工业智能体进不了车间，原因不在模型不够强，而在车间的数据和动作不在它伸手可及的地方。这是 2026 年 11 月 3 日中国证券网一篇报道给出的判断，也是我们做海星 astero agent 时最认同的一句话。报道把这层隔阂拆成六层：数据治理、系统接口、权限安全、验收机制、ROI 核算、组织流程——没有一层是算法问题。
一、Agent 已经从“给建议”变成“交结果”
2026 年 10 月 29 日至 30 日，腾讯全球数字生态大会在深圳国际会展中心举行。腾讯集团副总裁、腾讯云 CTO 王慧星在会上给了这样一个分界：智能体不能只停留在回答问题，更要调用工具把任务完成，“Agent 的真正价值已从给建议转向交结果”。
支撑这个判断的是量级。我国日均 Token 调用量从 2024 年初的 1000 亿，涨到 2026 年 7 月的 500 万亿。但同一场大会上，记者在展区和采访中得到的另一个信号更值得注意：企业对“落地”依然谨慎，Agent 在办公协同、营销、客服这些数字流程里跑得很顺，一旦要进产线和车间，就慢了。
- 已经跑通的场景：文档协作、经营分析、市场调研、营销执行——输入是文档、邮件、会议记录，输出是报告和看板。
- 还没跑通的场景：排产、报工、质检判定、设备点检——输入是工单、批次、设备状态，输出要写回系统、要有人为结果负责。
差别不在谁的模型更大。在车间里，Agent 拿不到数据，也做不了动作。
二、工业智能体是什么？它和通用 Agent 差在哪
工业智能体是指以企业既有业务系统（MES、ERP、CRM）为数据来源与执行入口，能自主拆解任务、调用业务接口、并把结果写回原系统的一类 AI 应用。它和通用办公 Agent 的分水岭只有一条：通用 Agent 的产出是给人看的，工业智能体的产出是写进系统、进入下一道工序的。
- 数据来源：通用 Agent 读文档、邮件、网页；工业智能体读工单、BOM、批次号、设备采集点。
- 动作边界：通用 Agent 生成内容；工业智能体要建单据、改状态、触发审批，每一步都得留痕。
- 错误代价：通用 Agent 写错一段话改掉就行；工业智能体排错一单，整条线的交期都要跟着挪。
- 验收方式：通用 Agent 看“好不好用”；工业智能体看“哪个业务指标动了”。
三、六道关：从机房到车间到底卡在哪
第一关：数据治理——数据在，但不是能用的形状
钢铁行业的例子很典型。沙钢在电炉冶炼复盘上，过去工艺人员每炼完一炉钢，要从生产系统导出数张明细表，手工拼合比对，单炉复盘耗时约 30 分钟。数据一直都有，缺的是按炉号把配料、能耗、合金、温度串起来的那层治理。做完这层治理之后，单炉复盘缩短到 3 分钟。
注塑车间是同样的结构：机台参数在设备里，工单在 MES 里，不良记录在质检表里，模具履历在一张 Excel 里。四份数据对不上同一个批次号，Agent 再聪明也只能猜。
第二关：系统接口——最容易被低估的一关
2026 年 11 月初，实在智能发布企业级智能体平台 Soiawork，明确把“没有可用接口”当成头号障碍：一部分系统提供 API 与 MCP，可以直接调用；另一部分只能靠员工打开界面查、填、存，于是他们用 RPA 加屏幕语义理解去补这一段。
这件事说明一个容易被忽略的事实：接口不是 Agent 厂商能替客户解决的，它取决于客户手上那套系统愿不愿意开。这也正是系统厂商自己做 Agent 的天然优势——接口在自己家里。
第三关：权限与安全
Agent 会不会越权、数据会不会外流、流程能不能追溯，是企业问得最多的三个问题。可行的做法不是“给 Agent 一个管理员账号”，而是按角色发放最小权限、关键动作强制人工确认、所有调用留日志。对进入生产核心环节的智能体，沙箱验证、权限控制、操作留痕、人工确认和异常回退，应该做成系统架构里的内生能力，而不是上线后补的插件。
第四关：验收机制——标准正在被行业改写
