源感知实时数据。‒⾏动模块：代理使⽤诸如API、系统集成或其他必要的代理等访问机制决定使⽤哪些⼯具。‒

内存模块：代理具有短期和⻓期的记忆，使其能记住⼀般知识、过去的⾏动和决策。记忆，这使得它们特别有价值，可以在条件和⽬标不断变化的复杂、动态环境中找到⼴泛的应⽤。在这个循环中运作，代理通过⾃我反思或外部反馈不断学习。通过以⽬标为导向的学习⽅法，如强化学习，代理不断调整和完善其策略。‒

计划：代理及其基础的LLMs通过逻辑推理评估可能的优先级动作以符合其⽬标。在上述⽰例中，代理审查了改善质量的可能动作，并决定更改⽣产参数。通过逻辑推理来优先考虑⾏动，符合他们的⽬标。在上⾯的⽰例中，代理审查改善质量的可能⾏动，并决定改变⽣产参数。这使它们在复杂、动态环境中特别有价值，其中条件和⽬标不断变化。此类环境在⼯业运营中⼴泛存在。作为多代理系统的⼀部分，专⻔的代理通过将复杂问题分配给彼此合作，可以⾃动化整个流程。‒档案模块:

代理有定义的属性，⾝份，⻆⾊或⾏为模式AI代理在连续的观察、规划和⾏动循环中运作观察收集和处理环境中的数据代理⾏动计划通过利⽤内部或外部⼯具/系统执⾏评估可能的⾏动，通过推理对它们进⾏优先排序来源：波⼠顿咨询公司（BCG）⼯业运营中的前沿技术112.1

虚拟⼈⼯智能

-

为⾃主系统铺平道路虚拟⼈⼯智能代理可以管理各种基于软件的任务，从⽇常操作和研究到⾼级分析和任务⾃动化。在⼯业操作中，它们可以提⾼响应能⼒，改善执⾏质量，提⾼⽣产率并减少操作错误。路进⾏调整。这些代理在所有运营功能中都有应⽤，包括⽣产、维护、质量、⼯程、物流和计划。虚拟⼈⼯智能代理的成熟度可以分为三个级别:

助⼿，建议和⾃动化。每个成熟度级别的明确⽬标由专家代理追求:与传统的机器学习程序不同，它们可以在实时环境中做出依情景⽽定的决策，并通过反馈环图1四种类型的虚拟⼈⼯智能代理建议(提出场景和可⾏⻅解)⾃动化(⾃主执⾏活动)⾃动化代理⼈助⼿(执⾏⼿动任务)成熟度级别专家代理⼈知识代理⼈顾问代理⼈元代理⼈元代理⼈资料来源：波⼠顿咨询公司

(BCG)，世界经济论坛。知识代理⼈⽀持⼯⼈作为智能助⼿。他们分析和综数，重新编码指令或修改⽣产计划。它们通过⾃动化不仅个体任务⽽且还需要理解、规划和执⾏的整个⼈类活动，胜过了现有的RPA（机器⼈流程⾃动化）。合⼤量数据，提供实时运营⻅解，标记异常并创建报告和代码等内容。通过访问多个⼯具和实时数据源，例如机器⽇志和传感器数据，他们为需要快速⻅解的功能增加价值

-

例如在维护、质量和物流⽅⾯。他们还可以通过机器代码⽣成⽀持⼯程领域。元代理⼈在多智能体系统的上下⽂中编排专家代理以实现更⼴泛的⽬标，实现区域甚⾄整个⼯⼚范围的控制。元代理⼈的⻓期愿景是通过整合不同的专业代理来巩固知识并⾃动化端到端供应链。在⼯⼚内，这些代理可以涵盖整个⽣产过程或⼀组机器。顾问代理⼈通过⽣成实时场景来解决问题，并推荐可操作的⻅解。他们根据实时反馈不断完善其建议，使他们能够⾃主学习并调整⾏动，如机器参数设置、⼈员管理、⽣产计划和⼯⼚布局优化。他们还会根据其优化⽬标和收到的反馈建议出最佳⽅案，让⽤⼾能够将决策与业务优先事项保持⼀致。虽然专业代理已经在各⾏各业进⾏试点，但元代理在实际实施之前需要企业范围的⼈⼯智能和进⼀步发展。虚拟AI代理在所有运营功能中都有应⽤，包括⽣产、维护、质量、⼯程、物流和规划。虚拟⼈⼯智能在所有制造和供应链功能中都有重⼤影响，从物流到⽣产，以及维护、质量和⼯程等⽀持功能。下⾯描述的两个⽤例

