山东某煤矿智能化操控井下作业。 受访公司/供图

证券时报记者 黄翔

“以前在洗煤厂，老师傅调重介密度全靠‘手感’，5—6年才能练出‘火眼金睛’；现在智能体直接给出最优参数，PLC设备自动执行，精煤质量又稳又好。”在兴隆庄煤矿洗煤车间，一位操作工道出了AI智能体给传统煤矿产业带来的真切改变。

工业场景复杂度高、安全要求严、实时性强，AI大模型在其中的效用受到限制，在此背景下，行业开始探索与落地AI智能体。

近日，证券时报记者走访云鼎科技发现，在矿山、化工、油气等传统重工业领域，长期面临效率偏低、安全风险高、对人工经验依赖强等共性难题，但这些问题正迎来系统性破解路径——以智能体为核心的“感知—决策—执行—优化”闭环能力，正在重塑工业生产与管理模式。作为连接AI大模型与产业场景的核心载体，智能体正打通AI落地的“最后一公里”，推动传统产业从“单点智能”向“系统协同”跨越。

智能体破解产业痛点

“过去，大模型提供了基础能力，就像给产业装上了‘聪明大脑’，但智能体才是让大脑落地的‘手脚’，能真正把技术变成实实在在的效益。”云鼎科技工业互联网事业部人工智能业务总监高桢告诉证券时报记者。

“传统产业的智能化转型曾长期停留在‘报警式’应用，大模型从‘发现与感知’到‘决策与执行’的能力延伸仍存在差距。”高桢表示，智能体的出现，彻底改变了这一局面，在矿山、化工、油气等领域呈现出多点突破的态势，AI从“旁观者”变成“参与者”。

云鼎科技是国内率先推出垂直领域大模型的数智化解决方案供应商，在矿山、化工、油气等工业领域打造了多项业内典型应用案例，并实现规模化推广。

在山东兴隆庄煤矿的洗选车间，云鼎科技研发的智能体实现了精准密度调控的工业场景落地。传统重介分选依赖人工经验设定密度，参数波动大，不仅精煤产率不稳定，还造成介质浪费与精煤损失。现在智能体通过预测大模型测算最优分选密度，直接驱动PLC设备执行闭环调节，不仅可以稳定精煤质量，同时提升精煤产率0.2%以上，按年洗选300万吨测算，每年可创造直接经济效益超300万元。

井下作业的安全保障也因智能体的参与焕然一新。在李楼煤业的防冲卸压打钻施工作业现场，防冲卸压孔深监管智能体通过视频算法自动计数钻杆数量，彻底告别了“人工逐根核对、枯燥易出错”的旧模式。

“以前通过人工数钻杆眼睛都看花了，还总担心漏数，现在通过算法自动核验，工作效率提升80%以上。”现场工作人员说。在井下的输煤皮带巡检，也由智能体接管，摄像头24小时实时监测，异常情况自动报警并联动处置，既减轻了工人劳动强度，又消除了人工巡检的盲区。

在化工领域，智能体要攻克化工生产工艺优化“多变量、非线性、强耦合”的难题。“煤炭洗选过程主要是物理变化，化工工艺流程多为化学反应，调控一个参数可能引发连锁反应，预测及优化难度存在显著量级差异。”高桢坦言，甲醇精馏场景的智能体研发，公司AI团队足足投入了近一年时间。付出终有回报，这套系统在榆林能化落地后，吨甲醇蒸汽消耗降低3.2%，年增收甲醇产量180吨，单厂单装置年降本增效450万元。

油气行业的智能体也展现出规模化落地能力。2024年，云鼎科技中标某管网集团AI大模型项目，将智能体能力延伸至油气管网领域。“从矿山到化工再到油气，智能体之所以能快速推广，核心是解决了行业真痛点，带来了看得见的收益。”高桢表示。

搭建传统产业“硬支撑”

