2026年11月5日
一、一家通信运营商，为什么开始卖工业经验
11月3日，浙江移动在乌镇发布“浙里智造”平台暨工业Token工厂，11月4日人民网浙江频道、浙江在线相继报道了发布内容。平台由智能技术平台、智擎应用中心和工业Token工厂三大模块组成，试图把工业图纸、生产运行数据和熟练工经验加工为行业模型、智能体和Skill，再通过“Token超市”向制造企业提供SaaS调用与私有化部署服务。配套的FDE“百人百城”计划、属地服务“4S店”与7×24小时支持通道，把服务延伸到了线上模型接口之外。中国移动本来拥有通信网络、云计算、算力和大量工厂客户，现在开始向制造现场交付可重复使用的AI服务，背后有一套值得研究的产业逻辑。[1][2]
制造业很早就有信息化系统，却一直缺少低成本的跨岗位知识调用能力。一家工厂可能已经用ERP处理采购，用MES记录生产，用PLM保存图纸，却仍然要在设备停机时找老师傅翻文件、打电话询问供应商。一份工艺卡、数百段设备日志和多年的售后记录，都有真实价值，但存放格式各不相同，甚至由不同部门控制。过去平台公司喜欢说“建设统一工业数据底座”，结果常常先出现长达数月的数据治理项目，业务人员等不到功能。工业Token工厂提出另一种思路：从具体场景和可调用服务出发，把分散的知识加工成能够解决问题的能力单元，再通过公共平台和驻场工程人员推广。它能否成功，取决于从“包装知识”到“交付业务结果”之间的全部工程环节。
二、什么是工业Token，为什么不能只按文本Token理解
从基础模型角度看，Token是文本或多模态输入输出的计量单位，与推理成本和模型上下文管理直接相关。浙江移动所说的“工业Token”则显然承担了更广的产品含义：平台把工业数据加工、垂类模型训练、智能体封装及Skill服务化组织成一条“产线”，最终上架成能够按需调用的工业智能能力。[1]这一概念同时覆盖底层推理计量与上层业务服务，企业采购时应分别核算。一个故障诊断服务可能只消耗很少的模型Token，却要使用昂贵的振动时序数据、设备模型和现场工程师经验；一次简单文件总结消耗大量文字Token，也未必有同等业务价值。商业定价最终应由任务复杂度、服务可靠性、数据成本和维护责任共同决定。
可以把平台理解为一家拥有标准工位的工业服务工厂：原料是授权的图纸、日志、作业指导书和经验记录；中间经过清洗、结构化、规则提取、模型适配、验证与封装；产品是能够被不同企业系统调用的服务。比如“读取设备故障记录并生成排查建议”可以形成一个Skill，“对照标准检查工艺文件完整性”可以形成另一个，复杂任务由智能体把多个Skill串起来执行。这里最大的工程挑战是标准化与差异化之间的矛盾。单纯提供通用问答容易复制，却不懂企业的工艺细节；把每个现场都做成独立项目又很难形成规模优势。平台需要决定哪些接口、模型、流程和报告模板可以通用，哪些设备参数、客户文件、质量标准和权限必须保留在企业自己的空间里。
三、老师傅的经验离数字产品，还隔着一段艰难路程
很多制造企业已经尝试把专家经验整理成知识库。不少影响工艺结果的经验未被完整写进规范：焊接工程师通过电弧声音判断状态，维修工根据振动频率猜测轴承问题，工艺员知道一类材料换批后要调整加工速度，却未必写过正式变更说明。把这些经验变成可复用资产，需要从现场任务出发进行访谈、案例复盘、操作记录和验证。系统必须把专家判断对应到能解释的工况条件，标明适用设备型号、物料批次、软件版本和安全要求。否则就可能出现一条看似正确的“知识”，在另一条产线上导致严重误操作。
这也是Skill与传统问答库最有价值的区别。问答库提供自然语言解释，Skill最好能做到有输入结构、有执行步骤、有工具边界、有可检验输出。例如一项泵故障分析Skill应接受设备型号、传感器时间窗、运行参数、故障代码和检修历史，先检查数据可用性，再调用时序分析与规则判断，生成包含证据出处、可能原因、复检建议及未确认事项的报告。它还要接入既有设备管理系统和工单流程，留下具体的排查记录，避免只输出“建议检查轴承”。浙江移动希望把工业经验和图纸变成模型、智能体和Skill，这一目标是否产生商业价值，最终要看这些产品能否跨企业重复部署，且每次部署所需的工艺适配成本逐渐下降。
四、平台与工厂之间，FDE比漂亮的展示页面更重要
