一座工厂真正的核心，不只是设备和产线，而是每天发生的大量判断。
一张订单能不能接，图纸应该怎么拆，成本如何计算，哪张订单优先生产，设备异常后计划如何调整......这些决定共同影响着工厂的效率、利润和交付能力。
过去，工业软件已经把订单、库存、设备和生产进度搬进了系统，但决定下一步怎么做的，仍然是工程师、老师傅和生产主管。
现在，这条边界开始松动。
总部位于上海的黑湖科技，是一家以原生工业智能体为主要方向的AI公司。目前，其自研工业智能体已进入拆单、报价、排程、生产和质检等核心业务流程，开始参与过去主要由工程师和生产管理人员完成的判断。
数字化工具过去管数据，现在AI开始管判断
过去二十年，工业软件解决的主要是信息问题。
订单、库存、设备和生产进度被录入系统，工厂管理者可以看到现场发生了什么。但系统提供的是数据，判断仍然依赖人。
急单突然进入，生产主管要重新核对产能；客户发来图纸，工程师要判断材料、工艺和加工难度；设备出现异常，也需要人决定后续订单如何调整。
数字化让工厂变得透明，却没有改变决策高度依赖经验的现状。
黑湖的路径也经历了这一变化。2016年至2022年，其主要通过数字化产品连接订单、设备、物料和人员。2023年大模型快速发展后，黑湖开始研发工业智能体，将AI进一步引入图纸解析、工艺拆解、报价、排程、生产和质检。
这不是在原有软件中增加一个聊天窗口，而是软件开始理解任务、调用数据并参与判断。工业AI由此进入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首先改变的，是制造经验的存在方式。
中国大量中小制造企业以代工为主，读图、报价和排程等能力通常集中在少数老师傅和工程人员身上。人一旦离开，经验也很难完整保留。
据黑湖介绍，其自研拆单智能体能够在一分钟左右完成过去需要数小时的图纸解析，并在数分钟内生成生产加工要求，部分场景准确率约为97%。
但读图只是一个入口。
图纸被解析后，相关数据还可以继续进入工艺制定、成本核算、报价、排程和生产跟踪。工业智能体开始沿着订单流，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，正在逐步沉淀到同一套系统中。
对工厂而言，AI的价值也不再只是提高某个岗位的效率，而是缩短整条决策链。更快判断订单能否承接，更准确计算成本，更合理安排设备和工序，也更早识别交付风险。
这正是工业AI与传统自动化的区别。自动化主要替代动作，工业智能体则开始参与判断。
工业AI的竞争，最终取决于决策能否规模化
AI进入决策层，并不意味着做出一个Agent就足够了。
制造业场景高度复杂，不同工厂的设备、工艺和管理规则差异明显。一个智能体如果只能解决某一家工厂的问题，就仍然是项目，而不是产品。
黑湖选择的是重研发和规模化路线。
周宇翔在夏季达沃斯期间接受采访时表示，黑湖单个新产品的研发投入通常从5000万元起步，部分达到亿元级。因此，新产品立项时首先评估的，并不是能否服务某一家客户，而是能否在大量工厂中复制。
目前，黑湖已服务近4万家工厂，覆盖30多个制造行业。公开信息显示，公司近年来营收增速稳定超过70%，并从2025年开始持续盈利。完成D轮融资后，更多资金也被投入AI工程师招募和工业智能体研发。
这也说明，工业AI的竞争不仅是算法竞争，更是场景、产品和商业模式的竞争。只有当智能体在大量真实任务中反复验证，工厂经验才可能被沉淀为标准化决策能力。
未来3至5年，随着工业智能体稳定性提升、使用成本下降，AI在工厂中的渗透速度势必明显加快。
