摘要：今天工业智能的重点落在工厂现场更容易被忽略的底层环节：OT安全责任、工业中间件治理、Physical AI仿真、机器人操作数据和现场工作流智能体。Fortinet发布2026年OT网络安全报告，显示OT安全正在从CISO集中负责转向更细分的专业责任和长期治理。Automation.com的最新专题指出，MQTT主题、OPC标签映射和数据转换管道已经在事实上影响工厂行为，但很多企业没有把它们纳入变更管理。NVIDIA在Hugging Face发布Physical AI仿真综述，把训练计算机、仿真计算机和机器人边缘计算机分为三层。Pollen Robotics的Grabette试图用手持夹爪和浏览器处理降低机器人操作数据采集门槛。工业AI落地的核心不只在模型，也在中间层、数据层、验证层和安全责任层。
今天工业智能的重点落在工厂现场更容易被忽略的底层环节：OT安全责任、工业中间件治理、Physical AI仿真、机器人操作数据和现场工作流智能体。Fortinet发布2026年OT网络安全报告，显示OT安全正在从CISO集中负责转向更细分的专业责任和长期治理。Automation.com的最新专题指出，MQTT主题、OPC标签映射和数据转换管道已经在事实上影响工厂行为，但很多企业没有把它们纳入变更管理。NVIDIA在Hugging Face发布Physical AI仿真综述，把训练计算机、仿真计算机和机器人边缘计算机分为三层。Pollen Robotics的Grabette试图用手持夹爪和浏览器处理降低机器人操作数据采集门槛。工业AI落地的核心不只在模型，也在中间层、数据层、验证层和安全责任层。
Automation.com 7月21日刊载Fortinet《2026年运营技术与网络安全状态报告》介绍。报告指出，过去八年全球OT网络安全成熟度持续提高，很多企业把OT安全纳入CISO或CIO等信息安全领导体系；但2026年由CISO或CIO承担最终责任的受访比例为60%，低于2025年的69%。同时，未来12个月计划把OT网络安全转到CISO体系下的比例从2025年的80%升至2026年的81%。
这一组数据表明，OT安全进入了新的阶段。一些企业已经把最高层风险降到可控范围，因此把日常责任下放到更专业的运营和安全负责人；另一些企业仍准备继续上收责任，以便统一预算、工具和合规口径。两种方向同时存在，并不矛盾。
对工业AI项目而言，OT安全责任分层尤其重要。边缘模型、视觉设备、数据中间件和远程维护工具都会增加连接点。企业不能只问“有没有CISO负责”，还要明确资产清单、补丁流程、外部供应商访问、异常处置和生产停机权限由谁决策。
Automation.com 7月21日刊发专题《没人谈论的沉默自动化层》。文章指出，很多工厂会严格管理PLC程序版本、FAT/SAT记录和变更签字，但对MQTT主题层级、OPC服务器标签映射、数据转换管道和DataOps Hub的管理却明显薄弱。问题在于，这些中间层已经决定数据流向，甚至影响后续自动化动作。
文章把中间件视为新的控制资产，建议将Broker、网关和数据枢纽纳入ISA/IEC 62443区域与通道模型；把命名空间、Topic层级、标签映射和转换配置纳入Git等版本管理；并将中间件变更纳入和控制逻辑相同的管理变更流程。
这对工业智能体尤为关键。智能体要读写工厂数据，往往不是直接接PLC，而是通过OPC、MQTT、数据平台或API网关进入现场。如果中间件没有版本、责任人和测试流程，AI做出的操作建议就可能建立在错误标签、过期映射或未审计的数据转换之上。工业AI的基础治理必须包括这层“看不见的软件管道”。
NVIDIA 7月21日在Hugging Face发布Physical AI仿真综述，提出机器人与具身智能的主要瓶颈不是模型结构，而是真实世界交互数据。机器人必须理解杯子滑落、电缆弯曲、夹爪接触角度不当等物理后果，而真实采集成本高、速度慢，并存在设备损坏风险。
文章把Physical AI基础设施分成三个计算层：训练计算机负责训练基础模型，仿真计算机负责生成机器人经验和传感器数据，机器人本体上的边缘计算机负责部署时运行策略。仿真引擎不再只是调试几何和可视化运动，而是用于生成感知数据、训练强化学习策略、收集演示、增强真实数据、评测模型和测试罕见或对抗场景。
这对工业企业有直接启发。机器人上产线之前，不应只看单次演示，而要在仿真环境中反复测试碰撞、节拍、异常、光照变化和物料偏差。未来中试验证平台需要把仿真、真实工位、机器人控制和数据回放结合起来，形成可复现的任务评测。
Pollen Robotics等团队7月21日发布Grabette开放系统，用于记录机器人操作数据并建设共享数据集。系统的思路是，不要求每个贡献者拥有完整机器人。用户可以用手、手持夹爪、摄像头和6自由度轨迹恢复来采集演示，并在浏览器中处理成机器人可学习的数据。
工业机器人和人形机器人要处理多品种、小批量、柔性物体和非标准场景，缺少大量真实操作轨迹。传统遥操作通常需要完整机器人、传感器和专门环境，成本高且难以大规模扩散。Grabette把采集设备降到更轻量的物理装置，为社区共同贡献长尾操作数据提供了可能。