浙江移动公布了FDE“百人百城”计划。FDE通常指面向客户现场的部署或开发工程师，其职责介于软件开发、系统集成、业务顾问和售后工程师之间。制造企业的需求往往超出标准工单的描述：客户说希望做设备预测性维护，工程师到了现场才发现PLC数据缺失、采样时间不同步、设备编号混乱，或者供应商不愿开放某些控制接口。只有熟悉工业现场的人才能判断问题出在数据、模型、软件还是工艺流程，并设计可验证的最小交付。平台提出属地“4S店”和全天候服务通道，反映出工业AI更接近设备运维和企业软件服务，而非普通互联网应用。[1][2]
建立这支队伍有不低的人才与成本门槛。工程师既要了解SQL、API、模型推理和工具权限，也要能读懂设备日志、质量流程、工艺文件以及厂内安全规定；要与车间班组沟通，还要在软件更新失败后恢复现场服务。平台可以将安装、测试、知识审核和上线验收流程标准化，通过培训降低重复劳动，但仍需要专业人员处理高风险场景。评价“百人百城”计划时，除了覆盖城市和人员数量，更应记录单项目启动周期、每位工程师可维护的客户数、线上问题关闭率、客户续费率和产品版本更新成本。若只靠增加驻场人力扩张，就会回到传统系统集成的成本结构。
五、发布会披露了行业案例，但新平台仍要证明自己的增量
浙江在线报道列出了浙江制造业AI应用的一批案例：镇海炼化的AI预测性维护被报道使检修次数减少30%，大华股份“未来工厂”的AI视觉检测质检效率提升80%、不合格品降低90%，太平鸟服饰将部分爆款由设计图到样衣的周期从7至10天压缩至2至3小时。这些数字来自发布会及相关企业披露，涉及已有行业应用案例；11月3日发布的工业Token工厂还需用自身运营数据证明能否复制这些效果。[2]
几组数字的业务含义也不一样。检修次数下降，需要同时观察故障率、停机时长和维护费用，避免因减少必要检修而转移风险；视觉质检效率提升，要核对检测对象、误检漏检以及人工复核成本；服装样衣周期缩短，涉及设计、打版和供应链协作，单靠生成图片无法保证实物品质。工业Token服务商可以把这些行业指标整理为标准验收模板，鼓励客户在上线前记录基线，并在相似工况下持续比较。不同客户采用一致的收益核算方法后，案例之间才有可比性。
六、从设备数据到生产分析：数益工联提供了更接近现场的入口
人民网浙江频道披露，宁波数益工联科技有限公司在活动现场分享了实践经验：企业通过连接工厂设备、实时采集数据，并结合部署在“移动天工”平台上的DeepSeek等大模型开展质量、产量和效率分析。这里的思路比较清晰：首先打通设备层数据，随后让业务分析从孤立看板变成可问、可查、可操作的交互服务。对于中小厂来说，这种投入有机会从单一车间起步，无须一次性替换原有管理系统。先用已有数据生成稳定报表，也便于中小厂逐步验收，再考虑更自动化的决策。[1]
工程人员应特别关注数据语义。车间设备报出的“运行”信号，可能代表主轴通电，也可能代表设备真正加工；不同厂家对停机、待料、维护的分类不一致，直接汇总OEE或良率可能造成误判。建立工厂分析服务，首先需要统一设备时钟、产品批次、工单与产量关系，再用工艺规则解释不同时间窗中的异常。大模型适合将指标转换成自然语言解释和分析报告，但基础数据计算最好由确定性的数据库查询、工艺规则和时序分析工具承担。系统在报告中保留数据时间、来源与计算过程，才能让车间主管相信它说的是本厂生产情况，而非泛泛的管理建议。
七、八个试点区县和多家签约企业，透露了区域推广策略
本次发布中，浙江移动与宁波北仑、温州乐清、金华义乌、金华永康、嘉兴南湖、湖州吴兴等八个制造业AI试点区县签约，并与多家解决方案伙伴和企业开展场景合作。报道列出的企业包括大榭石化、双环传动、万向一二三、圣龙股份等。这样的参与者结构覆盖化工、汽车零部件及区域制造业集群，说明平台推广考虑了行业专业化与地方服务网络的结合。对一个全省性工业智能服务平台而言，地方政府有场景组织能力，运营商有网络与算力基础，工业软件公司理解企业系统，龙头工厂可以提供示范环境，中小企业则有潜在的规模化采购需求。[1][2]
目前公布的是合作签约。未来如果能公开各类场景的试点数量、通过验收的项目、付费客户、采购金额和节省的重复开发工作量，才容易判断平台效应是否出现。工业AI具有明显的行业碎片化特征，泵阀、紧固件、精密加工、石化装置和纺织服装的术语、数据分布及质量标准都不同；单一模型难以解决所有问题。地方平台可以优先沉淀一批领域术语表、接口连接器、经过授权的案例数据和可重复执行的Skill，再由区域服务商完成客户定制。持续积累工业验证资产和客户运营能力，比单纯增加基础模型接口更能支撑平台竞争力。
八、SaaS与私有化并行，数据权属决定服务能走多远
