AI переходит из роли наблюдателя к участнику. Промышленные интеллектуальные агенты преуспевают в традиционных отраслях

Шаньдунская угольная шахта с интеллектуальным управлением подземных работ. Источник/предоставлено компанией

Журналист Цзянь Хуансянь из «Цзиньшибao»

«Раньше на обогатительной фабрике опытные мастера настраивали плотность тяжелого реагента полностью на ощупь, требовалось 5–6 лет, чтобы научиться видеть «сквозь»; сейчас интеллектуальный агент сразу дает оптимальные параметры, PLC-оборудование автоматически их выполняет, качество концентрата стабильно и высокое». В цехе обогащения угля на шахте Синлунчжуан один из операторов рассказал о реальных изменениях, которые принесли традиционной угольной промышленности интеллектуальные агенты.

Высокая сложность промышленных сценариев, строгие требования к безопасности, необходимость в реальном времени — все это ограничивает эффективность больших моделей ИИ в промышленности. В этом контексте отрасль начала исследовать и внедрять интеллектуальных агентов.

Недавно журналисты «Цзиньшибao» посетили компанию Юндинь Технологии и обнаружили, что в традиционных тяжелых отраслях, таких как горнодобывающая промышленность, химия, нефтегазовая сфера, долгое время сталкивались с общими проблемами низкой эффективности, высокого уровня рисков и сильной зависимости от человеческого опыта. Однако эти проблемы начинают получать системное решение — способность «восприятия — принятия решений — выполнения — оптимизации» в цикле, основанном на интеллектуальных агентах, переосмысливает модели промышленного производства и управления. В качестве ключевого носителя, соединяющего большие модели ИИ и промышленные сценарии, интеллектуальные агенты прокладывают «последний километр» внедрения ИИ, способствуя переходу традиционных отраслей от «одностороннего интеллекта» к «системной координации».

Преодоление промышленных проблем с помощью интеллектуальных агентов

«Ранее большие модели обеспечивали базовые возможности, как бы устанавливая в промышленности «умный мозг», но именно интеллектуальные агенты — это «руки и ноги» этого мозга, которые позволяют технологиям реально приносить ощутимую пользу». Гао Чжэнь, директор по искусственному интеллекту в отделе промышленного интернета Юндинь Технологии, рассказал «Цзиньшибao».

«Трансформация традиционной промышленности в сторону интеллектуализации долгое время оставалась на уровне «сигнализации», а возможности больших моделей — от «обнаружения и восприятия» до «принятия решений и выполнения» — еще не достигали нужного уровня». Гао Чжэнь отметил, что появление интеллектуальных агентов полностью изменило ситуацию: в горнодобывающей, химической, нефтегазовой сферах наблюдается много точечных прорывов, ИИ перестает быть «наблюдателем», превращаясь в «участника».

Юндинь Технологии — один из первых в стране поставщиков решений по цифровизации с внедрением вертикальных больших моделей в конкретных отраслях. Компания создала несколько типичных промышленных кейсов и добилась масштабного распространения.

На обогатительной фабрике шахты Синлунчжуан интеллектуальный агент, разработанный Юндинь, реализовал точное регулирование плотности в промышленном сценарии. Традиционная сортировка тяжелым реагентом зависела от человеческого опыта, параметры часто колебались, что приводило к нестабильности выхода концентрата, а также к растрате реагента и потере ценного продукта. Теперь интеллектуальный агент с помощью предсказательной модели вычисляет оптимальную плотность сортировки и напрямую управляет PLC-оборудованием для замкнутого регулирования. Это не только стабилизирует качество концентрата, но и повышает его выходность более чем на 0,2%. При ежегодной переработке 3 миллиона тонн — это дает прямой экономический эффект свыше 3 миллионов юаней.