-

⽣产过程参数设置和实时⽣产计划

-

说明了代理的能⼒。⾃动化代理独⽴⾏动，⽆需⼈类输⼊即可执⾏最佳操作。它们通过实时反馈适应新情况⽽⽆需明确的再培训，使其能够⾃主优化机器性能，调整⽣产参⼯业运营中的前沿技术12表1应⽤虚拟AI代理在⽣产过程参数设置和实时⽣产计划中⽤例描述1

⽣产过程参数设置2

实时⽣产计划实现机器参数（如温度和压⼒）的最佳设置是各⾏业制造商的主要⽬标。在特定外部影响因素下优化各种过程参数的复杂性迫使制造商严重依赖操作员的经验。AI代理改变了这⼀流程，以提⾼整体设备有效性。对制造商⽽⾔，实时⽣产计划⾄关重要，以满⾜需求、缩短交货时间并优化资源利⽤。然⽽，平衡产能、库存、劳动⼒及外部因素的复杂性通常需要经验丰富的计划⼈员进⾏⼿动调整。AI代理通过简化决策过程，提⾼灵活性和对变化条件的响应能⼒，从⽽提升整体⽣产效率。知识代理参数知识代理利⽤机器和过程参数以及⽣产输出数据（如质量验证、物料属性和维护和质量报告）来确定增强机器性能的最佳设备设置。⼯⼈可以通过语⾳输⼊激活代理，也可以在预测偏差时发出警报。它根据⼯⼈的反馈不断完善其分析。它还通过估计潜在调整的价值和成本影响来协助决策。规划知识代理作为基础⼯具，从多个来源（如历史⽣产绩效、需求预测、库存⽔平和资源可⽤性）汇集和综合数据。通过利⽤这些数据，代理为计划⼈员提供可操作的⻅解。它可以分析过去的趋势，识别潜在的瓶颈，推荐最佳实践并突显简化⽣产流程的机会。计划⼈员可以向代理查询以获取详细分析或预测⻅解，使其成为有价值的决策⽀持⼯具。随着时间的推移，它不断完善其知识，持续改进其⻅解的准确性和相关性。顾问代理参数顾问代理持续监控机器性能，检测实时偏差并推荐设定改进以实现期望的⽣产⽬标。操作员可以验证推荐的设置和纠正措施。规划顾问代理通过持续监测实时⽣产和预测数据，建⽴在知识代理的基础上。它们检测潜在的偏差，如延迟、资源短缺或设备停机，并推荐积极调整⽣产计划。这些建议可能包括重新安排、资源重新分配或库存调整，以确保达到运营⽬标。该代理根据规划者的验证和反馈进⾏学习，使其能够改进其预测并更好地预测未来的挑战。该代理通过整合实时⼯⼈反馈并评估绩效结果，随着时间的推移改进其推荐。这种适应性增强了其优化⽣产计划的能⼒。⾃动化代理参数设定⾃动化代理持续跟踪机器性能，实时识别异常并⾃主调整设定或采取纠正措施。它们根据当前的⽣产重点⾃适应和⾃我校正参数，⽆需⼈⼯⼲预。规划⾃动化代理通过实时⾃主管理⽣产计划迈出了下⼀步。他们动态响应⽣产事件，如机器故障、劳动⼒短缺或需求波动。该代理持续更新⽣产计划，重新分配资源和重新安排任务，以确保整个⽣产过程保持⾼效。该代理还可以与数字孪⽣模型合作，将必要的外部输⼊（如客⼾需求）纳⼊数字孪⽣模型，以⽀持业务决策。与顾问代理不同，⾃动化代理独⽴调整，只需要⼈类监督处理重⼤异常或战略决策。尽管系列⽣产中的⻜⾏员仍在等待中，⼀项研究表明，LLM代理可以远程控制和引导操作，⽆论是在⼈类监督下还是通过数字孪⽣中的AI代理。6元代理元参数代理监督和编排多个专⽤机器参数代理，同步跨多台机器的设定点。元供应链代理监督多个专注于特定领域（如劳动⼒、库存或产能）的规划代理。它协调这些代理，以确保整个⽣产过程保持平衡和优化。通过在各个部⻔之间动态调整优先事项和资源，元代理确保⽣产计划与更⼴泛的组织⽬标保持⼀致，并避免在本地化规划决策之间发⽣冲突。该代理⾃主协调⾏动，确保优化的⽣产流程，防⽌瓶颈并动态调整系统，以优化整体性能。⼯业运营中的前沿技术13表

