金融界 7 月 29 日消息显示威士顿在投资者互动平台透露公司已重点投入工业领域 AI 智能体应用研发正构建 "工业 AI 智能体与大模型联合驱动" 的工业信息化数字应用形态并探索多模协同的 AI 应用新模式。这一布局不仅彰显了企业在工业数字化领域的技术前瞻性也为其核心信息化产品注入了 AI 赋能的新动能。
技术布局：大模型 + 智能体 打造工业数字化新引擎
威士顿的工业 AI 研发路径呈现 "双向融合" 特征：
智能体与大模型深度协同：通过工业 AI 智能体实现对生产设备、工艺流程的实时感知与精准控制同时依托大模型的海量数据处理与知识推理能力为智能体提供决策支持。这种 "执行层 + 决策层" 的架构让 AI 应用既能响应现场动态又能结合全局优化目标适配工业场景的复杂性;
多模协同突破场景限制：探索文本、图像、传感器信号等多模态数据的融合处理例如在智能制造场景中智能体可同时解析设备运维文档(文本)、生产线实时影像(图像)、温度振动数据(传感器)实现故障预警、工艺优化等闭环管理;
兼容多平台生态：公司基于大模型的产品已实现与 DeepSeek、ChatGPT 等主流大模型的顺畅对接这意味着其工业 AI 解决方案可灵活适配不同技术底座降低客户的选型与切换成本。
应用价值：AI 赋能工业信息化产品升级
威士顿将大模型能力融入核心信息化产品并完成一体化集成有望在多个维度创造价值：
提升产品智能化水平：例如在工业 ERP(企业资源计划)系统中通过 AI 智能体自动识别生产瓶颈结合大模型分析历史数据生成排产优化建议使生产效率提升 15%-20%;
简化客户应用门槛：多模协同模式降低了工业企业使用 AI 的技术壁垒一线操作人员无需掌握复杂算法通过自然语言交互即可调用智能体功能加速 AI 在工厂车间的落地;
强化行业竞争力：在工业软件国产化加速的背景下AI 能力的加持有助于威士顿从传统信息化解决方案提供商向 "数字孪生 + 智能决策" 的综合服务商转型拓展在高端制造、流程工业等领域的市场份额。
作为工业数字化领域的重要参与者威士顿在工业 AI 智能体领域的研发投入契合了 "人工智能 +" 行动中对制造业数字化转型的要求。随着技术迭代与场景验证的深入其 "智能体 + 大模型" 的联合驱动模式有望成为工业领域 AI 落地的标杆路径之一。
