确定性（工业AI）
确定性是工业AI与消费级AI的本质区别，强调每一次AI建议、修改和部署都必须可追溯、可验证、可控，确保安全和稳定。
核心要求
- 可追溯：谁发起的需求？AI改了什么？用了哪些数据？仿真是否通过？现场是否确认？
- 可验证：变更前必须经过仿真验证
- 可控：必须知道哪些地方可以改，哪些地方不能碰，哪些环节必须人工审批
- 可审计：后续出了问题能够追溯
与消费级AI的对比
| 维度 | 消费级AI | 工业AI |
|---|---|---|
| 核心追求 | 体验 | 确定性 |
| 错误容忍 | 高 | 极低 |
| 可追溯性 | 弱 | 强 |
| 安全边界 | 宽松 | 严格 |
与[[大模型不是真理机器-而是论证机器]]的关系
工业Copilot的成功需要克服大模型"追求连贯性而非真实性"的本性。通过工程化手段（如仿真验证、端到端追溯、人工审批节点）来确保AI输出的"确定性"，是对大模型在严肃场景下应用的必要约束和补充。
实现手段
- 端到端可追溯性
- 仿真验证
- 生命周期管理
- 人工审批节点
- 安全边界定义
- 变更留痕
相关概念
- [[工业Copilot]]
- [[Agentic Manufacturing]]
- [[工业智能]]
- [[大模型不是真理机器-而是论证机器]]