一家工厂的换产时间，从40分钟缩短到10分钟；一个码头的泊位作业计划，过去需要两个多小时才能编制完成，如今可以压缩到3分钟以内；一批积累多年的工业图纸，过去修改一张需要数天，如今可以在几分钟内完成智能化处理。
这些发生在不同工业现场的变化，在10月14日济南举行的“齐鲁制造会客厅”人工智能垂直领域大模型专场上汇聚到一起——“垂域智能齐鲁七星”集中亮相。七个代表性垂域大模型中，青岛占据四席：卡奥斯“天智”、极视角“星际”、创新奇智“奇智孔明”、方舟智能“星港”。
山东是制造业大省，拥有全部41个工业大类、207个工业中类和625个工业小类，18个制造业大类营收位居全国前五。全省已有389个大模型通过第三方测评，今年上半年又从技术性能、经济效益、社会认可、产业赛道、落地应用五个方面综合考量，遴选出100个重点推广的垂域大模型，并在此基础上推出七个代表性成果。
七席之中，青岛占了四席。
为什么？
从工业互联网平台到人工智能创业企业，从家电工厂到港口码头，四个模型背后的成长路径并不相同，却揭示出一个共同的产业逻辑——青岛的工业基础不仅提供了人工智能的应用市场，还通过长期积累的行业知识、真实生产场景和工程化能力，参与塑造工业人工智能的技术竞争力。
而四席之后，更值得关注的是：这些从产业现场成长起来的模型，能否走出标杆项目，进入更多企业，形成可持续、可复制的产业能力？
为什么是青岛？工业积累成为AI的独特资源
“为什么一定要做港口自己的大模型？”
在现场路演中，青岛港国际股份有限公司副总经理兼方舟智能公司董事长、总经理李正旭，首先提出了这个问题。
通用大模型能够回答大量知识性问题，但港口生产涉及船舶靠泊、货物堆存、设备调配等高度专业化的业务，单靠通用知识难以完成复杂调度。尤其是干散货码头，船舶到港时间、泊位条件、堆场容量、机械设备状态等相互关联，一处变化就可能影响整个作业计划。
过去，经验丰富的调度人员需要综合判断各种因素，编制生产计划。这里既有可以量化的数据，也有多年工作积累形成的经验。
2026人工智能产业大会同期举办的产业对接活动现场，客户们添加极视角展台工作人员的微信，联系下一步对接事宜。刘丽娜 摄
如何让人工智能理解这些经验？
青岛港建设了“老师傅”经验语料库，将长期积累的作业知识沉淀为企业资产。在此基础上，研发泊位、堆场、设备三大计划智能体，对180多个生产要素进行统筹调度。
据李正旭介绍，应用全要素调度智能体后，泊位作业计划推优准确率超过90%。
这意味着，原本高度依赖经验的复杂生产组织过程，开始转化为能够通过数据、知识和算法协同完成的工作。
目前，星港大模型已落地36个业务智能体，覆盖80余个应用场景。
同样的变化，也发生在制造车间。
卡奥斯董事长陈录城在路演中提出，工业互联网正在经历从物联到智联、从数据驱动到智能驱动、从单场景应用到多智能体协同的升级。
工业互联网发展早期，主要解决设备连接、数据采集和生产过程可视化的问题。而工业大模型和智能体的出现，使企业开始探索如何利用这些数据和知识，参与生产组织和经营决策。
在青岛胶州智能控制器工厂，智能排产、设备调节、质量管理等环节的智能化协同，使换产时间由40分钟缩短至10分钟，产线产能提升5%。
换产时间的缩短，看似只是一个生产效率指标，背后却涉及设备参数、工艺要求、生产节奏等多个环节的协调。如果这些环节仍然依靠人工逐项处理，即使单台设备具备智能化能力，整个生产流程也未必能够实现高效协同。卡奥斯提出的“厂长数字人”，正是希望把柔性换产、设备管理、质量管理等智能体连接起来，让不同生产环节围绕共同目标协同运行。
支撑这些应用的，是长期积累的工业知识。
天智工业大模型背后，已有4700余个工业机理模型、200余种专家算法，以及海尔长期积累的制造业经验。
这些工艺机理、生产规则和专家经验，恰恰是通用大模型难以直接从公开互联网数据中获得的知识。
中国工业互联网研究院高级工程师高晓腾在接受记者采访时，谈到工业互联网对大模型研发和落地的作用，给出了一个简洁的答案“场景”，“场景是实现整个大模型落地应用的最后一关，而且是关键的一关。”在他看来，工业大模型能否真正发挥作用，最终要看能不能进入实际生产场景，并取得具体的应用成效。