2虚拟AI代理案例研究快照挑战⽤例解决⽅案好处钢铁制造商的⾃主控制代理钢铁⽣产商KG

Steel⾯临两个主要挑战:

1)

⾼液化天然⽓(LNG)能源成本⽤于操作熔炉，以及，2)

由⽼化劳动⼒引起的技能差距导致产品质量的不⼀致。为达到所需钢卷质量，操作员必须调整熔炉的加热设置，同时考虑不同的⽣产环境。⼀家总部位于韩国的AI软件提供商开发了深度学习模型预测控制优化模型，执⾏“假设”场景以可能的控制模式，并在数字孪⽣中评估它们以选择最佳控制。该代理已减少液化天然⽓将消耗降低约2％，同时减少产品质量的差异。最初，代理⼈充当顾问，为操作⼈员提供关于最佳控制设置的建议。通过系统集成和将代理输出直接馈送到熔炉控制系统中，后来实现了熔炉操作的部分⾃动化。低效的加热过程控制导致液化天然⽓的过度使⽤。全球酿酒商的规划⼈⼯智能代理⼀家全球性酿酒商旨在改进其规划流程和预测。当前⽅法被称为后期游戏分析，它持续评估过去的预测不准确性及其根本原因。这是繁琐的，需要专业知识随着时间流逝⽽消失。后期游戏分析越来越多由LLM复合代理执⾏，这些代理整合了⼀系列原⼦代理来执⾏复杂的任务。它们通过“配⽅”进⾏后期游戏分析通过使⽤总部位于美国的规划解决⽅案提供商的代理，酿酒商实现了70％的⽆触碰需求和供应规划。他们另外提出了可⾏性检查的决议。随着增加和进⼀步提升复杂的LLM/代理功能，这⼀百分⽐预计会进⼀步提⾼。采⽤和扩展的关键成功因素是数据质量，捕捉规划者决策逻辑的能⼒，计划的可解释性和结果的可信度。根据这些标准，中期的⽬标是实现90％的⾃动化范围和全球市场的规模化。由规划专家构建，不断从反馈中学习以改进结果，并可⽤于跨职能规划流程。除了提⾼⽣产⼒外，这些代理还增强了组织中的知识和专业知识。⾃主质量控制⼈⼯智能代理作為⼀個全球認可的數字化燈塔，西⾨⼦電⼦⼯廠安伯格（EWA）設定了⼀個雄⼼勃勃的⽬標，即實現產品的⼀次通過率（FPY）超過95％，每個⽣產批次的百萬連接點缺陷（DPMC）低于10個。鑑於電路板可能有⾼達3,800個需要監控的質量特徵，這是⼀個重⼤挑戰。為了實現這⼀⽬標，EWA與RIF研究與轉移研究所合作開發了⼀個專利的⾃主質量控制⼈⼯智能代理。這款先進的代理利⽤⾃組織映射，幫助員⼯正確設置焊膏印刷機進⾏第⼀次⽣產運⾏。這減少了在⼀個複雜的、多參數任務中的處理時間，這通常需要豐富的經驗。隨著過程參數的不斷改進，代理通過考慮參數變化、過程⾏為和之前的調整來進⾏適應。多項研究⼀致表明⾼質量的產品輸出同時將焊膏印刷機的處理時間降低了最多50％，與週期時間相⽐。下⼀階段的發展涉及將該代理轉換為⽤於快速擴展的邊緣應⽤。這⼀進步的關鍵要求是將質量檢驗閘⼝集成到流程的全⾯數字孿⽣體中。到⽬前為⽌，員⼯由於時間限制和壓⼒⽽無法始終做出正確的決定，因此FPY⽬標尚無法實現。這使其能夠不斷學習和優化焊膏印刷過程的未知⾏為。測試階段後，代理將能夠⾃主調整參數設置。⼯業運營的前沿技術142.2

体现型⼈⼯智能

-

点燃机器⼈领域的新时代⼈⼯智能不仅在改变软件，还在⾃动化物理⼯作流程。体现型⼈⼯智能将⼈⼯智能整合到物理系统中，例如机器⼈，使它们能够通过动态和复杂的动作感知和与环境互动。这些智能体通过传感器（例如相机、雷达、激光雷达和⻨克⻛）看到世界，并通过先进的夹具等执⾏器执⾏动作。在⼯业操作中应⽤这些智能体可以增强现有机器⼈系统的能⼒，实现更复杂的⾃动化。通过这样做，它们扩⼤了⾃动化范围，克服了传统挑战，⽐如处理⾮结构化环境或操作不稳定物体所涉及的挑战。图

