AutomatonAI — 工业制造智能体平台

用AI智能体
重塑制造业的未来

赋能中国高端制造业的"数字大脑"

将工业黑盒转化为数据资产,实现从经验驱动到AI驱动的制造范式跃迁

97.4%
预测准确率已验证
工业GPT
制造业大语言模型
周→分钟
研发迭代周期压缩

关于华夏工业制造智能体

华夏工业制造智能体致力于打造面向智慧制造场域的领域专用 AI Agent 平台,聚焦将工厂中分散的设备数据、产线数据、系统数据、工程经验与制造知识,转化为可理解、可执行、可持续优化的智能决策能力。我们的目标,不是为工厂增加一个聊天工具,而是为制造企业构建一个真正能够参与分析、诊断、优化与决策的"工业智能大脑"

平台融合大型语言模型(LLM)、机器学习、可解释 AI(XAI)、多模态数据处理与制造业知识工程等技术,打通设备、产线、工艺、质量、维护与经营管理之间的数据断层,让原本沉睡在 MES、ERP、SOP、检验报告、维修记录与专家经验中的制造知识,变成企业可以反复调用和持续积累的决策资产。

通过 AI 驱动的分析、推理与自动化能力,华夏工业制造智能体能够帮助企业从海量工厂数据中更快发现异常、识别根因、优化制程、推荐参数,并将优秀工程师的隐性经验转化为标准化、可复制、可扩展的智能工作流。我们相信,制造业真正需要的,不只是更强的模型,而是能够深度嵌入业务流程、持续创造 ROI、并在现场被使用和信任的 AI Agent。

我们的核心理念,是将 AI Agent 与可解释 AI 深度结合,搭建人类工程经验与数据驱动建模之间的桥梁。一方面,AI 能够读懂文档、理解数据、调用工具、执行分析;另一方面,AI 也必须解释它为什么这样判断、为什么这样建议,帮助工程师真正理解、采纳并复用这些智能能力。只有当 AI 不再是黑盒,而成为可以协同工作的"制造伙伴",它才有机会在工业现场真正落地。

🎯

使命

让 AI Agent 成为制造业的智慧大脑,将工厂数据、工程知识与现场经验转化为可执行的决策,持续提升企业的效率、品质与竞争力。

🔭

愿景

推动中国的工业制造业迈入 AI-Native 时代,让每一家工厂都拥有可进化、可复制、可解释的工业智能大脑,使制造知识沉淀为企业长期积累的核心资产,最终重塑未来制造业的运营与管理方式。

💡

核心理念

将 AI Agent 与可解释 AI(XAI)深度结合,让 AI 的建议可以被工程师理解与信任,沉淀可复制的制造知识资产与决策流程。

行业痛点

中国制造业的"隐形流失"——经验断层、试错高昂、AI难以落地

01

经验流失的致命伤

制造业中冲压、焊接、调校等关键工艺高度依赖专家隐性经验。老一代工匠退休,知识流失直接导致产品品质波动。

60%
关键工艺依赖隐性经验
02

研发与试错成本高昂

传统新产品或新工艺调优是"盲盒试错"过程。工程师进行无数次打样,耗费庞大的材料、设备和时间成本。

¥3M+
每次工艺调试成本
03

AI落地的"最后一公里"