从工业角度看，类似系统可以用于工艺动作知识留存。熟练工人如何拿取、转动、对齐和放置零件，很多时候只存在于经验里。如果能以低成本记录为轨迹数据，就有机会进入机器人训练、作业指导和数字工艺库。但这些数据仍需质量审核、任务标签和工况说明，否则很难直接用于生产。
Poka近期发布Industrial AI路线图，提出在既有Connected Work平台之上增加无代码AI Studio和MCP服务器。公司称其已有问题解决、分析和知识类AI Agent在工业客户生产环境中运行，并计划让选定客户通过早期访问计划构建自己的现场工作智能体。
Poka强调，工厂现场AI不能脱离审计、权限和确定性工作流。其MCP服务器允许企业AI助手访问Poka能力，AI Studio则让运营团队围绕工单、工作指导、问题记录和知识库创建智能体。系统可接入MES、CMMS和ERP，并在人工审批下执行步骤。
这类路线说明，工业智能体的入口未必是控制层，也可能是现场人员的工作流。质量问题、换线、培训、班组交接和异常处理都依赖文档和经验。谁能把这些经验转成可审计的任务流，谁就更容易让AI进入生产运营。
1. Automation.com / Fortinet：《Fortinet's 2026 State of Operational Technology and Cybersecurity Report》，2026-07-21；用途：核验OT网络安全责任、CISO/CIO比例和未来迁移趋势。 https://www.automation.com/article/fortinet-2026-state-operational-technology-cybersecurity-report
2. Fortinet：《2026 State of Operational Technology and Cybersecurity Report》，2026；用途：补充OT安全成熟度和报告原文背景。 https://www.fortinet.com/
3. Automation.com：《The Silent Automation Layer Nobody Talks About: Middleware Becoming the Real Control System》，2026-07-21；用途：核验MQTT、OPC、DataOps和中间件变更治理观点。 https://www.automation.com/article/silent-automation-layer-nobody-talks-about-middleware-real-control-system
4. ISA：《ISA/IEC 62443 Series of Standards》，持续更新；用途：补充工业网络安全区域、通道和责任模型背景。 https://www.isa.org/standards-and-publications/isa-standards/isa-iec-62443-series-of-standards
5. Hugging Face / NVIDIA：《The State of Simulation for Physical AI: An Overview》，2026-07-21；用途：核验Physical AI仿真、三层计算范式和仿真引擎对比。 https://huggingface.co/blog/nvidia/state-of-simulation-for-physical-ai
6. NVIDIA Isaac Lab：项目文档，持续更新；用途：补充GPU加速机器人学习和仿真训练背景。 https://isaac-sim.github.io/IsaacLab/
7. Hugging Face：《Grabette: an open system to record robot-manipulation data》，2026-07-21；用途：核验手持夹爪、浏览器处理和共享数据集设想。 https://huggingface.co/blog/grabette
8. Pollen Robotics：机构官网，持续更新；用途：补充开源机器人和操作数据采集生态背景。 https://www.pollen-robotics.com/
9. Automation.com / Poka：《Poka Plants the Flag on Industrial AI for Connected Work》，2026-07-17；用途：补充工业AI Studio、MCP服务器和现场工作流智能体路线。 https://www.automation.com/article/poka-industrial-ai-connected-work
10. Poka：公司官网，持续更新；用途：补充Connected Work平台、客户行业和现场工作流背景。 https://www.poka.io/
---