浙江移动明确提出同时提供SaaS调用与私有化部署。二者满足的客户需求不同：中小企业可能希望以较低初始成本快速试用标准功能，大型制造集团却往往要求设备数据和工艺文件留在厂区，尤其是涉及核心配方、设计图纸和供应链信息时。私有化部署要求解决软件更新、模型版本兼容、算力监控、补丁管理和日志安全等问题，持续服务成本不小。SaaS平台则需要对不同企业的数据空间进行严格隔离，禁止未经授权地把一家客户的故障案例直接用到另一家客户模型训练中。
知识资产授权是工业Token商业模式中更复杂的一环。一项由平台工程师、工厂老师傅和软件供应商共同研发的Skill，其著作权、使用权、后续优化收益如何分配？当工厂停止订阅后，是否还能继续使用已经验证的流程？如果某个算法根据多个客户提供的匿名数据不断改进，谁对外承担准确性和安全责任？这些问题不能全部留到发生争议时才讨论。平台需要在产品合同中明确原始数据、衍生模型、参数配置、可复用通用组件及客户专属组件的权属边界，并为访问和二次开发留下日志。做好这些“看不见”的制度工程，工业知识服务才可能形成可持续交易。
九、要让Token成为经营指标，必须先有可以验收的“工单”
从商业化角度看，最合理的计费单元未必是模型处理了多少Token，而可能是完成一次故障分析、生成一份合格工艺卡、审核一张图纸或关闭一张售后工单。推理Token仍然影响底层成本，客户支付的依据还包括节省的工程师时间、提高的良率和降低的停机损失。平台既可以对简单通用服务按调用次数收费，也可以对高价值的行业功能采用订阅、按设备数或按交付结果计费。合同还需定义可复核的服务水平：响应时间、可用率、结果正确率、异常恢复机制与售后责任必须写入协议，而不能让客户独自承担每次模型输出错误的代价。
我们认为，工业Token工厂最有可能成功的切入方式，是先找到一批痛点集中、数据准备相对充分且容易量化的岗位任务。例如售后故障知识服务、设备维保报告、标准件选型、工艺文件检查、质量异常归因和基础生产经营分析。这些任务既需要工业知识，也有既有流程和可以复核的交付物，适合逐步建立模型、工具与人的协同规则。随着共性Skill积累，企业才有理由把平台嵌入更长的工作流程；而涉及设备控制和安全生产的动作仍要严格经过现有系统的审批和联锁保护。
十、制造经验正在成为软件产品，但这门生意需要耐心
“浙里智造”与工业Token工厂的发布，描绘了一种与传统工业软件采购不同的服务组织方式：企业提供需求与受控数据，平台提供模型和基础设施，专业伙伴提供行业能力，驻场工程师把服务真正接入工厂。这个方向能够降低中小企业独立开发的门槛，也可能帮助小型专业供应商获得更大的市场入口。它能走多远，取决于数据治理、技能封装、计费方式、现场交付、人员培训和客户续费是否形成良性循环。把工业知识做成商品，需要长期投入，因为工艺经验既有价值，也会随着设备、材料和标准不断变化。
从产业角度看，这场尝试也给大型工业软件公司提出了一个问题：过去软件厂商习惯把功能捆绑进庞大系统，客户要获得一项能力往往得先购买整个平台；如今企业希望像调用服务一样组合模型、工具和行业技能。能够拆分、调用、验证并持续更新的产品，才有机会进入下一代工业软件生态。工业Token工厂的后续成绩，还要看制造企业遇到新问题时是否继续使用它，并愿意为得到的服务付费。
参考资料
- 人民网浙江频道：《浙江移动发布“浙里智造”平台》，2026-11-04（活动于11月3日举行）。用途：三大核心模块、工业Token加工、FDE、区域合作及企业案例。https://zj.people.com.cn/n2/2026/1104/c186327-41741393.html
- 浙江在线：《激活高质量Token工业服务，浙江移动发布“浙里智造”平台》，2026-11-04。用途：现场150余人、FDE“百人百城”、行业企业效果披露及合作伙伴签约。https://cs.zjol.com.cn/kzl/202611/t20261104_32008101.shtml
- Yangtzeer：《China Mobile Zhejiang turns factory know-how into industrial AI services》，2026-11-04。用途：工业知识服务化及运营商转型的英文行业观察。https://yangtzeer.com/news/policy/china-mobile-zhejiang-industrial-ai/
说明：文中效率、检修等指标来自相关企业案例和发布会披露；Skill及计费方案为本文分析。