工业 AI 与大模型正在把智能制造从“看得见”推向“想得清”。过去机器视觉解决的是检测与识别，而今大模型开始参与工艺生成、排产优化与知识问答，制造系统的决策链路被显著缩短。
一、从感知到认知
传统机器视觉完成缺陷检测与定位，属于感知层；当视觉特征与企业工艺知识库打通，系统就能判断“为什么不良”，进入认知层。认知层是工业 AI 落地的关键跃迁。
二、大模型在工业的三种用法
其一是知识库问答（RAG）：把设备手册、工艺规范、维修记录接入大模型，一线员工用自然语言即可获得操作步骤；其二是代码与工艺生成：辅助编写 PLC 逻辑、CAM 刀路说明；其三是排产与优化：结合历史数据给出更稳的交期建议。
三、与大模型协同的系统
工业 AI 不是孤立模型，而是与数字孪生、工业互联网深度耦合：孪生体提供可仿真环境，联网提供实时数据，模型在二者之上做预测与决策。相关架构可参考智能制造的核心架构。
四、落地建议
建议从“高价值、低风险”场景切入：先建工艺知识库，再逐步接入视觉与排产。数据治理与工业软件打通是前提，算力可优先采用云边协同。