2三种类型的机器⼈系统体现型⼈⼯智能赋能的机器⼈能⼒基于上下⽂的机器⼈技术零样本学习⼀般理解和任务执⾏类⼈灵巧和低级控制基于训练的机器⼈技术通⽤机器⼈实体培训任务多样性和灵活性适应情境能⼒基于规则的机器⼈学编码操作灵巧性性能和可靠性机器⼈软件改进来源：波⼠顿咨询公司值得注意的是，出现了三种类型的机器⼈系统：基于规则、基于训练和基于上下⽂（图2）。这种演变得益于机器⼈硬件和软件的改进。由于现实世界的多样性，预计这种情况将持续存在。这意味着仍然需要真实的机器⼈数据进⾏验证。例如，富⼠康在其虚拟⼯⼚中培训机器⼈，利⽤数字孪⽣体⽣成⽤于模型训练的合成数据，并教导机械臂如何看、抓取和移动物体。硬件变得更加强⼤、可靠和灵活。同时，软件也在不断进步，基础模型和技术得到改进（如强化学习）。⼀个有24⾃由度的五指机械⼿可以以前所未有的灵活性执⾏复杂任务。这得益于可以利⽤的各种数据源来训练AI启动的机器⼈：‒互联⽹规模的⼈类数据：在线数据，包括⼈类视频，具有很⾼的多样性，为AI提供了理解世界的基础。它提供了有关⼈类如何与物体互动以及物体如何⾏为的宝贵信息。模仿学习使最新模型能够通过模仿⼈类动作学习这些技能。体验式⼈⼯智能将⼈⼯智能整合到机器⼈等物理系统中，使它们能够通过动态⽽复杂的运动感知和与环境互动。‒

真实机器⼈数据：这些数据是从机器⼈运动控制器中收集的，也可以通过⼈引导的机器⼈远程操作⽣成。尽管真实的机器⼈数据是最精确的，但它的获取受限，因为只能从部署的机器⼈群中收集。通过体验式⼈⼯智能实现的三种机器⼈类型的讨论集中在这些软件进步上，这些软件利⽤先进的数据集：‒合成机器⼈数据：这些数据是在模拟的基于物理的环境中创建的，并且可以⽆限供应。虽然可以模拟任何情景，但存在模拟与实际之间的差距。基于规则的机器⼈技术：从1960年代开始，⼯业机器⼈在基于规则的系统下运⾏，遵循“如果…那么”指令，这些指令是由经验丰富的机器⼈⼯程师⼿动编码的。复杂。⼯业运营中的前沿技术15⾃动化解决⽅案需要对每个机器⼈进⾏个别编程。这些机器⼈被限制在简单、重复的任务上，使其灵活性降到最低。基于上下⽂的机器⼈技术：基于上下⽂的⾃主机器⼈建⽴在机器⼈基础模型（RFM）之上，对世界有⼀个总体的理解。因为它们既不需要制造商编码也不需要训练，可以引领机器⼈领域的范式转变，即零射击学习。这极⼤地减少了编程或教授这些机器⼈所需的⼯作量，为处理电缆和应对意外事件等新的、⾼度复杂的应⽤打开了道路。RFM⽬前仍处于开发阶段，预计未来⼏年将取得突破。基于训练的机器⼈技术：具象⼈⼯智能是机器⼈领域的⼀项重⼤技术突破。机器⼈、强化学习（RL）等机器学习类型以及先进的视觉系统的融合已经改变了⾃动化。通过让机器⼈对世界有所了解，具象⼈⼯智能实现了像分选箱物品这样的新应⽤。与依赖于⼿动编码的基于规则的系统不同，AI启⽤的基于训练的机器⼈现在可以通过物理或模拟环境中的RL进⾏试错⽅式学习技能。表3机器⼈类型具象⼈⼯智能实现的不同机器⼈类型的优势和⽰例优势⽰例基于规则的机器⼈技术-性能和可靠性：机器⼈执⾏基于编程的机器⼈程序完成具有明确精度和速度的重复性任务。如今全球机器⼈群中绝⼤多数都是基于规则的，包括装配线上的⼯业机器⼈和物流中的⾃动引导⻋（AGV）。对于那些不涉及偏差或特殊要求的重复性任务，例如医疗产品的⾃动装配线，基于规则的机器⼈可能在未来仍然是主流。基于训练的机器⼈技术-