2026 年 10 月 30 日，金蝶发布融合“灵基”的 AI 套件，同时推行“价值工程”：项目上线后要交付价值清单、对比上线前后的业务指标变化，把验收口径从“上线了几个功能”改成“业务指标变了多少”。他们同期披露，灵基付费用户已达 3706 家。
另一组数字更说明问题。智元在 10 月 29 日的具身作业生产力论坛上公布：搭载 GenieMaster 框架的机器人在便利店处理熟食打包与补货，任务成功率首日 28.6%，第五天稳定达到 85.7%。Agent 上线的第一天，往往就是它最差的一天。用首日表现决定续费，是这个阶段最常见的误判。
第五关：ROI 核算——算不清就活不过第一年
Token 花了多少、花在哪个部门、哪个场景、哪一步又慢又贵。如果这些数字说不清，第二年的预算就过不去。可观测能力不是锦上添花，它是 Agent 能活过第一年的前提条件。
第六关：组织流程——最难的一关
Agent 把一件事的耗时从两小时压到两分钟，多出来的时间归谁、责任怎么分、谁来复核它的结论，这些是管理问题，不是技术问题。政策层面已经在给方向：工信部披露，已在钢铁、汽车、医药等 20 个行业形成 1000 多个应用场景，遴选推广了 100 余项凝聚“老师傅经验”的工业智能体。“老师傅经验”这个词很关键——它意味着知识要从人身上搬出来，这本身就是一次组织动作。
四、为什么系统厂商做 Agent，过关会快一些
把六关排一遍会发现，前两关和第三关都不是 AI 能力问题，而是“你有没有这套系统”的问题。这正是我们做 astero agent 的位置：海星 CRM、海星 MES、海星进销存本身就是数据的产生地和动作的执行地。
- 不需要为 Agent 单独建数据管道，批次、工单、单据本来就在库里；
- 不需要请客户开放接口，Agent 调的是自家系统的业务方法；
- 不需要另造权限体系，沿用系统里已有的角色与数据范围；
- 不需要额外做留痕，单据流转本身就是审计记录。
反过来说，这也决定了 astero agent 不做什么：不做通用问答，不做跨企业的知识库，不承诺“接上就能自己跑”。它只做一件事——在客户已经在用的系统里，把那些靠人来回切界面、抄数字、核对差异的活接过去。
五、上线前，我们给自己定的三条验收标准
借智元那组“可衡量、可复制、可持续”的工程标准（他们用来判定具身智能是否真的具备作业生产力），我们把它落到了软件上：
- 可衡量：每个 Agent 上线前必须先定一个可对比的业务指标，比如排产调整耗时、试模次数、报价出单时长。定不出来就不上线。
- 可复制：同行业的第二家客户能用同一套配置起步，而不是把项目重做一遍。
- 可持续：上线后要留调优窗口期。参照那组 28.6% 到 85.7% 的数据，我们不把首周成功率当成结论。
目前海星软件已服务 100 余家企业，集中在注塑、五金冲压、模具、新材料几个行业。这些行业工序不长、变更多、老师傅的判断权重高——恰好是 Agent 最该介入、也最容易做错的地方。
六、常见问题
中小企业没有专职 IT，能用工业智能体吗？
能，但前提是主体业务系统已经在线。Agent 解决的是“系统里的活由谁来做”，不是“要不要上系统”。如果排产还在一张 Excel 里，先解决那张 Excel，再谈 Agent。
老系统没有接口怎么办？
两条路：一是从系统侧开接口，系统厂商自己做 Agent 时这条路最短；二是用界面自动化兜底，代价是稳定性差一档、维护成本高一档。选之前先算清楚这套老系统还要用几年。
上线要多久？
取决于数据能不能对齐到同一个业务对象，比如订单、批次、模具号。对齐了，单个场景通常按周计；对不齐，时间基本都花在对齐上，而不是花在 AI 上。
结语
《“人工智能+制造”专项行动实施意见》定的目标是到 2027 年推出 1000 个高水平工业智能体。这个数字听着宏大，但落到一家注塑厂，就是“这个月的排产调整别再靠微信群里喊”。
astero agent 近期上线。我们会把每个场景上线前后的对比数据一起放出来，而不是只放一段演示视频。想先看看你的车间最可能卡在哪一关，可以从注塑行业方案、模具行业方案、五金冲压方案里挑一个最像的，也可以直接联系我们。