一家工业AI独角兽，把智能体推向工厂决策层

一座工厂真正值钱的，并不是那些设备或流水线，而是每天源源不断冒出来的判断。

一张订单能不能接？图纸怎么拆？成本到底有多少？哪张订单先上生产线？设备突然出故障了，计划怎么调？这些决定，直接卡着工厂的效率、利润和交付能力。

过去十几年，工业软件确实把订单、库存、设备和进度搬进了系统，但下一步该怎么办，拍板的还是工程师、老师傅和生产主管。

现在，这条界线开始模糊了。

总部在上海的黑湖科技，主攻原生工业智能体。他们的智能体已经跑进了拆单、报价、排程、生产和质检这些核心环节，开始参与过去只属于工程师和主管的那些判断。

数字化工具过去管数据，现在AI开始管判断

过去二十年，工业软件主要解决的是信息问题。

订单、库存、设备、生产进度，都被录进了系统，管理者确实能看到现场发生了什么。但系统给的只是数据，判断还得靠人。

急单突然插进来，生产主管得重新核算产能；客户甩过来一张图纸，工程师得判断材料、工艺和加工难度；设备报警了，也得有人决定后面那些订单怎么调整。

数字化让工厂透明了，但决策依赖经验这个老问题，并没有变。

黑湖的成长轨迹也踩在这个节拍上。2016年到2022年，他们主要靠数字化产品连接订单、设备、物料和人。2023年大模型爆发之后，黑湖开始研发工业智能体，把AI推进到图纸解析、工艺拆解、报价、排程、生产和质检。

这不是在旧软件里加个聊天窗口，而是软件开始理解任务、调用数据、参与判断。工业AI就这样闯进了过去最依赖人脑的环节。

决策能力正在从人脑沉淀到系统

工业AI带来的第一个变化，是制造经验的存在方式。

中国大量中小制造企业做的是代工生意，读图、报价、排程这些活儿，通常集中在少数老师傅和工程人员身上。人一走，经验就跟着散了，很难完整留下来。

据黑湖介绍，他们自研的拆单智能体，一分钟左右就能完成过去需要数小时的图纸解析，几分钟内生成生产加工要求，部分场景准确率大约97%。

但读图只是一个入口。

图纸解析完之后，数据还能继续流进工艺制定、成本核算、报价、排程和生产跟踪。工业智能体沿着订单流，一层层穿透整个生产流程。

这意味着，过去分散在不同岗位上的判断，正在慢慢沉淀到同一套系统里。

对工厂来说，AI的价值也不只是提高某个人的效率，而是缩短整条决策链。更快的订单判断、更准的成本计算、更合理的设备和工序安排，以及更早发现交付风险。

这正是工业AI和传统自动化的本质区别。自动化主要替代动作，工业智能体呢，开始参与判断。

工业AI的竞争，最终取决于决策能否规模化

AI进入决策层，不代表做出一个Agent就万事大吉。

制造业场景太复杂了，不同工厂的设备、工艺和管理规则千差万别。一个智能体如果只能解决一家工厂的问题，那本质上还是个项目，不是产品。

黑湖选的是重研发、走规模化。

周宇翔在夏季达沃斯期间提到，黑湖单个新产品的研发投入通常从5000万元起步，有的甚至上亿。所以立项时，第一件事不是问能不能服务某一家客户，而是能不能在大量工厂里复制。

目前，黑湖已经服务了近4万家工厂，覆盖30多个制造行业。公开信息显示，公司近年营收增速稳定超过70%，从2025年开始持续盈利。D轮融资完成后，更多资金也砸进了AI工程师招募和智能体研发。

这其实点明了工业AI的竞争本质：不光是算法较量，更是场景、产品和商业模式的比拼。只有让智能体在大量的真实任务中反复验证，工厂经验才有机会沉淀成标准化的决策能力。

未来三到五年，随着工业智能体稳定性提升、使用成本下降，AI在工厂里的渗透速度，只会越来越快。