如果你還沒怎么聽說過Agentic AI（代理式人工智能），那可得做好準備，因為你很快就會經(jīng)常聽到它了。

為什么呢？因為它正迅速成為工業(yè)運營軟件中AI應(yīng)用的一個重要組成部分 —— 就像我們見證過的AI數(shù)據(jù)分析，以及最近在工業(yè)AI助手和Co-pilot技術(shù)中應(yīng)用的生成式AI一樣。

為了說明Agentic AI在工業(yè)生產(chǎn)運營中的適用性，AVEVA 公司日前在美國舊金山舉辦的 2025 年 AVEVA World 大會上進行了一場精彩的演示，展示了其即將推出的、運行在微軟 Azure OpenAI 服務(wù)平臺上的工業(yè)AI助手。

AVEVA的首席技術(shù)專家 Arti Garg 首先解釋說，AI代理是一個利用AI執(zhí)行任務(wù)的系統(tǒng)，它通過訪問系統(tǒng)數(shù)據(jù)（如運行溫度、壓力細節(jié)或安全指標）來實現(xiàn)這一目的。關(guān)鍵在于，基于用戶的指令，AI代理可以收集所需數(shù)據(jù)，為用戶創(chuàng)建展示其所需信息的儀表盤，而無需為新的儀表盤可視化界面編寫復(fù)雜代碼。

這些 AI 代理還可以與子代理合作，這些子代理知道如何為資產(chǎn)監(jiān)控儀表板等選擇和檢索正確的數(shù)據(jù)。在這里，AI代理不僅僅是構(gòu)建控制面板，還可以為它正在監(jiān)控的資產(chǎn)建議正確的作閾值并創(chuàng)建警報。

“這里真正需要理解的關(guān)鍵是，AI 代理可以通過利用其上下文知識自主完成這些任務(wù)，”Garg說，“正是Agentic AI的這種自主性具有為工業(yè)帶來新效率提升的巨大潛力。它將改變我們今天開展工作的方式。”

創(chuàng)建工業(yè)資產(chǎn)監(jiān)控代理

在演示中，Garg 和 AVEVA 研發(fā)執(zhí)行副總裁 Iju Vijaya Raj 展示了想要對冷凝器進行計劃外優(yōu)化的作員如何使用Agentic AI 來完成這項任務(wù)。

演示使用的初始儀表盤視圖來自 AVEVA 的工業(yè)智能平臺Connect，它可用于跨多個站點和數(shù)據(jù)類型匯總、整理和共享信息，從而為企業(yè)提供整體視圖。該儀表盤視圖展示了一座發(fā)電廠中空氣冷卻式冷凝器的情境化數(shù)據(jù)。

圖：通過Agentic AI協(xié)調(diào)數(shù)據(jù)問題。圖片來源：AVEVA

在此示例中，作員擔心工廠性能下降，希望評估結(jié)垢對冷凝器的影響，并要求工業(yè) AI 助手監(jiān)控其性能并診斷發(fā)現(xiàn)的任何問題。

基于這一指令，AI助手檢索出部署在發(fā)電廠的可用代理列表，以確認是否已為該冷凝器開發(fā)了這樣的監(jiān)測代理。發(fā)現(xiàn)尚未設(shè)置后，它詢問操作人員是否應(yīng)該創(chuàng)建并在該設(shè)備上部署一個監(jiān)測代理。

然后，操作人員要求AI助手創(chuàng)建一個冷凝器監(jiān)測代理，并基于可能影響其性能的相關(guān)參數(shù)，對該代理進行訓練，使其能夠監(jiān)測設(shè)備的有功功率和汽輪機排汽壓力。收到指令后，AI助手啟動代理創(chuàng)建過程，并向操作人員可視化展示過程細節(jié)，以保證透明度。

這種透明度對于工業(yè)AI應(yīng)用至關(guān)重要，因為許多專家對AI技術(shù)得出答案的方式表示擔憂。通過這種透明度，操作人員可以查看與該代理相關(guān)的數(shù)據(jù)源和標簽，以確認其創(chuàng)建過程是否正確。

然后，操作人員要求部署該代理，并以30分鐘為間隔運行模型。設(shè)置工業(yè)AI助手執(zhí)行任務(wù)就是這么簡單。

兩周后，操作人員再次查看該設(shè)備，并要求AI助手展示已部署代理的監(jiān)測結(jié)果。結(jié)果顯示，冷凝器因污垢堆積導致性能下降。數(shù)據(jù)趨勢線的可視化展示幫助操作人員判斷該問題是需要立即解決，還是可以等到下一次維護時處理。

為了進一步了解冷凝器污垢可能產(chǎn)生的影響，操作人員要求AI助手計算功率損失成本，并確定清洗冷凝器的投資回收期。AI代理生成儀表盤圖表供操作人員查看。

基于這些結(jié)果，操作人員要求AI助手總結(jié)冷凝器問題和檢查程序，以創(chuàng)建維護工單。隨后，AI助手生成相關(guān)程序，并在 Connect 儀表盤上提供操作手冊的鏈接。

