7月27日，AI赋能纺织产业高质量发展大会暨工业决策大脑产品发布会在浙江绍兴柯桥举行。会上，中科闻歌重磅发布工业决策大脑。作为一套面向AI原生工厂的完整能力体系，工业决策大脑以DOMA技术架构和“基—枢—核—脑—端”决策AI树为底座，打通工业数据、模型、智能体、智能装备的全链路，让AI真正读懂工厂、深度参与决策，打通“感知－决策－行动”的智能化闭环。

中科闻歌副总裁、CTO曹家发布工业决策大脑

工业决策大脑所面向的，正是制造业日益增长的智能化需求。我国工业门类齐全、制造业主体数量庞大，无论是大型企业的智能化升级，还是广大中小制造企业的提质增效，都为工业AI提供了丰富的应用场景。在订单处理、工艺优化、生产排程、质量检测和设备运维等环节，大量真实、高频的业务需求正加快释放。

但丰富的场景需求并不会自然转化为规模化应用。如何将企业已有的数据、工艺知识和生产经验转化为可执行、可验证的决策能力，推动AI真正融入生产经营流程，已成为工业智能化从单点应用迈向规模化落地的关键。

绍兴柯桥产业集聚度高、产业链条完整、纺织制造场景丰富。中科闻歌选择在此发布工业决策大脑，并与当地多家纺织企业开展合作，正是希望以纺织制造为样板，探索一条可复制、可推广的“人工智能+工业制造”规模化落地路径。

从信息化走向智能化，工业AI仍需跨越三重瓶颈

“工厂并不缺设备、系统和数据，真正缺少的是连接‘数据”与‘执行’的决策智能大脑。”中科闻歌副总裁、CTO曹家在发布会上表示。

过去多年来，随着ERP、MES、PLC等系统广泛部署，大量工业企业持续推进信息化建设，积累了丰富的数据资源。然而，信息化并不等于智能化。许多企业的数据仍停留在记录、查询和展示层面，尚未真正转化为分析问题、优化生产和辅助决策的能力。

曹家指出，工业AI要真正落地，仍需跨越数据难理解、模型难适配、经验难沉淀等三重障碍。

首先，工业企业并不缺少数据，真正缺少的是可被AI直接理解和有效使用的高质量数据。企业数据一般分散在ERP、MES、PLC、设备及Excel等不同系统中，存在标准不一、语义不通、彼此割裂等问题。相同的指标在不同环节可能有不同定义，设备数据、订单数据和工艺数据也难以关联，导致AI看到了数据，却无法准确理解数据背后的业务关系。

其次，通用大模型难以直接理解复杂的工业场景。工业场景中的数据远不止文本和图像，还包括波形、频谱、场数据、设备信号和时序数据等复杂模态；生产过程又受到工艺参数、设备状态、交付周期、成本和质量等多重约束。仅依靠通用大模型，难以理解复杂工艺机理和生产规则，更难以支撑生产排程、质量控制、设备协同等专业决策。

最后，大量关键知识仍沉淀在资深技术人员和专家团队的经验之中。从异常判断、工艺调整到排产优化，许多决策依赖个人经验和反复讨论，难以形成结构化、可传承、可复制的知识体系。一旦人员发生变化，经验就可能随之流失，企业决策效率和能力提升也因此受到限制。

这意味着，制约工业AI落地的并非单一的模型能力，而是数据可用性、工业知识沉淀与决策智能化的系统性瓶颈。中科闻歌此次发布的工业决策大脑，正是针对这些共性问题提出的系统性决策智能产品。

以DOMA和决策AI树打造工业决策大脑

中科闻歌将DOMA（Data—Ontology—Models—Agents，即数据—本体—模型—智能体）技术架构引入工业场景：汇聚企业真实业务数据，构建设备、订单、产品、工艺与质量之间的关系，再由专业模型进行理解和推理，最终通过智能体调用业务系统与生产工具完成任务。

在产品层面，中科闻歌“基—枢—核—脑—端”决策AI树进一步把这些能力组织为完整体系：底层由海汇和DIP负责组织工业数据和知识，中间由雅意、磐石大模型和决策机完成预测、推演与决策，上层通过龙工智能体和工业智能装备进入具体工厂生产和经营业务。

（中科闻歌“基—枢—核—脑—端”决策AI树）

依托决策AI树，工业决策大脑提供一套面向AI原生工厂的完整能力体系——让AI理解工厂、参与决策，并把决策转化为系统任务和设备行动。这套体系不要求企业推倒重建已经投入使用的系统，而是将订单、客户、设备、物料、产品、工艺和质量数据连接起来，让工厂使用统一的业务语言，并在交期、产能、库存、成本、品质和能耗等多重约束下，形成可执行的决策方案。

以纺织产业为样板，验证工业AI应用成效

依托绍兴柯桥完整的纺织产业链和丰富的制造场景，中科闻歌将纺织制造作为工业决策大脑重点落地的样板行业，围绕订单多样、工艺复杂、交付周期紧、生产高度依赖经验等行业特点，在真实生产环境中持续验证和优化产品能力。