Безопасность подземных работ также значительно улучшилась благодаря участию интеллектуальных агентов. На площадке буровых работ по предотвращению взрывных выбросов и разгрузке в шахте Ли Лоу интеллектуальный агент для контроля глубины буровых отверстий автоматически подсчитывает количество буровых штанг с помощью видеоаналитики, полностью устраняя устаревшую практику «ручной проверки поштучно», которая была утомительной и склонной к ошибкам.

«Раньше мы вручную считали буровые штанги — глаза уставали, и всегда боялись пропустить что-то. Теперь автоматическая проверка по алгоритму повышает эффективность работы более чем на 80%». — рассказали сотрудники现场. Также интеллектуальный агент берет на себя инспекцию транспортных лент для подачи угля, камеры круглосуточно мониторят ситуацию в реальном времени, при обнаружении отклонений автоматически подают сигнал тревоги и инициируют меры. Это снижает трудовую нагрузку работников и исключает «слепые зоны» ручных обходов.

В химической промышленности интеллектуальные агенты решают задачу оптимизации технологических процессов, характеризующихся «многими переменными, нелинейностью и сильной связью». «Процесс обогащения угля — в основном физические изменения, а химические реакции в технологических цепочках — химические процессы. Регулировка одного параметра может вызвать цепную реакцию, и предсказание и оптимизация отличаются по сложности в разы», — объяснил Гао Чжэнь. Он добавил, что разработка интеллектуального агента для сценара ректификации метанола заняла почти год работы команды ИИ компании. В результате, после внедрения системы в Юйлиньской химической компании, потребление пара на тонну метанола снизилось на 3,2%, годовой объем производства метанола увеличился на 180 тонн, а ежегодная экономия и повышение эффективности на одном заводе составили 4,5 миллиона юаней.

Интеллектуальные агенты также успешно внедряются в нефтегазовой отрасли. В 2024 году Юндинь выиграла контракт на проект по созданию большой модели ИИ для нефтегазовой сети, расширив возможности интеллектуальных агентов в этой сфере. «От горнодобывающей промышленности до химии и нефтегазовой сферы — ключ к быстрому распространению интеллектуальных агентов — это решение реальных проблем отрасли и очевидные выгоды», — отметил Гао Чжэнь.

Создание «жесткой поддержки» для традиционных отраслей

За успешным применением интеллектуальных агентов в традиционных отраслях стоит технологическая система, адаптированная к промышленным сценариям. В отличие от «универсальности» интеллектуальных агентов в потребительском секторе, промышленная версия более ориентирована на «практичность» и «безопасность», сформировав ядро из «мульти-модальной базы + данных-источников + платформенной среды».

Еще в 2022 году Юндинь Технологии совместно с Huawei запустили разработку больших моделей, в 2023 году представили первую в энергетической отрасли большую модель для горнодобывающей промышленности, а в 2025 году — модель для химической промышленности «Юндинь Фуси». Сегодня создано семейство промышленных больших моделей, охватывающее несколько отраслей. «Наши базовые модели — мульти-модальные, они не только локально развернуты на Huawei Паньгу и других коммерческих моделях, но и интегрированы с ведущими универсальными моделями отрасли, что обеспечивает гибкую адаптацию под разные сценарии», — рассказал Гао Чжэнь. Такой «отраслевой + универсальный» дизайн делает технологию более устойчивой.

«Промышленные интеллектуальные агенты не могут полагаться только на универсальные данные — необходимо накапливать специализированные данные, основанные на конкретных сценариях». Гао Чжэнь отметил, что с самого начала разработки больших моделей для отраслей Юндинь уделяет особое внимание сбору отраслевых данных. В настоящее время у компании есть более миллиона размеченных отраслевых данных и триллионы производственных записей. Эти отраслевые датасеты вошли в список пилотных проектов по созданию высококачественных данных для отраслей, утвержденных Национальным управлением данных в 2025 году. Именно такие «отраслевые» данные делают решения более точными и практическими.