Garg 在這里指出，這是一個利用AI將復(fù)雜問題簡單化的例子。操作人員無需編寫復(fù)雜代碼，通過日常使用的界面就能創(chuàng)建新的代理。

讓您的數(shù)據(jù)為AI應(yīng)用做好準備

Garg 說，AI 面臨的最大挑戰(zhàn)之一不是 AI 本身，而是讓數(shù)據(jù) AI 做好準備，使其無錯誤并確保其完整。“隨著工業(yè)環(huán)境變得越來越復(fù)雜，這個問題只會越來越棘手?，F(xiàn)在有太多不同類型的資產(chǎn)，它們產(chǎn)生的數(shù)據(jù)比以往任何時候都多。”

這引出了另一個演示，該演示展示了 AI 代理如何解決典型的資產(chǎn)數(shù)據(jù)管理問題，例如：

·讓多個應(yīng)用程序收集資產(chǎn)的數(shù)據(jù)。

·資產(chǎn)數(shù)據(jù)存儲在不同位置的問題。

·使用不同的命名約定存儲數(shù)據(jù)點。

·具有具有重疊信息的數(shù)據(jù)集。

Raj 說，協(xié)調(diào)這些數(shù)據(jù)問題可能極其困難。“即便在 AVEVA，我們也為這個問題困擾了幾十年。所以在探索新的AI功能時，我們一直把解決這個問題放在首位。我們希望利用自我學習過程，將分散的數(shù)據(jù)整合起來并加以協(xié)調(diào)，以創(chuàng)建數(shù)字孿生模型。”

在演示 AI 代理如何幫助核對資產(chǎn)數(shù)據(jù)時，使用了來自 SAP ERP 系統(tǒng)的資產(chǎn)維護信息以及來自AVEVA PI 系統(tǒng)的流數(shù)據(jù)。

PI 數(shù)據(jù)顯示，一些資產(chǎn)信息被編碼到流名稱中，而其他相關(guān)信息則包含在注釋里。同時，隨著公司系統(tǒng)的不斷擴展，出現(xiàn)了命名約定不一致的情況。

Garg 解釋說，AI 代理獲取這些信息并進行推理。也就是說，它開始通過查看縮寫和注釋來弄清楚數(shù)據(jù)的含義。從中，它可以了解設(shè)備代碼，然后應(yīng)用這些知識來幫助對整個設(shè)施中的數(shù)據(jù)進行分類和標記。

例如，從 PI 流注釋中，它了解到 HX 代表熱交換器。Raj 說，在掌握這一信息后，即使在沒有注釋的流數(shù)據(jù)中，它也能利用設(shè)備代碼推斷設(shè)備類型。

“AI代理可以解決典型的資產(chǎn)管理問題，比如同一資產(chǎn)的數(shù)據(jù)由多個應(yīng)用程序收集、資產(chǎn)數(shù)據(jù)存儲在不同位置、數(shù)據(jù)點的存儲使用不同命名約定，或者數(shù)據(jù)集存在信息重疊等問題。”

對人機協(xié)同的需求仍然存在

盡管AI能具備各種自主能力，但Garg和Raj都指出，仍需要人為介入，以澄清、糾正和完善人工智能做出的推斷。

在這里，現(xiàn)有的命名指南可以用來讓AI了解公司的命名標準。一旦AI理解了這些標準，它就能對系統(tǒng)中的數(shù)據(jù)做出更多推斷。

Garg說：“在向它說明命名規(guī)則后，它會從中學習，并利用這些規(guī)則為我們填寫站點編號和線路編號。一旦AI對我們的系統(tǒng)和標準有了基本了解，它就開始將我們的各個系統(tǒng)聯(lián)系起來。這次演示展示了AI驅(qū)動的數(shù)據(jù)映射成果 —— 將 PI 數(shù)據(jù)和 SAP 工作管理系統(tǒng)的數(shù)據(jù)整合在同一界面展示。這可以為構(gòu)建統(tǒng)一的數(shù)字孿生模型奠定基礎(chǔ)。”

Garg 解釋說，此演示旨在強調(diào) AI 如何幫助解決工業(yè)領(lǐng)域最棘手的問題之一，即對齊數(shù)據(jù)模型以創(chuàng)建數(shù)字孿生。“但就這個例子而言，即便借助AI，要實現(xiàn)不同數(shù)據(jù)源的數(shù)據(jù)同步，仍需要對數(shù)據(jù)本身及其來源環(huán)境有一定的了解。這仍然需要一些行業(yè)經(jīng)驗和專業(yè)知識。”

Raj 對此表示贊同，并補充說：“真正有趣的是數(shù)據(jù)與環(huán)境之間的關(guān)系。要生成見解，您需要經(jīng)驗豐富的人員或成熟的流程。在 AVEVA，我們認為下一代勞動力將通過AI和人類智慧共同獲得有價值的見解。”