任务多样性和灵活性：机器⼈能理解仓库中的配料机器⼈可以处理各种尺⼨和特征的零部件。以前，配料操作需要⼿动⼲预或多个机器⼈来管理不同尺⼨的零部件，降低了投资回报率。它们接受过训练的制造领域，从⽽具有必要的灵活性来适应不同环境，并具有处理已知物体和执⾏多样任务的灵巧能⼒。例如，现在配料机器⼈可以处理各种不同的零部件，应⽤其学到的技能库。例如，欧洲在线零售商奥托集团在其订单处理中⼼部署了由⼈⼯智能控制的机器⼈来处理订单拣选过程。-

情境适应能⼒：机器⼈可以⾃主理解和解决其训练领域中的意外事件，执⾏所需的动作。例如，如果螺丝卡住，机器⼈可以独⽴解决问题，显著提⾼系统可靠性。除了关节式机器⼈外，体现式⼈⼯智能模型增强了⽤于材料运输⽆⼈机和其他机器⼈类型的⾃主移动机器⼈（AMR）的能⼒。由于其⼈⼯智能能⼒，该机器⼈可以处理各种形状、颜⾊和数量，以前需要⼈类⼿眼协调处理的物品，例如纺织品。12-

操作灵巧性：机器⼈可以学会移动具有灵巧性的虚拟物体，使它们能够进⾏⾼级动作，例如多个⻮轮的接触丰富装配⼯业操作中的前沿技术16表3机器⼈类型通过具⾝⼈⼯智能实现的不同机器⼈类型的优势和⽰例

(续)优势⽰例基于上下⽂的机器⼈学-

具备对世界的⼀般理解和任务执⾏能⼒：机器⼈利⽤它们对世界的⼀般理解，可以⾃主⽣成任何动作并根据情况执⾏任何任务。它们可以根据接收的指令和环境进⾏推理、规划和⾏动。此外，它们还可以接收技术⼈员的⾃然语⾔指令，例如，在要求验证如何抓取特定物体时。这在⼯⼚优化⽅⾯显著提⾼了微调并减少了所需的技能⽔平。⼈形机器⼈是基于上下⽂的机器⼈学的⼀个突出例⼦，近年来已经出现。宝⻢正在试点在其斯巴达堡⼯⼚使⽤⼈形机器⼈进⾏装配准备。⼈类的形态带来了多重好处，也可以应⽤到操作中，⽐如在重复利⽤现有⼯作站⽅⾯。然⽽，⼈形机器⼈在操作中的未来仍不确定，因为它们的⼈体形态带来了显著的复杂性，这在⼯⼚⻋间并不需要，⽐如双⾜的⾏⾛代替轮⼦。即便如此，RFM将在操作中带来突破，因为它可以具现出任何形式的机器⼈系统，⽽不受形态的制约。-

⼈类般灵巧和低级别控制：这些模型可以实现直观的动作（例如，打开物体）和快速的低级别控制，适应任何情况。它们预计能够处理灵活的零件，如电缆，并处理复杂的物理情况，如在封闭容器中移动液体。-

通⽤机器⼈实体：通⽤RFM可以具有任何机器⼈形态，包括类⼈机器⼈、关节机器⼈或移动机器⼈，从⽽实现模型的通⽤使⽤。RFM的开发将是机器⼈能⼒的突破，特别是对于类⼈机器⼈领域。这是因为已经存在⼤量的⼈类数据可⽤于⽀持⼈形结构的训练。此外，由于世界是为⼈类⽽建造的，这些机器⼈将有⼴泛的潜在应⽤领域超出操作。-

通⽤机器⼈实体化:

通⽤RFM能够体现任何机器⼈形式，包括类⼈机器⼈，关节机器⼈或移动机器⼈，从⽽实现模型的通⽤使⽤。

RFM的发展将是机器⼈能⼒的突破，特别是对于类⼈机器⼈。这是因为已经存在⼤量的⼈类数据可以促进对⼈类形态的训练。此外，由于世界是为⼈类⽽建造的，这些机器⼈将在运营以外有⼤量的潜在应⽤。虚拟和实体代理对⼯业操作的影响将是巨⼤转变，重新构建AI代理系统的构建和功能。然⽽，正如未来学家保罗·萨福所指出的那样，‘永远不要将清晰的视图误以为是短距离’。我们仍处于了解这些代理潜⼒的起始阶段。⽣成式AI不是盒中的智能

