【亿邦原创】在湖北荆州，一座赛博工厂拔地而起。
人形机器人“美罗”当上了车间主任，熟练搬运9公斤重的洗衣机后桶部件；AI巡检员“玉兔”24小时穿梭检查，遇到问题自行呼叫工程师；物流小车AMR产线和机器人之间来回自如，运送物料，确保生产顺利进行；而工具大脑Mbot则全面管理工厂内上千传感器和机器人，指挥14个智能体，保障整个工厂的正常运转。
这是一座由机器人运营的智能工厂，在Agent落地进入深水区，屡屡折戟于数据孤岛、系统异构、决策不稳时，美的洗衣机荆州工厂已经抢先实现一个智能体工厂。
这座智能工厂是怎么打造出来的？它和数字化工厂有哪些不同？这座工厂能代表中国工厂的未来吗？美云智数副总裁魏晓刚向亿邦动力介绍了这座工厂的诞生细节与发展方向。
1、机器人既是质检员，又是消防员，还是设备保养员
“此前我们的灯塔工厂是一个人运营，现在是一个工业大脑运营。”美云智数副总裁魏晓介绍。
据悉，荆州工厂由14个高度专业的智能体运营，覆盖38个核心生产业务场景，包括质量检测、生产排程、设备维护、能源管理等关键环节。智能体，通过Agent-to-Agent(A2A) 通信协议实现高效协同，形成了分布式的智能决策网络。
同时整个工厂通过5G全连接技术实现了人、机、料、法、环五大生产要素的全面互联互通，部署4个5G基站和2500个通信点位，服务15类133个应用场景。实现平均生产效率提升超80%，关键生产环节更是实现100%防错。
相较于执行既定流程的数字化工厂，智能体工厂的最大特点是机器人和大模型之间的自动调度和自主决策，表现出一种近乎“思考”与“进化”的能力。
比如机器人美罗，既是质检搬运员，又负责检查消防安全、产线安全、设备维护，还在不停收集车间信息和工厂大脑互动 ，哪里需要哪里搬。再比如美的工厂大脑，它由30亿真实工业数据训练而成，每天还在收集、分析和总结采集上来的数据，实现自我进化。
2、“高手在民间”：一线员工每周打造上百个智能体
“说实话，这次Factory Agent的落地速度，完全超过我们的策划和预算。”美云智数副总裁魏晓刚向亿邦动力表示。
在2024年底与亿邦动力沟通时，魏晓刚曾表示，生产制造是AI最难落地的场景，因为生产场景由于容错率低，应用无法碎片化，必须进行整体规划，进展较慢。预计Factory Agent要到到2026年-2027年。
荆州工厂的进展也超出内部预料。至于原因，魏晓刚总结，因为高手在民间。
很多智能体出自一线。魏晓刚记得，技术人员还没研究明白，一线员工已经把智能体捣鼓出来了。“员工有工具有平台有场景还有行业知识，然后经过筛选、立项、预算批准，就可以使用。”
比如巡检场景，原本需要有人每半小时或每一小时去检查产线、设备、环境，去可能出故障的地方摸一摸拍一拍，然后输入手机系统。
有员工觉得，是不是可以拿机器狗来做巡检？然后通过美的智能体开放平台自行摸索。后来又觉得机器狗只能质检，机器人还可以加点油、补点货，这里拍一拍，那里摁一下。此后就演变为机器人巡检。
再比如，DMS（Daily Management System日常管理系统，主要用于工厂的日常运营管理和生产调度）场景，需要每一小时有三个人坐在一起，对着大屏，检查生产执行计划、跟踪生产进度。假如目前物料短缺，会影响到下一个生产，现在应该如何备料等。
由于多模态大模型能力的突破，视觉识别能力大幅提升，三个员工看大屏的场景变成三个智能体检测大屏信息，分别是计划智能体、品质智能体，设备智能体，这三个智能体背后，是美的工业大脑在支撑。
此外，DMS等系统还可以部署在机器人身上，实地检测设备状况，润滑保养，提升设备综合效率，降低故障率与停机时间。
“所以你知道我们为什么要做智能体平台，为什么要全员开放？你要把这些东西给到员工，他有知识库有算法，他自己在那里捣鼓，我们平均每周能出来100多个智能体，都来自民间。”魏晓刚总结。
过去两年，美云智数自研美擎AIGC，把所有大模型配置在后台，方便产品经理快速编辑发布，近20万美的员工则可以登陆AIGC前台使用和推广。同时，美的集团建立了一套“全员数字化”培养计划，近三年来线上线下有16万人参与学习。
此外，美元智数还专门设立一个智能体治理团队，筛选、评选智能体。被筛选出来的智能体，经过立项评估、预算批准，就可以投入研发和使用。这也是美的熟练的数字化转型流程，“美的强，其实强在战略和落地的一致性上，这种一致性非常通畅。”魏晓刚总结。
场景是一个一个蹦出来的，智能体是自下而上一个一个涌现出来的。这个在2025年就能实现的Agent工厂，是顶层规划和底层涌现的叠加。
美的洗衣机荆州产业园于2021年5月打下第一根桩基，就按照全球灯塔工厂标准进行规划设计。充分利用美的集团自主研发的工业互联网、机器人自动化等软硬件技术，投资1.32亿元进行数字化基础设施建设。
2024年7月，荆州工厂从"智能工厂"向"智能体工厂"转型，引入了分布式多智能体架构，开发了“工厂大脑”作为智能体系统的神经中枢，通过Agent-to-Agent(A2A) 通信实现智能体自治协同，整个系统如同人体：工厂大脑是负责任务调度的中枢，智能体是面向特定任务的神经网络，智能终端是负责实际任务执行的四肢。
“制造本身就那些东西，这几个框架，哪个能变智能体，哪个先变哪个后变，也能排出来一个规划，然后就加速往前推，只不过推进的速度比规划的速度更快。”魏晓刚分析。
3、AI转型：能否跨出“示范很美，推广很难”的悖论？
“我们现在最着急的，还是速度。我们全球有35家工厂，到现在为止才一家工厂做到全智能体。慢的原因，很大一部分在于人才短缺，特别是算法人才短缺。什么时候才能全做到智能体运营？”魏晓刚表示。
荆州工厂成功将前沿技术与深厚的制造知识相结合，打造出一个“有生命力”的智能体生态，实现了从“制造”到“智造”的范式探索。但它也恰恰揭示了“推广困境”这一现实难题，背后面临着结构性、经济性和人才性的巨大挑战。
这是一个技术、人才、数据、资本和组织文化高度协同的“有机生命体”，在复制推广过程中，面临的也正是中国制造业智能化转型的核心痛点：缺钱、缺人、缺数据、缺生态。
因此，荆州模式更可能的推广路径是：首先，在美的集团内部，优先在新建设或基础较好的工厂进行逐步推广。其次，分阶段实施，先从某个车间、某条产线的智能化改造开始。最后，模块化输出成熟解决方案（如AI质检、智能巡检）作为标准化产品向行业输出。
荆州工厂已经成为一座显示的“灯塔”，但其他船只能否抵达，取决于各自的“发动机（资金）”、“航海图（规划）”、“船员（人才）”和“压舱石（数据）”。
文章来源：亿邦动力