从青岛港到卡奥斯，工业积累的价值正在发生变化。
2026人工智能产业大会同期举办的产业对接活动现场，客户询问创新奇智展台工作人员产品详细信息。刘丽娜 摄
过去，丰富的工业场景主要意味着制造业规模和产业配套能力；如今，长期形成的工业知识、工艺数据和生产经验，正在成为人工智能技术创新的重要资源。
不过，这种优势并不会自动转化为模型能力。
只有经过数据治理、知识整理、模型研发和实际应用验证，工业经验才能成为人工智能能够理解、使用和不断优化的知识体系。
工业基础为AI提供起点，而将工业知识转化为技术能力，才是产业优势真正发挥作用的关键。
为什么是这四家？真实场景培育技术竞争力
四个青岛大模型中，极视角和创新奇智的成长路径，提供了另一个观察角度。
两家企业最初都不是在青岛创业，却先后选择将总部迁到这里。
2015年，极视角在深圳起步，选择计算机视觉赛道。2021年，企业将总部迁至青岛西海岸新区。
为什么选择青岛？
极视角联合创始人、总裁陈硕在采访中谈到，人工智能技术最终要进入实体产业，而山东拥有完整的工业体系，青岛的制造业、轨道交通、港口物流等场景，为技术应用提供了丰富机会。
极视角最早以视觉算法商城切入市场。识别安全帽、检测设备异常、发现产品缺陷……不同企业提出不同需求，极视角将这些需求转化为一个个专用视觉算法。十余年来，企业积累了1500多种算法，累计落地6000多个项目。
但随着应用场景不断拓展，传统视觉算法的局限也逐渐显现。
一种算法通常对应一类相对固定的识别任务。遇到新的目标、新的生产环境，往往需要重新采集数据、标注和训练。真实的工业现场却不断出现新问题。陈硕在路演中介绍，星际视觉语言大模型试图解决的，正是这种不断变化的视觉需求。它将视觉感知与语言理解结合，使使用者能够通过自然语言定义识别目标。例如，在轨道交通施工现场，施工前后需要清点工器具。工具种类、摆放位置、拍摄角度不断变化，机器不仅需要发现图像差异，还需要理解究竟少了什么。
根据企业介绍，星际大模型依托10亿级真实业务数据集研发，在80%以上的视觉感知场景中，无需重新完成传统方式下的大规模数据标注训练。
但这并不意味着传统视觉小模型将被淘汰。对于目标明确、重复频率高、需要快速响应的检测任务，小模型仍然具有精度、速度和成本优势；面对目标多变、历史样本不足的复杂场景，大模型则能够提供更灵活的理解能力。
大小模型协同，成为极视角的技术选择。
在某大型铝业集团，极视角部署了50多个大小模型应用场景，其中包括30多个大模型任务，用于识别料浆泄漏、设备异物等异常情况。这一技术路径并非凭空设计，而是企业在长期项目交付中，不断遇到新需求、解决新问题后形成的。
青岛地铁则提供了另一种场景合作方式。在青岛地铁建设城轨行业大模型的过程中，极视角参与相关人工智能平台、视觉能力和智能体研发。运营单位提出具体需求，技术企业参与研发，双方再通过实际应用不断验证和优化。这不是简单地购买一套现成软件，而是产业应用主体与技术企业共同推动创新。
在大会展区，记者遇到了山东瑞程数据科技有限公司负责人郭圣峰。郭圣峰曾从事化工园区信息化相关工作，对极视角的技术已有了解。在他看来，视觉算法成熟需要长期积累。真实应用案例越丰富，技术越有机会应对复杂需求。
这一来自潜在需求方的观察，恰好说明了产业场景的另一层价值：场景不仅带来市场机会，也会反过来推动算法迭代和产品成熟。
创新奇智的发展同样体现了这一特点。
2020年，创新奇智将总部落户青岛即墨。
在记者的独家采访中，企业负责人介绍，公司在北京、青岛、成都等地形成研发和交付协同体系。其中，青岛拥有较大规模的工业软件研发团队，参与工业软件和相关产品开发。工业人工智能不同于面向个人用户的通用应用。模型要真正进入工厂，不仅需要算法工程师，还需要懂设备、懂工艺、懂工业软件的专业团队。以设备管理为例，传统工业软件能够记录设备台账、运行状态和维修记录；引入人工智能之后，企业希望进一步实现异常诊断、维修建议和管理流程优化。要做到这一点，模型不仅要能理解数据，还必须与原有工业软件、业务规则和管理流程衔接。
创新奇智在青岛某啤酒企业开展能源管理、设备管理相关应用，也服务多家全国制造企业。青岛培育的人工智能企业，正在通过跨区域研发和交付体系，向全国制造业输出技术能力。