-

它并不能真正推理，也不能单独解决复杂的优化问题。为了在动态的、⼈类居住的环境中安全部署机器⼈，结合⼤型语⾔模型、视觉语⾔⾏动模型以及其他AI模式以及⼯程知识是必不可少的，确保为可靠、有效的解决⽅案设置适当的保障。安东尼·朱尔斯，Robust.AI联合创始⼈兼⾸席执⾏官制造公司开始将虚拟和实体AI代理融⼊其操作中，正如上⽂所述的试点项⽬所展⽰的那样。尽管AI代理仍处于发展的早期阶段，需要进⼀步完善以实现⼤规模部署，但对于⾏业领导者来说，考虑⽀持其成功实施并融⼊现有系统所必需的基础元素⾄关重要。⼯业运营中的前沿技术17⼯业运营转型的战略要点3转型的成功取决于价值驱动、端到端的⽅法，⽴⾜于强⼤的组织和技术基础。AI⾰命在⼯业领域的应⽤：指南》中描述的AI之旅的关键考虑因素和步骤描述了制造商准备⼤规模实施AI技术的起点。然⽽，针对AI代理等前沿技术的考虑范围超出了指南中强调的内容。为了增强⼯业运营并满⾜新标准，制造商需要保持在前沿创新的最前沿，优先考虑价值驱动策略，并建⽴强⼤的组织和技术基础。容。为了增强⼯业运营并满⾜新标准，制造商需要始终⾛在前沿创新的最前沿，优先考虑价值驱动的策略，并发展健全的组织和技术基础。运营：2023年10⽉出版的《指南》，为准备⼤规模实施⼈⼯智能技术的制造商提供了起点。然⽽，对于包括AI代理在内的前沿技术考虑的范围超出了指南中强调的内3.1

为⼯业运营中AI代理的成功应⽤铺平道路转型之旅始于为未来运营制定与组织⻓期⽬标⼀致的明确愿景。成功取决于转型背后的原因被表述得多么明确。中的⼀个。例如，只有当AI-enabled⾃动化解决⽅案带来显著投资回报或有助于更⼤的应⽤时，才应追求具体化的AI-enabled⾃动化解决⽅案。成功的制造商采⽤了价值驱动、端到端的观点。此外，尽快证明价值对于建⽴组织内的信任⾄关重要，确保解决⽅案从⼀开始就可扩展也⾄关重要。尽管AI代理和前沿技术引发了极⼤的兴奋，但避免仅仅沉醉于技术进步是⾄关重要的。技术本⾝不会产⽣价值，只是可持续转型的⼏个成功因素⼯业运营中的前沿技术183.2

保持在AI代理创新的最前沿有望颠覆运营的前沿技术正在迅速发展。AI代理领域仍在发展中，预计未来将有新的能⼒。要在部署这些创新⽅⾯保持领先地位，需要持续⽽系统的努⼒。识别和评估AI代理创新应是整个组织的努⼒，因为它们的影响不仅限于运营，还延伸到⼯程、采购和IT等领域，以及整体业务策略。公司应采⽤系统化的⽅法审查这些新技术，并评估他们当前运营的成熟度，以便促进流程的准备、实施和扩展。3.3

奠定基础:组织和技术AI代理领域正在不断发展强，⼤预的计组未织来和将技具术有基新础的对能于⼒成

管。功理的必运须营由转组型织和的规⾼模层领导，使所有员⼯参与变⾰。通过在过程早期进⾏透明和开放的化使⽤AI代理⾄关重要。术的信任对培育变⾰⽂化⾄关重要。⼯作实践和⽂化的发整个过程中保持持续改进的⼼态可确保采纳和实现价值。组织基础‒

治理:

