凌晨2点的工厂告警，这个工业Agent 15分钟就闭环了

先给结论，这个案例我盘了挺久，值得写。成都数之联9月9日发布了工业智能体平台UMind，主打一件事：把工厂里品质异常这个环节，从原来工程师跨系统排查7个小时，压缩到15分钟走完全链路。这不是吹参数，是已经在产线上跑出来的数字。

7小时到15分钟，差在哪

工厂里的品质异常，过去是怎么处理的？凌晨2点缺陷集中爆发，工程师得跨ADC、YMES、MES好几个系统翻查数据、人肉定位根因，从报警到方案落地，起码7到8个小时。

UMind的解法是让AI自己接住告警：自动把告警转成可执行任务，AI品质专家和AI工艺专家协同排查，把品质问题翻译成工程师能直接操作的工艺问题，从参数定位、虚拟验证到工程师确认，全程闭环。

双自研大模型加小模型矩阵，这套架构有点意思

技术上看，UMind走的是大模型加小模型协同的路子。两个自研大模型——良率大模型数联慧脑，底下是61.4TB以上的工业数据底座；多模态检测大模型数联慧眼，10TB训练语料、22亿tokens的工业知识。再叠加上他们做了十几年的场景小模型矩阵。

说人话就是：大模型给通用智能，小模型给工业精度。光有大模型不够，光有小模型也做不了通用决策，两个叠一起才接得住真实产线。

国产化率90%以上，这不是一句口号

我特意留意了下这个数据：全栈自主可控，国产化率≥90%，已经拿到国家备案。对一个要进工厂、碰核心数据的工业平台来说，这条比跑分重要。

数之联也不是新面孔。他们服务京东方、天马、华星光电、海信、海尔、TCL这些厂子，在新型显示领域的市场占有率超过80%，累计AI判图量超过100亿张。

工业Agent和通用问答AI，到底差在哪

这是我最想讲的一点。通用大模型是人用系统解决问题，工业Agent是AI调用系统完成任务。前者是给你答案，后者是把任务从头跟到尾、自己动手干。

区别不在模型多聪明，在于能不能和业务系统、和现场设备真正打通。这是工业场景里最难啃、也最值钱的一层。

这个方向，我认

工业Agent这赛道，喊的人多，真能落地闭环的少。UMind这套接数据、有模型、会干活、可迭代、能自治的打法，至少在质检这个场景里已经跑出了可验证的数字。

我会继续盯它的实际交付。7小时到15分钟是效率的提升，但更重要的是让老师傅的经验沉淀成可复用的数字资产——人走了，知识别再断。