2026人工智能产业大会同期举办的产业对接活动现场，极视角展台展示的信息吸引了参观者的关注。刘丽娜 摄
从极视角到创新奇智，可以看到青岛产业优势的另一种表现形式。
这里不仅有需要人工智能的工厂，还有能够与技术企业共同研发、共同解决问题的产业环境。而一家人工智能企业真正的竞争力，也不只是拥有多少模型参数，更在于能否持续理解行业需求，将一次次项目经验沉淀为技术和产品。
从“会回答”到“能干活”，工业AI进入业务深处
工业大模型能够回答专业问题，距离真正解决工业问题，还有多远？
创新奇智执行董事兼CEO徐辉在路演中展示了一项应用。在宝武钢铁，长期积累的专业管线图纸数量庞大。不少图纸以静态文件形式保存，涉及复杂的设备参数和管路关系。一旦需要修改，工程人员往往需要重新识别、绘制，单张图纸处理可能耗费数天。这些图纸虽然包含大量工业知识，却难以直接接入数字孪生和智能运维系统。创新奇智与基础设施工程软件企业Bentley联合开发的iPID读图智能体，尝试改变这一工作方式。
按照徐辉现场介绍，智能体能够识别400多种专业图例，自动提取设备参数、还原管路逻辑，整体还原度超过95%，使图纸处理从数天压缩至分钟级。更重要的是，原本难以直接利用的静态工程资料，开始转化为能够支持后续数字化应用的数据资产。
从工业图纸到港口调度，从柔性换产到视觉巡检，四家企业展示的技术路径各有不同，却都在发生一种变化，人工智能不再只停留在知识问答、信息检索和辅助分析层面，而是逐步进入实际业务流程。
这也是为什么“智能体”成为此次大会上的高频词。
在独家采访中，创新奇智负责人解释，大模型主要提供知识理解和推理能力，智能体则可以进一步读取业务数据、调用工业软件和工具，按照一定流程完成任务。但工业智能体不是简单地将通用大模型接入生产系统。工业现场有严格的工艺规则、设备约束和安全要求。一个看似合理的判断，如果脱离实际生产条件，就可能造成真实损失。因此，创新奇智尝试通过工业本体，为模型理解设备、业务对象及其关系提供知识框架，同时将必要的人工审核纳入智能体工作流程。
卡奥斯强调多智能体协同，青岛港强调复杂生产要素统筹，极视角强调视觉感知与业务判断结合，创新奇智强调工业知识与软件执行能力。
四条技术路线虽然不同，却共同指向一个问题：如何让人工智能真正理解工业，并以可靠的方式参与实际工作？
这也是垂域大模型的重要价值所在。
通用大模型提供了新的技术可能，而产业知识、工业软件和真实业务流程，决定了这些能力能否真正进入生产现场。
从标杆到规模，工业AI还要跨过几道坎？
七个代表性垂域大模型，青岛占据四席，说明本地已经形成了一批具有代表性的工业人工智能产品。
但四个标杆，距离大规模产业化还有多远？
创新奇智负责人的一组数据颇具代表性。企业成立以来累计服务1800多家客户，并不意味着这些客户全部使用了工业大模型，这反映了工业人工智能从传统软件业务向大模型、智能体应用发展的现实过程。
技术已经能够解决一些复杂问题，但要让更多企业真正用起来，还必须回答成本、人才、数据安全和投入产出等问题。
“用不起，不会用。”谈及工业大模型推广中面临的困难，中国工业互联网研究院高级工程师高晓腾在采访中首先提到了中小企业。他指出，相比已有的数字化人才，许多中小企业缺少熟悉人工智能的专业人员。企业既担心模型应用成本过高，也担心投入资金之后看不到实际成效。
这种顾虑并不难理解。
大型制造企业可以投入资金建设专门的人工智能系统，而大量中小企业很难承担同样的研发和部署成本。如果一家企业需要投入大量资金，却无法确定能节省多少成本、提高多少效率，自然会对新技术保持谨慎。
数据安全是另一道门槛。高晓腾举例说，企业的工艺参数、生产配方等属于核心数据，不可能简单放到公共网络环境中使用。但知识问答、数字员工等一般性应用，又未必需要与核心生产数据采用完全相同的部署方式。
不同等级的数据、不同用途的模型，需要选择不同的应用路径。
这也意味着，工业大模型的复制推广，不是把一家企业的全部数据和技术方案直接搬到另一家企业。
真正可以复制的，是具有共性的技术能力、业务框架和应用方法。
