7月27日，AI賦能紡織產業高質量發展大會暨工業決策大腦產品發布會在浙江紹興柯橋舉行。會上，中科聞歌重磅發布工業決策大腦。作為一套面向AI原生工廠的完整能力體系，工業決策大腦以DOMA技術架構和「基—樞—核—腦—端」決策AI樹為底座，打通工業數據、模型、智能體、智能裝備的全鏈路，讓AI真正讀懂工廠、深度參與決策，打通「感知－決策－行動」的智能化閉環。
中科聞歌副總裁、CTO曹家發布工業決策大腦
工業決策大腦所面向的，正是製造業日益增長的智能化需求。我國工業門類齊全、製造業主體數量龐大，無論是大型企業的智能化升級，還是廣大中小製造企業的提質增效，都為工業AI提供了豐富的應用場景。在訂單處理、工藝優化、生產排程、質量檢測和設備運維等環節，大量真實、高頻的業務需求正加快釋放。
但豐富的場景需求並不會自然轉化為規模化應用。如何將企業已有的數據、工藝知識和生產經驗轉化為可執行、可驗證的決策能力，推動AI真正融入生產經營流程，已成為工業智能化從單點應用邁向規模化落地的關鍵。
紹興柯橋產業集聚度高、產業鏈條完整、紡織製造場景豐富。中科聞歌選擇在此發布工業決策大腦，並與當地多家紡織企業開展合作，正是希望以紡織製造為樣板，探索一條可複製、可推廣的「人工智能+工業製造」規模化落地路徑。
從信息化走向智能化，
工業AI仍需跨越三重瓶頸
「工廠並不缺設備、系統和數據，真正缺少的是連接‘數據」與‘執行’的決策智能大腦。」中科聞歌副總裁、CTO曹家在發布會上表示。
過去多年來，隨着ERP、MES、PLC等系統廣泛部署，大量工業企業持續推進信息化建設，積累了豐富的數據資源。然而，信息化並不等於智能化。許多企業的數據仍停留在記錄、查詢和展示層面，尚未真正轉化為分析問題、優化生產和輔助決策的能力。
曹家指出，工業AI要真正落地，仍需跨越數據難理解、模型難適配、經驗難沉澱等三重障礙。
首先，工業企業並不缺少數據，真正缺少的是可被AI直接理解和有效使用的高質量數據。企業數據一般分散在ERP、MES、PLC、設備及Excel等不同系統中，存在標準不一、語義不通、彼此割裂等問題。相同的指標在不同環節可能有不同定義，設備數據、訂單數據和工藝數據也難以關聯，導致AI看到了數據，卻無法準確理解數據背後的業務關係。
其次，通用大模型難以直接理解複雜的工業場景。工業場景中的數據遠不止文本和圖像，還包括波形、頻譜、場數據、設備信號和時序數據等複雜模態；生產過程又受到工藝參數、設備狀態、交付周期、成本和質量等多重約束。僅依靠通用大模型，難以理解複雜工藝機理和生產規則，更難以支撐生產排程、質量控制、設備協同等專業決策。
最後，大量關鍵知識仍沉澱在資深技術人員和專家團隊的經驗之中。從異常判斷、工藝調整到排產優化，許多決策依賴個人經驗和反覆討論，難以形成結構化、可傳承、可複製的知識體系。一旦人員發生變化，經驗就可能隨之流失，企業決策效率和能力提升也因此受到限制。
這意味着，制約工業AI落地的並非單一的模型能力，而是數據可用性、工業知識沉澱與決策智能化的系統性瓶頸。中科聞歌此次發布的工業決策大腦，正是針對這些共性問題提出的系統性決策智能產品。
以DOMA和決策AI樹
打造工業決策大腦
中科聞歌將DOMA（Data—Ontology—Models—Agents，即數據—本體—模型—智能體）技術架構引入工業場景：匯聚企業真實業務數據，構建設備、訂單、產品、工藝與質量之間的關係，再由專業模型進行理解和推理，最終通過智能體調用業務系統與生產工具完成任務。
在產品層面，中科聞歌「基—樞—核—腦—端」決策AI樹進一步把這些能力組織為完整體系：底層由海匯和DIP負責組織工業數據和知識，中間由雅意、磐石大模型和決策機完成預測、推演與決策，上層通過龍工智能體和工業智能裝備進入具體工廠生產和經營業務。
中科聞歌「基—樞—核—腦—端」決策AI樹
依託決策AI樹，工業決策大腦提供一套面向AI原生工廠的完整能力體系——讓AI理解工廠、參與決策，並把決策轉化為系統任務和設備行動。這套體系不要求企業推倒重建已經投入使用的系統，而是將訂單、客戶、設備、物料、產品、工藝和質量數據連接起來，讓工廠使用統一的業務語言，並在交期、產能、庫存、成本、品質和能耗等多重約束下，形成可執行的決策方案。
以紡織產業為樣板，
驗證工業AI應用成效
依託紹興柯橋完整的紡織產業鏈和豐富的製造場景，中科聞歌將紡織製造作為工業決策大腦重點落地的樣板行業，圍繞訂單多樣、工藝複雜、交付周期緊、生產高度依賴經驗等行業特點，在真實生產環境中持續驗證和優化產品能力。