当前工业AI多为"黑盒"模型,一线车间工人和领域专家难以理解和信任,导致花重金训练的模型无法真正用起来。

85%
AI项目未能落地

我们的解决方案

可解释的工业制造智能体 — 通过构建"过程参数 + 设备参数 + 环境参数 = 输出生产结果"的映射模型,将非结构化经验转化为带有因果序列的结构化数据。

🧠

LLM 推理大脑

通过大语言模型将参数预测和SHAP归因分析包装成自然语言对话,一线人员用自然语言即可进行智能工艺诊断,零门槛使用。

💾

RAG 知识引擎

将企业SOP、历史调整说明等非结构化数据转化为向量存储,支持精准语义检索,让制造知识能被快速检索与重复利用。

🔧

多工具 ReAct 编排

智能体动态协调SHAP分析、预测、优化等多个子工具,通过 Reason → Act → Observe 的闭环实现自主决策。

核心技术架构

Agentic XAI Framework — 整合生成式AI、语义数据库、多模态数据处理与制造导向机器学习技术

💬

推理中枢 Backbone LLM

多模态MoE混合专家大模型,微服务架构部署,支持高并发。支持 NVIDIA NIM、Cloud API 及 On-Premise 部署。

📖

知识引擎 RAG Service

企业SOP、历史调整说明等非结构化数据转化为向量存储,精准语义检索。支持跨模态数据搜索与相似案例比对。

🔬

基于 Transformer 序列架构的神经网络算法与 AI 模型

采用 Transformer 序列建模架构,将制造过程中的时序数据(如传感器信号、工艺参数变化、设备运行状态)转化为高维特征表示。结合自注意力机制捕捉工艺参数间的长程依赖关系,实现对产品质量、设备健康度与制程稳定性的精准预测。支持预测性 SPC、异常模式识别、LSTM/Transformer 时序预测及基于 SHAP 的可解释归因分析,可广泛应用于品质管理、预测性维护与制程优化等核心制造场景。

🔗

工具化与 MCP 架构

采用 Tool-based 与 Model Context Protocol (MCP) 的模块化 AI 编排架构,可灵活整合企业系统(MES、ERP)与各类工具。

工业质量智能系统:Agentic AI 架构全解析
工业质量智能系统:Agentic AI 架构全解析 — 多智能体协同能力、MCP接口与边缘端实时SPC计算能力
shap_mcp

特征重要性分析
瀑布图可解释性

xgb_predictor

高精度参数预测
多维属性映射

parameter_optimizer

目标驱动优化
工艺参数推荐

成功案例

我们已在多个制造细分领域验证AI智能体的实际价值

测量仪器智能体 - AI驱动的Physical AI质量工作站
精密测量 · Physical AI

测量仪器智能体(PMT AI 质量工作站)

传统的测量仪器通过植入AI芯片与调优后的开源大语言模型,进化为一台站在测量现场、理解物理世界并协调多智能体完成质量诊断的边缘工业智能体。产品从"冷冰冰的量具"蜕变为具备行业顶层专家大脑的"物理智能工作站",可实时诊断异常并主动给出改善方案。

Physical AI 边缘计算 SPC 智能监控 多智能体协同 SHAP 归因分析
纺织行业智能体 - AI+纺织智慧制造
纺织制造 · TextileGPT

纺织行业智能体

借由AI技术预测定型机含水率、布料手感、染色Lab色偏移及异常返工损耗率,可提升纺织品质稳定性与生产效率,并通过分析关键参数生成最佳设定。结合TextileGPT大语言模型与28年累积的行业专业知识,协助企业实现节能减碳与高效生产,解决纺织业缺工与人才断层困境。

品质预测 TextileGPT 节能减碳 知识传承 数位孪生

平台核心能力

不仅是一套AI应用系统,更是一个可持续演进的制造决策基础架构

可累积的制造知识资产

将历史制程数据、维修记录与工程知识转化为可持续使用的企业知识库,确保关键经验不再因人员流动而流失。

可复制的智慧决策流程

将专家经验与分析流程转化为标准化 AI 决策流程,使不同产线或工厂皆可快速复制应用,实现规模化扩展。

可量化的运营改善成果

通过 AI 分析与预测模型持续优化制造流程,并以数据化方式衡量运营改善成效,让每一分投入都看得见回报。

创始人介绍

杨广_ Jerry Yang

杨广_ Jerry Yang

创始人 & CEO

创始人拥有超过二十年的工业制造与运营管理经验,完美卡位在"生产制造"与"AI技术"的交汇处。在工业制造一线积累了扎实的工艺质量工程实战经验及深厚的供应链资源。同时依托斯坦福和英伟达的前沿AI学术及实操背景,具备将AI横向工具精准匹配工业纵向场景的能力。已自主搭建完成"底层LLM + MicroService + 向量数据库 + RAG + Multi-Agent调度层"的完整技术框架。

20年+工业制造经验 斯坦福计算机系 哈佛商学院 NVIDIA 技术背景

联系我们

欢迎各个制造业公司的老板或技术负责人与我们联系,共同探讨AI如何赋能您的制造场景

发送邮件

直接发邮件与我们沟通您的需求

2368082693@qq.com
📱

关注微信公众号

获取最新行业洞察与产品动态

广哥在硅谷

🚀 准备好开启AI制造之旅了吗?

无论您是精密制造、纺织、半导体、PCB还是零部件制造企业,我们的AI智能体平台都能为您量身定制解决方案。立即关注公众号「广哥在硅谷」或发送邮件至 2368082693@qq.com 开始对话。