目前，工业决策大脑已深入木林森、中辉纺织、东进新材料、舒美针织、龙玉才纺织、福华世家、东丘针纺、华孚时尚等企业的生产经营流程，覆盖智能理单、生产排程与排缸、印染配色、智能跟单、质量检测、生产执行等关键环节。

据曹家介绍，工业决策大脑已进入纺织企业生产经营的多个关键环节，并在典型应用场景中取得阶段性成效，推动AI从单点工具加速走向贯通生产经营流程的决策闭环。

具体来看：

l 贸易智能理单场景：过去，一张外贸订单需要人工在多个文件之间反复核对，通常耗时30至60分钟。应用工业决策大脑后，面料规格、颜色、数量、工艺、交期等关键信息可被自动识别，数十秒内即可完成理单，关键要素提取准确率超过95%。

l 织造智能排产场景：传统织造排产过去主要依赖人工经验统筹，一份排产计划需要统筹设备、产能、工艺、库存和交期等多项因素，往往耗时数小时。接入工业决策大脑后，AI能够综合各类生产约束，自动分配任务，并根据现场变化实时重算，排产计划由数小时压缩至分钟级，让生产计划更快响应临时插单、设备异常和订单调整。

l 印染智能配色场景：印染配色原本高度依赖老师傅经验，往往需要反复打样和调整。如今，工业决策大脑能够综合历史配方、光谱数据、面料信息和染料属性生成配色建议，并根据打样结果持续优化。在典型场景下，打样由7至8轮降至3至4轮，成本可节省30%至50%，并将老师傅经验持续沉淀为可复用能力。 

l 印染智能排缸：以前完成一次排缸通常需要约2小时，订单或设备情况发生变化后，还要重新协调。接入工业决策大脑后，AI能够综合多重约束生成可解释的排缸方案，将排缸时间由约2小时缩短至约2分钟，帮助企业更快应对插单、设备变化等生产现场的不确定性。

l 完工反馈与订单交付：过去，一个批次完成生产，生产记录、质检结果和原始订单需要逐项核对，还要联动销售、仓储、质检和财务等多个部门，费时费力。落地工业决策大脑后，系统自动核对生产记录、质检数据与订单要求，并同步触发后续业务流程，将原本1.5至3小时的跨部门协作压缩至约5分钟。

从数字决策到具身执行，打通工业智能闭环

工业智能不仅要在数字系统中完成分析和决策，还要将决策转化为生产现场的具体行动。曹家表示：“中科闻歌本身并不做机器人，而是致力于为各类机器人进入工厂打造统一的工业决策大脑。我们希望在机器人‘会感知’与‘会行动’之间，构建统一的协同决策能力和决策算法，让不同类型的机器人能够围绕同一生产目标协同工作、持续优化，共同推动未来工厂运行模式从自动化走向智能化。”

未来工厂的运行效率，不仅取决于单台机器人的智能水平，更取决于机器人、智能装备和智能体能否基于统一的决策体系协同运行。中科闻歌希望构建连接数字系统与物理现场的决策层，让工业决策算法成为智能工厂的新型基础设施。

在工业决策大脑统一调度下，由中科闻歌孵化企业中科巨细打造的智能巡检、智能挂纱和智能落布机器人，成为AI进入生产现场的具身智能终端。

机器人融合自主导航、视觉识别、任务规划和协同调度等能力，将系统决策转化为巡检、停机、挂纱、转运等生产动作，并实时回传现场数据，形成“感知—决策—执行—反馈”闭环。

其中，智能巡检机器人可识别20余类纺织瑕疵，检测准确率超过95%，单机续航达8小时；发现严重缺陷后，可上传数据进行风险研判并联动织机停机。智能挂纱机器人能够协同完成取纱、定位和挂入，作业高度覆盖0.5至3米，最大挂载15公斤/卷，重复定位精度达±0.1毫米。智能落布机器人额定负载达300公斤，定位精度达±5毫米，每日可转运100至150卷布卷，并支持动态避障和多机协同。

通过工业决策大脑与具身智能终端协同，中科闻歌进一步贯通数字系统与物理现场，让AI从分析生产、辅助决策走向执行任务、反馈结果，推动决策智能与工业具身智能深度融合。

在纺织制造业持续验证应用路径的同时，中科闻歌正推动工业决策大脑向电力、煤炭、新能源、钢铁、船舶、航空航天等重点工业领域拓展，相关能力已应用于输配电设备预测性维护、电力科研、能源产业投资、钢铁低碳研发和气动仿真优化等场景。

“我们希望通过不同行业场景的持续验证，沉淀可迁移、可复用的工业决策能力，推动AI从单点应用走向跨行业规模化落地。”曹家表示。

从数字化工厂迈向AI原生智能工厂，关键在于让AI真正进入生产经营流程，连接数据、决策与行动，形成持续优化的决策与执行闭环。未来，中科闻歌将携手制造企业与生态伙伴，以工业决策大脑推动AI从单点应用走向全流程协同，加快AI原生智能工厂建设。

注：文中应用效率与准确率指标，来自中科闻歌合作企业试运行及典型场景测试；机器人相关参数为特定测试条件下的产品数据。实际应用成效可能因企业业务流程、设备配置及运行环境不同而有所差异。