从灯塔工厂看制造业 AI Agent：先打通闭环，再谈自主
解读世界经济论坛《全球灯塔网络 2026》白皮书：AI Agent 在全球标杆工厂的方案中只占 5%，却已在焊接编程、客诉整改、新品导入等环节见效。它建立在什么基础上，自主到什么程度，又难在哪里。
2026 年 1 月，世界经济论坛与麦肯锡发布白皮书《全球灯塔网络：重塑运营，实现韧性与规模化影响》。“灯塔工厂”由独立专家评选，代表全球制造与供应链运营的领先水平，发布时共 223 个站点，覆盖 30 多个国家、40 多个行业。这份报告首次把 AI Agent 单独统计，正好用来回答制造企业现在最常问的问题：Agent 到底能做什么，该从哪里开始。
一、Agent 已经出现，占比只有 5%
申报灯塔时，企业要提交效果最好的五项方案。按报告更新后的分类口径，2025 年这些方案中约 62% 以分析式 AI 和机器学习为核心；生成式 AI 占 23%，一年前只有 9%；AI Agent 首次出现，占 5%。
预测、优化、视觉检测等分析式 AI 仍然贡献主要效益；生成式 AI 增长最快；Agent 刚起步。报告的判断很克制：在生产环境中，完全自主的 Agent “仍停留在理论层面”，领先企业正在做的是人与 Agent 的混合协作。
二、Agent 建立在多年的数字化基础上
报告把灯塔工厂的方案分成三层。约 60% 是互联基础，如 AGV／AMR 物流、物联网 OEE 看板、状态检修；约 30% 是 AI 辅助系统，如视觉质检、开环参数优化、预测性维护；约 10% 属于闭环自主，包括自优化过程控制、能耗等参数的闭环优化，以及 Agent 决策系统。典型的灯塔企业规模化部署 50 多项方案，其中旗舰方案只有 5—10 项。
这说明 Agent 的前提很具体：设备数据能实时采到，MES、ERP、QMS 等系统能互通，关键工艺有可复用的历史数据和专家经验。具备这些条件，Agent 才能从“查资料、写报告”进入排产、质量和设备决策。
三、价值集中在垂直场景
麦肯锡把一种普遍现象称为“生成式 AI 悖论”：近八成企业已经部署生成式 AI，约 80% 尚未看到对利润的显著影响。报告的解释是，投入过多集中在聊天助手等通用工具上，直接影响定价、需求、风险和设备利用率的垂直应用投入不足。垂直应用需要深度接入现有系统和行业数据，实施难度更高，效益也更容易量化。
报告中的 Agent 案例都属于垂直场景：
| 工厂 | Agent 承担的工作 | 报告披露的效果 |
|---|---|---|
| 海尔（上海） | 用强化学习为焊接机器人生成并优化程序，焊接专家评审后部署 | 编程时间从 16 小时降至 1 小时；焊接偏差从 2 毫米降至 0.5 毫米；一次合格率提升 2.3 个百分点 |
| 美的（泰国） | 打通全球客诉与质量系统，大模型推断根因，工程师确认后生成整改建议 | 从质量问题到整改计划由约 3 个月缩短到 1 天；缺陷率下降 43%；客诉率下降 32% |
| 施耐德电气（武汉） | 21 个 Agent 承担新产品导入中的数据收集、文件生成等工作 | 自动完成 50% 的相关任务；新产品导入周期缩短 67% |
| 芜湖的一座灯塔工厂 | 大模型排产 Agent 结合混合整数规划，一键生成满足约束的排产计划 | 旺季日峰值产量提升 23% |
这些案例有共同的特征：问题边界清楚，限定在一个工序或一条流程；数据和系统已经接通；效果能用一项业务指标衡量；专家经验沉淀进知识库，并在评审环节持续校正 Agent 的输出。美的的方案就建立在 3,000 多条专家知识之上。
四、自主程度按风险和复杂度分级
报告给出了一个实用的分级框架：横轴是决策的复杂度，纵轴是决策出错的代价，不同组合对应不同的人机分工。
苏州的薄膜企业 Kunlene 是一个好例子。高速生产时，AI 综合 SCADA、实验室和视觉检测数据，实时建议调整参数，由操作员确认后执行：换型爬坡时间缩短 50%，速度问题导致的缺陷减少 37%。在出错代价更低的厚度控制环节，他们让机器人按 AI 的计算闭环调整 43 个模唇螺栓，厚度稳定时间缩短 25%，废品率下降 25%。同一条产线，按风险设定了两种自主等级。
五、从单个 Agent 到编排
报告把 Agent 分为三层：执行单项任务的任务 Agent，完成端到端流程的目标 Agent，以及在多个相互冲突的目标之间权衡、调度其他 Agent 的编排 Agent。报告认为，孤立的任务 Agent 很少单独创造价值，价值越来越多来自编排层；灯塔企业通常先建立一到两个 Agent 生态，验证价值后再向其他领域扩展。
连接方式正在走向标准化。印度 Shirwal 的一座灯塔工厂用 MCP（模型上下文协议）把 25 个以上的系统和 15 个专项 AI 工具接入同一个助手，客户拒收造成的损失下降 58%。MCP 已于 2025 年底移交 Linux 基金会旗下的 Agentic AI Foundation，由 OpenAI、Google、微软等共同支持。对制造企业来说，系统接口做一次，就能被后续多个 Agent 复用。
六、真正的门槛是规模化
即使在灯塔网络中，也只有 23 家企业把改造真正扩展到三个及以上站点。Gartner 在 2025 年 6 月预测，到 2027 年底，超过 40% 的 Agent 项目会因成本上升、业务价值不清或风险控制不足而被取消，并提醒市场上存在大量把原有产品改名为“Agent”的现象。
灯塔企业跨过“规模化低谷”的做法很朴素：路线图和跟踪机制始终围绕业务价值；敏捷团队与一线人员共同开发；与供应商、高校合作，把单点经验推广到更多工厂。报告的结论是，未来的赢家会是最有章法的企业，而不只是最快采用新技术的企业。
七、给制造企业的五条建议
- 从边界清楚的环节起步。 质量追溯、换型参数、设备维护、排产、工艺规范与 SOP 问答，这类环节有数据、有专家、有明确指标，最适合先做。
- 先接通数据，再引入 Agent。 盘点 MES、ERP、QMS、SCADA 的接口与数据质量，优先采用 MCP 等标准方式接入，方便后续复用。
- 按风险设定自主等级。 写清哪些动作由 AI 直接执行，哪些需要人工确认，异常由谁处理，并保留完整的操作记录。
- 用业务指标验收。 用合格率、停机时间、交付周期、能耗等指标评估效果，演示效果只作参考。
- 跑通一个，再复制推广。 把数据接口、评测方法和专家知识沉淀成可复用的资产，再推广到相似的产线和工厂。
布尔艺数在视觉质检、制造参数优化与能耗管理、工艺规范问答等场景积累了项目经验。如果你的工厂正在评估从哪个环节引入 AI，可以提交企业需求，我们先帮你判断可行性、数据条件和投入。
参考资料
- World Economic Forum, McKinsey & Company. Global Lighthouse Network: Rewiring Operations for Resilience and Impact at Scale. White Paper, January 2026.
- World Economic Forum. New Global Lighthouse Sites Demonstrate How AI Is Rewiring Manufacturing and Supply Chains. Press release, June 2026.
- Gartner. Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. June 2025.
- Anthropic. Donating the Model Context Protocol and establishing the Agentic AI Foundation. December 2025.