鼎捷数智刘波：以多智能体协同，应对企业AI应用“摩尔定律”

21世纪经济报道 吴立洋 绍兴报道

近日，2025“雅典娜杯”两岸青年人才创新创业大赛决赛在浙江绍兴举行，在两岸300支参赛队伍中选拔出的19支队伍展示了其创新产品与产业应用思路。

作为为大赛提供数智原生底座的数字化服务商，鼎捷数智执行副总裁刘波在大赛现场的主题演讲中表示，AI大模型时代，在为创业者们搭建AI数智技术落地桥梁的同时，公司也希望通过共创共享的新模式，精准链接企业数智发展痛点与创新解决方案。

“一个企业的运行往往是基于一系列复杂的数据，以及数据变化以后的决策。正因为它有复杂性和不确定性，所以企业的决策有时候需要基于每个人的个体智慧去进行独创。”刘波表示，在智能技术和相关数据的协同下，可以让智能体来协助解决很多困难工作。

近年来，AI大模型在各垂直产业中的商业化正逐渐加速，但在工业应用场景中，却往往存在落地应用“最后一公里”难题，难以结合实际需求深入流程机理、降本增效。

刘波在接受21世纪经济报道记者采访时指出，通用大模型之所以在工业领域“水土不服”，根源就在于它们能轻易学习全球互联网中“以操控机床产线转化为产能输出”的知识，却很难理解一间特定工厂里来自“经验中的隐性Know-how”。

其关键在于非结构化数据的抓取与工业知识图谱搭建。

刘波表示，包括鼎捷旗下AI套件在内，当前行业聚焦的工业知识数字化核心在于情景化——即通过多模态、碎片化抓取完成对非结构化数据的捕捉。

例如，对一段生产工艺数字化时，系统除了需要录屏、收音并抓取CNC操作日志外，还可配合传感器获取工具寿命和工件良率，并结合上述五种模态数据降低知识入库门槛。

当对不同行业、不同业务线积累的数据足够庞大后，即可通过“智能数据套件”对其进行统一封装，带着“业务属性”去检查数据的一致性、唯一性，通过“智能数据体检”后，将数据治理结果与国标、企业标准及历史数据关联，构建出专属于指定工厂的“工艺知识图谱”，进而提升数据质量，改善大模型应用效果。

除了数据积累与运用层面的提升，涉及多个生产环节的智能体协同，也是当前工业大模型应用的另一重点提升方向。

据行业测算，当前企业内部AI应用的发展速度，很有可能符合“摩尔定律”的规律，即每隔18个月，AI相关应用的数量将会翻一倍，这对企业管理者、执行者与中控平台对不同智能体的协同调度能力产生了考验。

今年一季度，鼎捷正式更新迭代Indepth AI智能体开发平台并发布了首个制造业多智能体协议MACP，旨在通过统一的数智空间语言与思维范式，消除AI智能体间沟通壁垒，使其能够高效协同，解决复杂的行业难题。

在现场展示的一家户外及家用储能设备制造商经营分析的沙盘推演中，刘波展示了雅典娜Indepth AI多智能体协同平台的工作流程：用户提出在平衡增长、成本压力并在保持充足现金流的前提下，制定可靠的第三季度经营计划；主智能体迅速完成规划编排，调集销售计划、成本费用、供应能力、盈利测算、应收应付、资金管理这六类不同的单智能体并行执行；各智能体通过动态敏感性分析和查询知识库，依次对销售收入、成本、产能、原材料、毛利、现金流等指标进行计算预测，并提出相应的解决办法，最终生成完整的经营计划文件输出给用户。

刘波表示，在智能体协同调度实践中，首先需要通过搭建多智能体协作平台作为调度中枢，理解企业的知识体系、业务流程与数据，随后通过多智能体上下文协议，灵活调度企业的资源，进而实现对企业内多智能体的协调、管理和控制。 当前，数据与AI正重构产业格局，作为AI应用创新的实践者和推动者，鼎捷数智将持续深化技术研发与生态构建，以“智能+”战略为引领，不断实现更多AI成果的创新和突破。