Самостоятельная платформа «Цзянь Ся» от Юндинь — это инструмент, который делает внедрение технологий «простым и удобным». «Мы хотим, чтобы даже работники без навыков программирования могли использовать интеллектуальных агентов», — подчеркнул Гао Чжэнь. Платформа обладает функциями оркестровки приложений и координации нескольких агентов, пользователь может перетаскивать компоненты для быстрого создания собственных решений. Уже реализовано автоматическое создание сценариев обработки естественного языка, в ближайших планах — расширение на сложные сценарии, такие как промышленный мониторинг безопасности и оптимизация процессов.

Самое важное — промышленный агент должен иметь «ген безопасности». В условиях нулевой терпимости к нарушениям безопасности в промышленности, интеллектуальные агенты проектируются с встроенными механизмами защиты. Например, при выполнении команд ведется полный аудит операций, в случае аномалий система автоматически отключается; также, для промышленных навыков предусмотрены строгие проверки и верификация.

«Успех OpenClaw подтвердил ценность внедрения агентов, но по сравнению с универсальными возможностями, мы больше сосредоточены на стандартизации промышленных алгоритмов и опыта, чтобы сформировать переиспользуемые «навыки промышленности» — это наш ключевой конкурентный преимущество», — подчеркнул Гао Чжэнь.

Преодоление вызовов и ускорение развития

Хотя применение интеллектуальных агентов в традиционных отраслях постепенно углубляется, существуют и реальные сложности.

«Промышленные сценарии сложны и открыты, различия в технологиях и оборудовании велики, поэтому внедрение универсальных агентов в промышленности — сложная задача», — отметил Гао Чжэнь. Например, в процессе временного укрепления в угольных шахтах используются разные методы: одни используют мобильные опоры, другие — отдельные конструкции. Поэтому необходимо разрабатывать разные схемы мониторинга. Также сложности связаны с модернизацией старых предприятий, барьерами в данных и недостаточной стандартизацией, что сдерживает масштабное развитие.

Еще важнее, что возможности промышленных агентов существенно отличаются от потребительских. «Потребительские агенты ориентированы на универсальность, их навыки легко переиспользовать; промышленные же требуют глубокой интеграции с конкретными сценариями, зачастую нужны индивидуальные интерфейсы и специальные возможности для разных устройств и процессов», — признал Гао Чжэнь. Он добавил, что уровень зрелости промышленных агентов пока уступает потребительским, но именно в этом их ценность — «решать сложные и жесткие задачи в сложных сценариях».

«Из-за сложности, уникальности и открытости промышленных сценариев, сейчас большинство решений сосредоточено на отдельных этапах или локальных сценариях. В будущем необходимо объединить разрозненные точки с помощью мультиагентной системы, сформировать «кооперативных агентов», чтобы создать системные решения, такие как аварийное управление в шахтах, безопасность, предиктивное предупреждение рисков. Цель — создать по-настоящему «мозг ИИ»». — заявил Гао Чжэнь.

Модель для горнодобывающей промышленности Юндинь достигла международного уровня по оценкам Китайской ассоциации угольной промышленности, ее возможности прошли экспертизу авторитетных отечественных и международных организаций и вошли в первую линию мировых моделей. На сегодняшний день 223 сценария применения ИИ реализованы в более чем 130 производственных предприятиях, таких как China Coal, Национальная сеть газопроводов и Anhui North Coal & Electric.

«Наше преимущество — не в количестве параметров, а в надежности внедрения сценариев», — отметил Гао Чжэнь. Компания не ограничивается применением в одной области, а стремится к централизованному управлению визуальными, предиктивными и обработкой естественного языка интеллектуальными агентами.

На государственном уровне, Министерство энергетики и другие ведомства неоднократно издавали политики, стимулирующие глубокую интеграцию ИИ и энергетической отрасли, что создает мощную поддержку для внедрения агентов. Интеллектуальные агенты уже демонстрируют ощутимые результаты, способствуя переходу традиционных отраслей от «опыта» к «данным».

【免责声明】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。邮箱：news_center@staff.hexun.com