8月27日，创新奇智举办工业智能体技术发布会，正式对外展示全面升级的AInnoGC工业本体智能体平台。该平台在工业制造领域创新性提出了“Ontology（工业本体）+ Harness Engineering（驾驭工程）+ AI Coding（智能编码）”三位一体智能体开发范式，实现工作流、工业本体与评测链路的自动化执行，推动工业智能体走向生产级应用部署，切实提升制造企业的生产力与生产效率。
根据最新发布的2026半年报显示，创新奇智总营收达8.29亿元，同比增长18.6%；综合毛利率35.4%，较去年同期提升约 0.4个百分点；调整后净利润约320万元，同比增幅147.8%，是公司上市以来首次达成半年度调整后净利润转正，实现阶段性扭亏为盈。其中，“AI+制造”业务营收占比进一步提升至 81.5%，主业竞争优势持续巩固。
搭建周期从数天压缩至数分钟
对于制造行业而言，当Agent深度渗透工厂核心业务流程时，智能体必须满足“可控、可靠、可衡量”的核心标准，在真实业务场景中输出可验收、可量化的业务成果。
Ontology（工业本体）— 让AI“听得懂”：全新升级的本体模块新增时序数据、本体查询、SQL工具和衍生指标计算等功能，将设备、工艺、能耗、人员等多源数据按业务逻辑梳理为实体、属性、关联关系与业务规则。
Harness Engineering（驾驭工程）— 让AI“做得对”：如果说工业本体解决 AI 的业务认知问题，Harness Engineering 则重点解决任务执行可靠性问题，实现输出结果可核验、执行状态可追溯、异常故障可修复。
AI Coding（智能编码）——让AI“建得快”：面向工业智能体开发的专属编码能力，以智能编码体验贯穿智能体构建全流程，辅助本体建模、工作流编排与业务逻辑适配，降低开发门槛。
从传统人工“手搓”转向自动化开发，升级后的平台将本体与工作流的搭建周期从数天压缩至数分钟，大幅缩短工业知识底座建设周期，降低智能体的搭建门槛与综合实施成本。
“工业 AI 并不缺少先进算法，真正的短板在于把算法落地工厂、创造实际价值的工程化能力。”创新奇智 CTO 李凡在发布会上举例说，一家客户是全球最大的玻纤生产商。公司通过智能体与小模型结合，对三阶段实施优化：原料层面，基于数十年海量历史数据(其软件系统由公司建设，数据可直接访问)构建模型，当物料化学与物理属性变化时对配方作微小调整，使配方适配当前物料；窑炉层面，实时监测内部状态与温度等生产指标，确保按既定规范执行；拉丝环节，出现问题后进行深度根因分析，定位前端问题并及时调整，避免复发。
通过智能体、大模型与机器学习、视觉算法的有机结合，公司助力客户实现端到端的生产能力智能调优，提升整体开机率。
脑比手重要，具身智能商业化仍需时日
在工业机器人方面，创新奇智“不纠结本体形态、基于下游场景选择本体并搭建模型”的逻辑，已商业化落地的产品包括智能充电机器人、智能摘挂钩机器人、物流物料分析以及无人机智能巡检等。
李凡提到，工业具身(狭义上指VLA模型、端到端可执行)的商业化落地仍处于非常早期，当前工作更多是技术研发、算法储备与突破。但工业机器人本身并非新鲜事物，公司大部分客户都需要工业机器人，落地方式是“技术成熟一点、替代一点”：从早期完全基于PLC编程的固定自动化，到柔性生产出现后以编程结合视觉引导为主流，如今逐步在部分场景中加入“大脑”(驱动机器人进行任务决策)，端侧执行仍依赖视觉与现场实现。端侧执行是最难的部分，未来在某一领域形成突破后将继续替代，这是一个渐进渗透的过程。
他坦言，就机器人的“手”与“脑”而言，手部(关节运动、跳舞、踢足球、马拉松等)发展已很出色，但“脑比手重要”。具身智能、世界模型的商业化落地仍需时日；公司当前的做法是把“脑、手、脚”结合：利用大模型具身智能能力，将大模型与端侧成熟的小模型结合，实现精准控制。
南方+记者 郜小平
大时代资本提示：文章来自网络，不代表本站观点。