目前，工業決策大腦已深入木林森、中輝紡織、東進新材料、舒美針織、龍玉才紡織、福華世家、東丘針紡、華孚時尚等企業的生產經營流程，覆蓋智能理單、生產排程與排缸、印染配色、智能跟單、質量檢測、生產執行等關鍵環節。
據曹家介紹，工業決策大腦已進入紡織企業生產經營的多個關鍵環節，並在典型應用場景中取得階段性成效，推動AI從單點工具加速走向貫通生產經營流程的決策閉環。
具體來看：
貿易智能理單場景：過去，一張外貿訂單需要人工在多個文件之間反覆覈對，通常耗時30至60分鐘。應用工業決策大腦後，面料規格、顏色、數量、工藝、交期等關鍵信息可被自動識別，數十秒內即可完成理單，關鍵要素提取準確率超過95%。
織造智能排產場景：傳統織造排產過去主要依賴人工經驗統籌，一份排產計劃需要統籌設備、產能、工藝、庫存和交期等多項因素，往往耗時數小時。接入工業決策大腦後，AI能夠綜合各類生產約束，自動分配任務，並根據現場變化實時重算，排產計劃由數小時壓縮至分鐘級，讓生產計劃更快響應臨時插單、設備異常和訂單調整。
印染智能配色場景：印染配色原本高度依賴老師傅經驗，往往需要反覆打樣和調整。如今，工業決策大腦能夠綜合歷史配方、光譜數據、面料信息和染料屬性生成配色建議，並根據打樣結果持續優化。在典型場景下，打樣由7至8輪降至3至4輪，成本可節省30%至50%，並將老師傅經驗持續沉澱為可複用能力。
印染智能排缸：以前完成一次排缸通常需要約2小時，訂單或設備情況發生變化後，還要重新協調。接入工業決策大腦後，AI能夠綜合多重約束生成可解釋的排缸方案，將排缸時間由約2小時縮短至約2分鐘，幫助企業更快應對插單、設備變化等生產現場的不確定性。
完工反饋與訂單交付：過去，一個批次完成生產，生產記錄、質檢結果和原始訂單需要逐項覈對，還要聯動銷售、倉儲、質檢和財務等多個部門，費時費力。落地工業決策大腦後，系統自動覈對生產記錄、質檢數據與訂單要求，並同步觸發後續業務流程，將原本1.5至3小時的跨部門協作壓縮至約5分鐘。
從數字決策到具身執行，
打通工業智能閉環
工業智能不僅要在數字系統中完成分析和決策，還要將決策轉化為生產現場的具體行動。曹家表示：「中科聞歌本身並不做機器人，而是致力於為各類機器人進入工廠打造統一的工業決策大腦。我們希望在機器人‘會感知’與‘會行動’之間，構建統一的協同決策能力和決策算法，讓不同類型的機器人能夠圍繞同一生產目標協同工作、持續優化，共同推動未來工廠運行模式從自動化走向智能化。」
未來工廠的運行效率，不僅取決於單台機器人的智能水平，更取決於機器人、智能裝備和智能體能否基於統一的決策體系協同運行。中科聞歌希望構建連接數字系統與物理現場的決策層，讓工業決策算法成為智能工廠的新型基礎設施。
在工業決策大腦統一調度下，由中科聞歌孵化企業中科鉅細打造的智能巡檢、智能掛紗和智能落布機器人，成為AI進入生產現場的具身智能終端。
機器人融合自主導航、視覺識別、任務規劃和協同調度等能力，將系統決策轉化為巡檢、停機、掛紗、轉運等生產動作，並實時回傳現場數據，形成「感知—決策—執行—反饋」閉環。
其中，智能巡檢機器人可識別20餘類紡織瑕疵，檢測準確率超過95%，單機續航達8小時；發現嚴重缺陷後，可上傳數據進行風險研判並聯動織機停機。智能掛紗機器人能夠協同完成取紗、定位和掛入，作業高度覆蓋0.5至3米，最大掛載15公斤/卷，重複定位精度達±0.1毫米。智能落布機器人額定負載達300公斤，定位精度達±5毫米，每日可轉運100至150卷布卷，並支持動態避障和多機協同。
通過工業決策大腦與具身智能終端協同，中科聞歌進一步貫通數字系統與物理現場，讓AI從分析生產、輔助決策走向執行任務、反饋結果，推動決策智能與工業具身智能深度融合。
在紡織製造業持續驗證應用路徑的同時，中科聞歌正推動工業決策大腦向電力、煤炭、新能源、鋼鐵、船舶、航空航天等重點工業領域拓展，相關能力已應用於輸配電設備預測性維護、電力科研、能源產業投資、鋼鐵低碳研發和氣動仿真優化等場景。
「我們希望通過不同行業場景的持續驗證，沉澱可遷移、可複用的工業決策能力，推動AI從單點應用走向跨行業規模化落地。」曹家表示。
從數字化工廠邁向AI原生智能工廠，關鍵在於讓AI真正進入生產經營流程，連接數據、決策與行動，形成持續優化的決策與執行閉環。未來，中科聞歌將攜手製造企業與生態夥伴，以工業決策大腦推動AI從單點應用走向全流程協同，加快AI原生智能工廠建設。