8月24日至25日，第四届质量管理产学研高层研讨会暨ICT产业高质量与绿色发展联盟年会在广州举行。围绕“工业智能体在质量管理中的应用成效与挑战”，联想集团副总裁、全球电脑与智能设备首席质量官王会文，金发科技首席科学家兼首席战略官李建军，天津大学管理与经济学部主任何桢分别接受采访，从制造端、材料端和学术端给出了不同判断。

　　从审核效率到数据烟囱

　　王会文给出了一组具体数据：在供应商质量审核场景中，智能体自动编排计划、自动出报告、自动给出能力排名，审核效率提升80%以上，准确度提升30%以上，审核覆盖率从原来的20%提高到30%至40%。工程师不再需要预先准备几百条审核表，现场只需按智能体提示的重点进行审核并录入结果。

联想集团副总裁、全球电脑与智能设备首席质量官王会文

　　但何桢认为，多数企业落地AI质量管理的核心障碍不在算法，而在数据没有真正打通。研发、生产、过程、售后、服务各部门各自为政，形成“数据烟囱”，数据不能连通，就很难实现全面数据打通。他提醒，AI、智能体、大模型的基础是数据质量，数据质量永远是最重要的。

　　李建军从新材料制造的角度补充了一线困难：金发科技的生产特点是短流程、小订单、转换频繁，技术难点是保持批次之间的质量稳定、减少“鸡头鸡尾”的头尾料损耗，以及与客户实现更小的质量波动。智能体只是其中一个部分，必须打通全部信息系统，让产品链形成生态。三种表述指向同一个问题——单点工具可以提升效率，但要让智能体进入质量管理全流程，数据基础是第一道门槛。

　　从单点场景到多智能体协同

　　何桢提出，企业数字化改造应有整体规划，“一张蓝图绘到底”，但不同企业面临不同约束，因此可以在不同阶段先看到局部效果。比如视觉检验可以替代人工，就先把这个场景做好，不要期望一口吃成胖子。先进设备拿回来以后，要能解决实际问题。

　　王会文描述的管理模式变化更为具体：质量审核从传统的“人加经验”转向事前风险预见、事中风险监控、人机协同的智能决策。大量重复性工作由智能体完成，工程师的时间被释放出来，转向质量策划、工程技术和质量创新。

天津大学管理与经济学部主任何桢

　　何桢进一步谈到未来多智能体的协同形态：应以产品全生命周期为对象，从研发智能体、过程控制智能体、生产智能体到物流、售后服务，形成完整链条，实现数字感知、自动控制调整和自动学习。这里面涉及人与智能体、智能体与智能体之间的协同，技术性很强。李建军则补充，智能体只要有数据，就能把工业链、客户和各种支撑全部串起来，信息传递、检验报告传递、问题处理都可以通过智能体处理，并形成持续可用的数据库。

　　标准与生态：中国企业的下一站

　　关于中国工业智能体所处的位置，三位受访者判断方向一致。何桢提到，从AI index报告看，基础研究和大模型方面美国领先明显，美国有著名公司和巨大投资；但中国的优势是工业门类最全、产业链最完整，应用场景丰富，企业创新意识强，试错容错空间大，政府推动力也强。他认为，在AI应用这条路上，中国走在前列，差距不会像某些统计数据所显示的那么大。

金发科技首席科学家兼首席战略官李建军院士

　　李建军则更为直接：新材料工业智能体方面，中国是顶级水平，欧洲没有几个相应的工厂。中国目前处于产品领先，下一步要做标准制定和标准输出，并持续制定国家和国际标准，领跑行业。

　　王会文介绍，联盟平台正通过绿色、质量和标准三个专委会的协同替换绿色发展专委会、人工智能质量管理专委会、标准专委会，连接原材料、部件到产品，并参与行业、国家及国际标准制定，包括IEC等，帮助成员增强竞争力。这些动作背后，是从应用优势转向规则优势的意图。

　　三位与会嘉宾没有给出统一结论，但效率、数据、标准三个词反复出现。智能体进入质量管理，不是替换工程师，而是重新定义工程师的工作内容——从重复性劳动转向质量策划与创新。这条路能否走通，取决于企业是否愿意先解决数据基础问题。