中国纺织业正经历一场隐性的效率革命。当大多数企业还在为ERP与MES系统的数据打通发愁时，一批先行者已开始尝试用AI直接参与生产决策。7月27日，中科闻歌在绍兴柯桥发布“工业决策大脑”，将感知、分析与执行整合为闭环，试图破解纺织工厂长期存在的“数据丰富、决策贫乏”困局。
事件背景：纺织智能化的三个断层
纺织工厂并不缺数据。过去十年，ERP、MES、PLC等系统已大规模部署，积累了订单、设备、工艺、质量等多维度信息。但行业公开数据显示，这些数据大多停留在记录与展示层面，真正用于优化排产、控制质量、辅助决策的比例不足20%。中国科学院自动化研究所副所长曾大军在大会上指出，决策主体正从以人为中心转向人+智能体融合协同，而现有工业体系在数据采集处理与人机协同决策层面面临全新挑战。
浙江大学管理学院教授刘渊则点出更深层的问题：AI的技术能力并不自动转化为产业赋能效果。数据、算力与算法要真正进入产业，必须与具体的行业场景、业务流程和制度环境深度结合。这意味着，纺织企业需要的不是又一个通用大模型，而是一套能理解工艺机理、适配复杂模态数据、并能将老师傅经验结构化沉淀的系统。
技术路径：从数据到决策的完整链路
中科闻歌此次发布的工业决策大脑，核心架构是DOMA（Data-Ontology-Models-Agents）与“基-枢-核-脑-端”决策AI树。底层由海汇和DIP负责组织工业数据与知识，中间层通过雅意、磐石大模型和决策机完成预测与推演，上层由龙工智能体和工业智能装备执行具体任务。这套体系不要求企业推倒现有系统，而是通过统一业务语言，将订单、设备、物料、工艺、质量等数据连接起来，在交期、产能、成本、品质等多重约束下生成可执行方案。
中科闻歌CTO曹家将当前工业AI落地障碍归纳为三点：数据难理解、模型难适配、经验难沉淀。工业决策大脑的针对性设计在于，它并非一个黑箱模型，而是将数据转化为可被AI直接理解的高质量结构，并通过智能体调用业务系统与生产工具，形成“感知-决策-执行-反馈”的闭环。例如，印染配色场景中，系统综合历史配方、光谱数据与面料信息生成建议，打样轮次从7-8轮降至3-4轮，成本节省30%-50%，同时将老师傅经验持续沉淀为可复用知识。
落地成效：从单点工具到全流程决策
工业决策大脑已在纺织企业多个关键环节取得阶段性成果。贸易理单场景中，一张外贸订单的核对时间从30-60分钟压缩至数十秒，关键要素提取准确率超过95%。织造排产环节，AI综合设备、产能、工艺、库存与交期等约束，将排产计划耗时从数小时降至分钟级，并能实时响应临时插单与设备异常。印染排缸环节，排缸时间从约2小时缩短至约2分钟。完工反馈与订单交付环节，跨部门协作从1.5-3小时压缩至约5分钟。
值得注意的是，工业决策大脑还通过中科巨细的具身智能机器人将决策延伸至生产现场。智能巡检机器人可识别20余类纺织瑕疵，检测准确率超过95%；智能挂纱机器人作业高度覆盖0.5-3米，重复定位精度达±0.1毫米；智能落布机器人额定负载达300公斤。这些机器人成为AI进入车间的物理终端，将系统决策转化为停机、挂纱、转运等生产动作。