为组织定制在部署这些创新⽅⾯保持领导地位需要持续⽽系统的努⼒为了⽀持转型，将结构和操作流程与公司的特定需求相匹配⾄关重要。要充分发挥AI代理的价值，公司必须审查并调整当前的流程和⼯作程序—⽣态伙伴关系：合作是成功的必要推动因素，因为每种技术都具有固有的复杂性和所需专业知识的深度。在处理缺乏共同点的技术时，挑战会倍增。例如，实体AI和虚拟AI需要不同类型的专业知识和伙伴关系—技能与能⼒：为了充分释放AI代理的潜⼒，公司将需要⼴泛的技能和能⼒。这可能包括组织⽬前缺乏的专业知识（如及时⼯程），可能需要从零开始建⽴。此外，为了优化AI代理的使⽤，公司必须认识并理解技术的局限性。通过提供提升技能和再培训机会来⽀持员⼯也是⾄关重要的，让他们能够与公司⼀起成⻓。随着这些变化引发⽂化变⾰，关注员⼯的情感技能可能进⼀步促进平稳过渡—法律合规：随着监管环境的成熟，制造商必须确保AI和其他技术的负责使⽤。在实施之前，他们必须仔细评估相关⻛险。例如，AI代理可能授予对应保护的数据访问权限，因此公司必须评估公开某些信息可能带来的潜在⻛险变⾰管理：为了成功，变更管理尤其是⼈⼯智能等前沿技术帮助公司创造巨⼤价值。为了保持领先地位，组织必须⽴即开始从数字化转向⾃适应、⾃主运营的旅程。成功实现这⼀过渡需要为清洁的数字核⼼和数据基础、变⾰性组织思维制定明确定义的策略，整合传统的运营孤⽴体系。这不仅会带来竞争优势，还会为公司为我们这个时代的主要挑战做好准备。Dominik

Metzger，⾼级副总裁兼全球负责⼈SAP软件⼯程数码供应链负责⼈⼯业运营中的前沿技术19制造商应该在开发具有启⽤技术基础的领域处于领先地位技术基础⾼性能计算：AI应⽤和模拟⽅⾯的进展需要⼤量计算资源来进⾏及时数据处理制造商应该在开发具有启⽤技术基础的领域处于领先地位⼤规模模型训练通常在云平台上进⾏，这些平台由超级扩展器商品化。本地边缘计算的出现通过在⼯⼚⻋间直接进⾏计算减少了到云端的流量，从⽽增强了能源效率并减少了AI应⽤中的延迟实现IT（信息技术）和OT（运营技术）的融合对于释放AI的全部潜⼒⾄关重要。尽管这些启⽤技术构成现代⾃动化和数字转型的基础，但它们并不是独⽴的价值驱动因素。关键的技术基础包括：实现IT和OT的融合对于释放AI的全部潜⼒⾄关重要连接性：获取实时数据数据采集和处理：AI代理在数字化和机器⼈应⽤等⾼度⾃动化环境中⾄关重要。这可以通过先进的有线或⽆线⽹络（如5G⽹络）来实现。应⽤程序需要以正确格式提供并可访问的数据，适当的数据处理基础设施和数据治理。-

⽹络安全：随着端到端数字化，⼈⼯智能-启⽤的⽹络安全变得越来越重要，⽤于保护数据和信息技术/运营技术系统，并打击基于代理的威胁。公司需要全⾯的⽹络安全策略来保护运营中的敏感数据和知识产权。-

应⽤程序和⽤⼾界⾯：⽤⼾友好⼈⼯智能代理界⾯对于推动操作员的采⽤⾄关重要。界⾯应直观并与操作员合作开发，以最⼤化可⽤性和参与度。⼯业运营中的前沿技术20结论预计AI代理的影响在⼯业运营中将是显著的。认识到这⼀潜⼒，领先制造商正在进⾏最先进的试点项⽬。这些开拓性⼯作的投资和早期成果突显了AI代理巨⼤的转型潜⼒。除了前景，AI代理带来了与安全、合规性、社会责任和基础设施要求相关的挑战。在业务、学术界和政策制定者之间采取协作⽅式，交流最佳实践并分享⻅解对于负责任的转型⾄关重要。本⽂件的⽬的是⿎励⾏业领袖采取全⾯的⽅法来评估AI代理和其他前沿技术在其运营中的价值影响，并优先考虑负责任的采⽤。它们不仅提⾼了效率，还从根本上改变了全球产业的竞争格局。在不久的将来，它们很可能会成为全球⼤多数⼯⼚的基础，为制造商提供通往AI驱动、近乎⾃主运营的途径。展望未来，世界经济论坛将继续探讨⼯业运营中的最新前沿技术和创新，同时为⾏业领袖、技术专家和学者之间的合作和实验提供独特平台。这些合作将探索各⾏业和端到端价值链功能规模化的前沿技术成熟度和价值潜⼒，为公司、社会和环境创造价值。虽然本⽩⽪书专注于两类AI代理

-

虚拟AI和具象AI-

但其他前沿技术预计将重塑运营。增材制造、量⼦技术、⽣物技术以及5G和边缘计算等启⽤技术已经在视野范围内。为了释放潜⼒，制造商必须对这些创新的综合价值影响形成务实⻅解。⼯业运营中的前沿技术21贡献者主要作者项⽬团队Yannick