智能体在传统产业“大显身手”，背后是一套贴合工业场景的技术体系。不同于消费端智能体的“通用性”，工业智能体的研发更注重“实用性”与“安全性”，形成了“多模底座+数据燃料+平台载体”的核心架构。

早在2022年，云鼎科技就联合华为布局大模型研发，2023年发布能源行业首个矿山大模型，2025年推出云鼎伏羲化工大模型，如今已形成多行业覆盖的工业大模型家族。“我们的大模型底座是多模驱动，不仅本地化部署了华为盘古等商用模型，还接入了业内主流通用模型，能根据不同场景灵活适配。”高桢介绍，这种“行业+通用”的设计，让技术更具韧性。

“工业智能体不能靠通用数据‘喂饱’，必须扎根产业场景积累专属数据。”高桢透露，云鼎科技从建设行业大模型之初就注重积累行业数据，目前已拥有百万余张标注的行业数据和千亿条生产数据，其行业数据集还入选了2025年国家数据局行业高质量数据集建设先行先试项目。正是这些带着“产业温度”的数据，让智能体的决策更精准、更贴合实际。

云鼎科技自主研发的仓颉智能体平台，则让技术落地变得“简单易用”。“我们希望让不懂编程的一线工人也能用上智能体。”高桢表示，该平台具备应用编排、多智能体协同等核心功能，用户通过拖拉拽的方式，就能使用各种应用组件，快速搭建专属智能应用。当前，基于该平台已实现自然语言处理类场景的自主编排，下一步将逐步扩展至工业安全监控、工艺优化等复杂场景。

更关键的是，工业智能体要求自带“安全基因”。针对工业场景对安全生产零容忍的要求，智能体在设计与运行过程中需内嵌完善的安全机制。例如，在执行指令环节要进行操作日志全链路审计，一旦出现异常行为自动熔断；同时，对于工业技能包，也要进行严格的安全检测与验证。

“OpenClaw的火爆印证了智能体的落地价值，但相比通用能力，我们更关注如何将多年沉淀的工业算法与行业经验进行标准化封装，形成可复用的‘工业技能包’，这正是我们的核心优势。”高桢强调。

在挑战中加速演进

智能体在传统产业应用逐步深入，但也存在一些现实挑战。

“工业场景复杂且开放，不同工艺、设备差异大，通用智能体在工业应用场景中落地难度大。”高桢举例，在煤矿生产的临时支护环节，有的矿井采用机载式临时支护，有的矿井使用单体，因此必须设计不同的监测方案。此外，老厂改造难度大、数据壁垒未打破、标准化不足等问题，也制约着行业规模化发展。

更重要的是，工业智能体与To C智能体在能力形态上存在显著差异。“To C智能体强调通用性，技能包具备较强复用性；而工业智能体则更强调与具体场景的深度耦合，不同设备、不同工艺往往需要定制化接口与专属能力。”高桢坦言，工业智能体的成熟度确实不如消费端，但这也正是其价值所在——“解决复杂场景的硬骨头问题”。

“由于工业场景的复杂性、特殊性、开放性，目前智能体的应用多集中于单一生产环节或局部场景。下一步需要通过多智能体协同，将分散的点状场景进行整合，打造‘智能体群’，形成如煤矿应急管理、安全调度、风险预警等系统性解决方案，最终目标是打造真正的‘AI大脑’。”高桢展望。

云鼎科技的矿山大模型经中国煤炭工业协会鉴定达到国际领先水平，模型能力经国内权威第三方机构评测进入国际第一梯队。截至目前，其223类人工智能场景已在中国中煤、国家管网、皖北煤电等130余家生产单位落地。

“我们的优势不在于参数多大，而在于场景落地够扎实。”高桢说，不局限于单一方向智能体应用，云鼎科技致力于实现视觉、预测、自然语言处理类智能体的集中管理。

政策层面，国家能源局等部门多次出台政策，鼓励人工智能与能源产业深度融合，为智能体应用提供了有力支撑。智能体正以“看得见、摸得着”的成效，推动传统产业从“经验驱动”向“数据驱动”跨越。