过去两年，大模型已经进入办公、营销、客服等场景，但来到工厂之后，光会生成内容显然不够。面对设备状态、订单交期、库存、能耗和产品质量等一连串变量，企业真正需要的，是AI能够给出可靠的判断，并把结果落实到生产环节。

7月27日，热点科技在绍兴参加了AI赋能纺织产业高质量发展大会。会上，中科闻歌正式发布工业决策大脑，试图让AI从辅助查询和信息处理，进一步进入排产、配色、巡检以及设备调度等环节。

和常见的聊天机器人不同，这套系统解决的并不是“问一个问题，得到一个答案”，而是工厂在多种约束下到底应该怎么做。中科闻歌副总裁、首席技术官曹家在现场提到，目前不少工厂已经拥有ERP、MES、机器人和大量生产数据，但这些系统往往各管一段。真正到了排产、调度和异常处理时，依然需要管理人员或老师傅根据经验做判断。工业决策大脑的作用，就是把分散的数据、系统和设备连接起来，在它们之上增加一层统一的分析与调度能力。

简单来说，机器人负责看和做，ERP、MES负责记录业务和生产信息，而工业决策大脑负责判断下一步该怎么办。其底层通过数据和知识系统统一不同部门、设备之间的名称和编码，再结合大模型与决策机相关能力，完成预测、推演、优化求解和方案生成。最后通过智能体连接业务系统和工业设备，形成从感知、决策到执行的完整流程。

相比传统工业软件，工业决策大脑更关注生产现场的变化。在现场演示的巡检环节比较直观，以前挡车工需要不停穿梭在几十台织机之间，一旦断丝、油污等问题没有及时发现，就可能连续产出次品。巡检机器人发现异常后，可以及时将信息反馈给系统并通知工作人员；在与织机控制系统进一步打通后，还可根据风险等级触发停机等联动操作。

群访中，葛金宝透露，在部分织造车间，一台巡检机器人可以覆盖原本需要多名挡车工持续巡视的区域，从而减少重复性巡检工作，让工作人员更多投入异常处置和生产管理。

换句话说，现阶段工业AI更现实的作用，是先把重复、耗时的部分接过去，而不是一步到位实现无人化。

在染整环节，AI面对的是另一类问题——老师傅的经验怎么留下来。拿配色来说，一块布最终是什么颜色，很多时候都是老师傅一点点试出来的。最后虽然会留下配方，但中间为什么调整、哪些方案试过，这些经验往往很难完整保留下来。

曹家在群访中表示，工业决策大脑并不是要替代老师傅，而是让系统和老师傅共同工作一段时间，把客户需求、历史配方、面料材质以及每轮调整过程记录下来。中科闻歌方面称，目前相关方案希望将原来需要7至8轮的打样流程压缩到3至4轮，并将颜色开发成本降低30%至50%。

这件事的意义不只是少打几次样。对于不少传统制造企业来说，真正稀缺的不是数据，而是老师傅脑子里的判断过程。一旦老师傅离开，这些经验也可能跟着流失。AI在这里更重要的作用，是把个人经验逐步变成企业可以留存和重复使用的知识。

排缸同样依赖经验。上一批任务结束后，下一批布料怎么接，直接关系到设备利用率和生产成本。系统会综合订单、缸型、设备状态和交期，安排更合理的生产顺序，尽量减少空转。

据现场介绍，过去人工需要约两个小时完成的排缸工作，在部分场景中可以压缩到数分钟。葛金宝也在群访中提到，通过减少染缸空转，在产能和品质不变的情况下，可以进一步降低水、电、蒸汽等能源消耗。

当然，让AI进入真实工厂，远没有安装一套软件那么简单。

群访中，热点科技也问到了产品真正落地时会遇到的问题。曹家表示，目前工业AI进入工厂，并不是部署一套软件那么简单。工程师需要先完成设备接入、网络调试，再根据车间环境规划巡检机器人的运行路线。机器人发现异常后，还要与织机等设备打通，才能完成停机、通知等一系列动作。

在热点科技看来，工业决策大脑此次发布更值得关注的，并不是又多了一款“大模型产品”，而是AI开始尝试进入传统工业最复杂的部分——决策和执行。真正进入工厂后，每家的设备、网络和生产流程都不一样，同样一套产品，还需基于统一架构完成场景适配。

对于纺织行业来说，AI带来的变化或许不会从一座完全无人的工厂开始，而是从一次巡检、一次配色和一次排缸开始。先把重复劳动减少，把老师傅的经验留下，再让不同系统和设备逐步协同起来，这可能才是工业AI进入生产现场更实际的路径。