本文提出了工业大模型赋能的新型流程工业智能工厂核心工业软件 体系. 该体系构建了基于大语言模型的工业大模型, 其架构分为模型底座层、公共能力层和业务应用 层. 其中, 公共能力层提供时序数据、图像数据、文本数据等多模态处理能力, 业务应用层则结合具体 业务场景开发了多种类型的智能体, 包括图表智能体、低代码智能体、感知智能体、分析智能体、诊 断智能体、决策优化智能体和控制智能体. 这些智能体能够准确执行人类通过自然语言发出的各项任 业软件的原理, 还需要深刻理解生产 工艺, 当前阶段流程工业智能工厂核心工业软件尚不具备这种能力. 近年来, 以大语言模型为代表的新一代人工智能技术发展迅速 [6], 特别是在结合工业多模态预训 练机制与多模态融合能力后, 为流程工业智能工厂建设带来了新的契机 [6,7]. 例如, 针对工业时序数据 的生成, MetaIndux-TS [8] 等模型展现了显著的进步, 能够有效解决数据稀缺问题. 工业大模型赋能的新型流程工业智能工厂核心工业软件体系 ChatGPT 的正式发布让人们看到了大模型为人类服务的曙光, 经过两年多的探索和发展, 除了类 似于 ChatGPT 的大语言模型, 视觉模型、多模态模型、专业领域模型等不同类型的模型在工业中都 进行了一定程度的概念验证和应用 [33]. 2025 年, 由中国深度求索公司开源的 DeepSeek R1, DeepSeek V3 大语言模型在自

普 适能力；RedCap/5G-A 使上行和时延满足实时闭环.......................................................... 1 洞察 2：多模态智能原生：感知数据即资产，视觉+雷达+声学的融合将成为默认配置； 生成式 AI 在感知增强与自动标注中大幅降本........................................... 产业向更加智能、高效、普惠的方向发展。 洞察 2 多模态智能原生：感知数据即资产，视觉+雷达+声学的融合将成为默认配置； 生成式 AI 在感知增强与自动标注中大幅降本 2025 年，多模态智能已经从实验室的前沿研究转变为产业界的标准实践，成为 AIoT 系统的原生能力。这一转变标志着感知技术从单一维度向立体化、从被动采集向主动 理解、从数据负担向数据资产的根本性跃迁。多模态融合不再是技术上的锦上添花， 而 360 度无死角的环境感知能力。更重要的是， 多模态融合不是简单的数据叠加，而是基于深度学习的语义级理解。系统能够理解不 同传感器数据之间的互补性和冗余性，在恶劣天气、光线不足、电磁干扰等极端条件 下，通过智能的传感器权重调整和故障降级策略，确保感知系统的持续可用。 图：自动驾驶汽车的传感器解决方案，来源 MOMENTA 在工业安全领域，多模态融合技术展现出了巨大的价值。化工厂的安全监控系统集成

ModelArts OS 开发 框架。采用结构化工艺数据，制造检验数据、产品图 像等生产制造数据，以及生产状况、计划进度、资源 使用状态等生产管理数据，通过 NLP 与标注 ［21］、多 模态信息提取与融合 ［22］、大数据挖掘 ［23］等方法，构建 工艺智能生成、智能装配指导、实时排产调度、智能 检测、测试大数据分析等场景大模型，并基于云-边- 端集成框架，与现有制造设备、检测设备、数字化终 势，将人类的决策能力、灵活性与机器人的可重复 性、高强度作业能力进行有机融合，进而增强装配 过程的鲁棒性，提升装配作业效率。 实现人机协同装配的关键技术主要包括 3 项， 如图 5 所示。1） 对多模态信号融合的装配操作行 为进行感知 ［30］，将固定人机协同策略转变为动态人 机协同策略，使得人机协同装配单元的适应性和灵 活性更强；2） 在人机协同装配路径规划中考虑协作 意图，将人机协同从装配执行阶段前置到路径规划 2606-2622. ［21］ 卡祖铭，赵鹏，张波，等 . 面向大语言模型的推荐系统综 述［J］. 计算机科学，2024，51（增刊 2）：11-21. ［22］ 赵什陆，张强.深度学习多模态图像语义分割前沿进展［J］. 中国图象图形学报，2023，28（11）：3320-3341. ［23］ 汤洪涛，费永辉，陈青丰，等 .基于工业大数据的柔性作业 车间动态调度［J］.计算机集成制

( 生产管控 Agent) Al 品控卫士 ( 质量管控 Agent) 工业垂类大模型 行业知识图谱 数据要素 X 多模态交互 X-Agent 自动化 Al 水蜘蛛 ( 物流调度 Agent) 物流 质 量 生产 Al+. C j 柔性 生产流程配置化 检验方案配置化 物流业务配置化

人工智能生成内容（Artificial Intelligence Generated Content，AIGC），是 人工智能的一个重要分支和应用领域，它代表了人工智能技术在内容生成方面的能 力，尤其是通过生成算法、预训练模型和多模态技术等手段自动生成文本、图像、 音频、视频等多种类型的内容。 早期的AIGC主要集中于简单的文本生成，如基于模板的新闻报道或天气预报。深度 学习技术的兴起为AIGC的发展奠定了基础，深度学习能够通过学习大量数据自动提 ransformer 等技术的出现和融合，为AIGC提供了强大的技术支撑，使得机器能够更准确地理解 和生成内容。 8 随着深度学习、大数据、云计算和边缘计算等技术的快速发展，以及预训练模型和 多模态技术的突破，AI开始能够生成更复杂、更自然的文本、图像、音频和视频内 容。特别是以GPT系列为代表的大型语言模型的出现，使得AIGC在内容生成方面取 得了显著进展，开始展现出强大的内容生成能力。