BastubbeMaria

Basso波⼠顿咨询公司负责⼈；项⽬研究员未来前沿技术：⼈⼯智能与更多，世界经济论坛Memia

Fendri数字技术中⼼第四次⼯业⾰命数字技术组合经理梅⽶娅·芬德⾥Devendra

Jain运营前沿技术主管世界经济论坛内容策展和运营卓越主管先进制造和供应链Benedikt

GiegerFederico

TortiSAP⼯业领域⼈⼯智能转型项⽬研究员先进制造和供应链主管世界经济论坛Jill

Hoang⾸席倡议⼈，⼈⼯智能和数字技术第四次⼯业⾰命中⼼数字技术Benjamin

Schönfuß⾼级制造业倡议专员与供应链致谢世界经济论坛感谢以下个⼈对⼯作⼩组、访谈和社区讨论的贡献和参与：Aref

Boualwan⾸席主管兼初创企业官，ConsolidatedContractors

Company

(CCC)⽶开朗基罗·坎松内⾥全球智能制造集团总负责⼈，默克集团Basma

AlBuhairan第四次⼯业⾰命中⼼总经理，沙特阿拉伯变⾰⾰命周卧⽣Meshal

Almashari数字和IT战略与投资总监，沙特阿美全球仪器副总裁/总经理制造业，安捷伦Aleksander

CiszekIbrahim

AlShunaifi⾸席执⾏官，3YOURMIND⼯业物联⽹和中⼩企业沙箱主管，第四⼯业⾰命中⼼，沙特阿拉伯Jason

ClarkExiger的全球制造副总裁Pierluigi

AstorinoAriston集团⾸席运营官Haldun

DingecARCELIK⽣产技术总监Gunter

Beitinger制造⾼级副总裁;负责西⻔⼦⼯⼚数字化Lauren

DunfordGuidewheel⾸席执⾏官Berk

BirandEfe

Erdem⾸席执⾏官，Fero

Labs技术与商务总监，MESS技术平台，⼟耳其雇主协会⾦属⼯业联合会（MESS）Klaus

Blüm集团IT产品与架构副总裁⼤众集团Sercan

Esen创始⼈兼⾸席执⾏官，Intenseye⼯业操作中的前沿技术22SamanFaridRamKuppuswamyFormicTechnologies⾸席执⾏官HeroGroup⾸席采购官PaulFarrellFredLaluyaux⾸席战略官和执⾏副总裁BorgWarnerPresidentandChiefExecutiveOfficerAeraTechnology维杰·费尔南德斯制造副总经理，科威特丹⻨乳业公司（KCSC）阿南德·拉克什⽶⽡拉汉·R集团⾸席数字和信息官，JubilantBhartia集团RicFulop李杰⾸席执⾏官兼联合创始⼈，DesktopMetal克拉克杰出教授；⼯业⼈⼯智能主任⻢⾥兰⼤学中⼼DavidGarfieldNatanLinderAlixPartners⾏业全球负责⼈联合创始⼈兼⾸席执⾏官TulipInterfacesKaiGoebel智能系统实验室主任斯坦福研究所DarkoMatovskicausaLens创始⼈兼⾸席执⾏官PuayGuanGohTorbjørnNetland新加坡国⽴⼤学商学院⼯业4.0硕⼠课程学术主任，副教授⽣产与运营教授管理，苏黎世联邦理⼯学院苏黎世联邦理⼯学院（ETH苏黎世）JuergenGrotepass⾸席战略官，制造业欧洲，华为NiJun⾸席制造官，Contemporary信达尔科技（CATL）PrasannaGururajanIT⾼级总监和制造产品线领导，强⽣公司MeiravOren执⾏主席兼联合创始⼈，多才多艺PriyadarshiPanda⾸席执⾏官，国际电池公司Stijn-PietervanHouten消费品⾼级副总裁；全球知识创新负责⼈，o9SolutionsCyrilPerducatLukeHu联合创始⼈，Electroder⾼级副总裁兼⾸席技术官RockwellAutomationChristianHuberJorisPoortOerlikon管理数字中⼼主管Rescale创始⼈兼⾸席执⾏官CynthiaHutchison美国先进中⼼⾸席执⾏官制造业PrevlenRambaleeHCLTechnologies主管NashaatSalman全球制造战略与质量总监⽇⽴道