威士顿深耕工业 AI 智能体研发 多模协同模式助力产业数字化

　　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。