在独家采访中，创新奇智负责人谈到，企业正在尝试将设备管理等共性业务能力做成标准化软件和智能体产品，再根据不同客户的设备、业务数据和专属知识进行配置。这样既可以提高产品复用程度，也能够减少每个项目从头开发的成本。
对人工智能企业来说，项目交付只是第一步。只有把项目经验沉淀为可以反复销售、持续使用的产品，才能逐步形成规模效益。
2026人工智能产业大会同期举办的产业对接活动现场，卡奥斯展台吸引了众多参观者的关注。刘丽娜 摄
卡奥斯也在探索类似的路径。
依托工业互联网平台积累，卡奥斯在家电、石化、煤炭、汽车等行业形成相应的模型和解决方案，并通过产业平台向更多企业推广。在青岛胶州，“工赋上合”工业互联网平台已服务362家当地工业企业，落地133个数字化转型项目。
这些数字反映的是工业互联网平台的总体服务能力，并不意味着所有企业都已经应用天智工业大模型。但长期积累的企业连接、数据基础和数字化服务经验，为工业大模型进一步推广提供了条件。
那么，怎样判断一个地区的工业人工智能产业是否真正形成竞争力？
高晓腾认为，需要区分不同主体。对于制造业应用企业，最重要的是实际应用成效和投入产出比；对于大模型服务商，还要关注企业营收、市场覆盖率和行业影响力；对于工业大模型产品，则需要观察其在行业内复制推广的能力。
这为“七席占四”提供了另一个观察尺度。入选代表性模型，是对现阶段技术和应用成果的认可。但工业AI最终能够创造多少价值，还要看它能否持续解决真实问题，能否以合理成本服务更多企业。
四席之后，青岛怎样形成持续竞争力？
青岛四个大模型集中亮相，并非孤立现象。
青岛正在实施“模力青岛”行动，构建“1+8+N”大模型发展体系，以基础通用大模型为底座，重点建设制造、海洋、家居、港口、城轨、康养、交通、低空八个垂直领域大模型，赋能更多应用场景。目前，全市已培育垂直领域大模型产品超过100款，其中13款通过中央网信办备案。
2026人工智能产业大会同期举办的产业对接活动现场，垂域大模型方舟智能“星港”吸引了参观者的关注。 刘丽娜 摄
产业生态也在不断完善。
青岛建设了“崂山AI”“海洋智谷”两个省级“模力空间”，两大空间合计孵化大模型超过30款；遴选发布16个市级人工智能OPC专业园区，为企业提供从算力到场景的服务支持。
不过，模型数量增加，并不意味着产业发展的所有问题都已经解决。
据了解，在行业数据有效采集、汇聚和开放共享方面，仍然存在困难，大模型在研发设计、复杂生产调度等深层场景中的渗透普及率还有待提高。
而从企业和专家的观察看，人才与技术创新能力的持续积累，同样重要。
谈到青岛发展工业人工智能的优势，高晓腾提到了两个方面。一是青岛具有较好的工业基础，传统企业对前沿技术具有一定接受度；二是软件产业已有积累，可以为人工智能技术发展提供支撑。但与此同时，人才引进也是青岛的课题之一。他认为，人工智能产业发展需要吸引更多领军人才，通过人才集聚带动园区和产业发展。
这一建议也提示我们，产业场景可以吸引技术企业，但要让技术企业持续成长，还需要更强的研发人才、创新资源和产业生态支撑。
下一步，青岛市将依托港口、家电两大国家人工智能应用中试基地，推动模型服务向外输出，培育更多行业智能体，并积极争取模型券、语料券、场景券等政策支持，降低企业应用门槛。山东省也提出，将分行业培育人工智能服务商，加快部署前沿部署工程师，探索以行业服务团队推动技术落地。
从这一角度看，未来工业人工智能的竞争，已经不只是模型研发能力的竞争，也将是工程交付能力、场景复制能力和产业生态的竞争。
七大垂域模型，青岛占据四席。
这一结果说明，青岛深厚的产业基础、长期积累的工业知识，以及人工智能企业与制造业场景的持续互动，正在形成新的产业竞争优势。
但四席不是终点。
从一座港口到更多港口，从一家标杆工厂到更多普通工厂，从一个成功案例到可以持续推广的产品，工业人工智能仍然需要经历更加严格的市场检验。
青岛何以占据四席？答案不仅在于这座城市拥有多少工业场景，更在于它能否把场景中的经验和需求转化为技术创新，再把技术创新转化为更多企业用得起、用得好、能够持续创造价值的生产能力。
这或许才是四席背后更值得关注的产业命题。（青岛日报社/观海新闻记者 刘丽娜）
责任编辑：吕靖雯
