联通工业智能化的探索与实践

近年来，人工智能等新一代信息技术加速驱动工业领域ICT迈向智能化新阶段，“十五五”规划提出“人工智能+工业互联网”、“人工智能+制造”等新政策，将进一步加快人工智能融入工业生产核心环节。中国联通立足“信息大动脉”建设者与“产业赋能者”的双重定位，深入剖析当前工业智能化在数据处理、任务执行及机器人决策等维度的核心痛点，构建了从数据治理到智能体（Agent）网络，再到具身智能的全栈解决方案。

中国联通工业智能化的三个发展阶段

中国联通在工业领域的布局，经历了一个从“连接”到“感知”再到“认知”的螺旋式上升过程。

自2018年起，5G技术的规模化应用拉开了“网络化”的序幕。通过建设5G专网，联通为工业企业提供了低时延、大带宽的万物互联，产线更具备了视觉感知和识别能力。移动终端的普及彻底打破了传统产线的限制，自主导航的AGV、虚实相映的AR眼镜、集中控制的工位可以重新布局形成柔性产线。截至目前，全国已建成超过9500座这样的5G工厂，渗透进制造、采矿、港口、电厂等行业，甚至延伸至海外（如图1）。

图1. 美的泰国春武里5G工厂

进入2022年，数字化转型的重心转向了数据深耕。联通打造了以IoT和大数据为核心的“格物Unilink”工业互联网平台，成为工业企业设备数据和管理数据的载体。该平台提供协议解析和结构化建模服务，使得上层应用无需顾及底层设备与系统的复杂性，即可在安全框架下调用数据，增强系统间的互操作性。为此，格物Unilink连续三年入选工信部“双跨”平台名单，排名从最初的第29名一路飙升，至2024年位列第9，并于去年挺进全国前6。

步入2024年，智能化浪潮席卷全球。我们观察到，真正驱动用户选择AI的并非单纯的参数和算力竞争，而是产品如何无缝融入现有的生产场景。智能化的形态开始演变为能读懂专业数据并生成准确答案的垂类大模型、能自动执行任务的智能体、以及能实现人机协同作业的具身智能机器人。如何在原有网络化、数字化基础上，打造一个工业智能生态开放体系，是格物Unilink平台演进的目标。

工业智能落地面临的三大核心痛点

尽管技术前景广阔，但在深入工厂车间、矿井井下或港口码头的实际落地中，工业智能化仍面临三大难题。

首先是数据的“语义鸿沟”。如何让大模型能够读懂企业海量的私有化、高度专业化的数据，并确保其生成的内容严格符合行业规范、安全准则和标准流程。否则所谓的“智能化”只能停留在问答层面，无法指导生产决策。

其次是任务的“拆解与执行”。仅仅拥有对话能力是不够的，大模型必须能够根据用户意图，将其拆解成一系列可执行的任务清单，并由操作系统调用不同智能体和企业应用来自动完成任务。

最后是机器人的“泛化能力缺失”。传统机器人感知能力缺失，而新型的人形机器人或四足机器狗的泛化能力不足，缺乏工业场景所需要的自主推理和决策能力。如何让具身智能机器人不光是表演，而是能与人和自动化系统深度协同工作，是实现全面智能化的关键。

中国联通提出三大工业智能化解决方案

针对上述挑战，中国联通从数据、协作、终端三个维度提出了针对性的技术路径。

第一，构建AI-Ready的数据治理体系。企业的私有化数据属于“多模态”数据，既有系统记录的设备状态数据（如温度、压力、电流、转速等），也有生产业务数据（如客户、订单、产品、物料等），更有系统生成的各类格式的文件、程序编码、API、流程等，以及各类非结构化的数据如图像、音视频、纸质文档等。为了让大模型和智能体读懂这些数据并进行推理，联通引入了“数据本体论”方法论。

我们不仅是对数据进行简单的采集，而是通过语义建模和知识图谱，将这些多模态数据提炼加工成带语义的信息和知识。联通与行业客户深度合作，在特定场景驱动下对数据的语义进行对齐，使不同维度的数据关联关系在同一向量空间内得以体现。这种治理方式确保了大模型在进行推理和决策时，是基于“行业常识”而非概率猜测。

在实际应用中，联通装备军团与数智公司合作，为商飞国产大飞机打造了垂类模型，显著提升了复杂航空制造过程中的决策精准度；而在服装行业，通过为上海嘉麟杰开发面料性能预测智能体，我们实现了从经验研发向数据驱动研发的转型，大幅缩短了新材料的上线周期。

第二，打造企业级智能体互联网（IoA）。当企业的岗位型或任务型智能体达到一定数量时，传统的以IP地址为核心的寻址和基于静态规则的安全模型，已经无法满足智能体动态迁移、自主决策和高效协同的新需求。为此，联通提出构建“企业级智能体互联网”，这是一套类似于传统互联网（Web）和内部网（Intranet），但完全面向AI原生（AI-Native）且独立的技术体系。

首先是寻址方式从传统“位置寻址”转向“身份寻址”。传统网络是通过IP地址找到服务器，而在IoA中，系统路由将直接基于智能体的身份、类型和权限进行匹配，不再依赖目标IP。

其次是安全防御从“边界防护”转向“内生安全”。传统安全模型像一个城堡，重点防御外部攻击。而在IoA中，每个智能体都可能成为攻击的入口或目标，因此必须建立一套覆盖全链路的安全机制，包括：

• 对智能体的每一次交互请求都进行基于身份的持续认证和动态授权。
• 基于智能体身份和实时风险评估（如行为异常、环境变化），动态调整其访问权限，实现“最小权限原则”，防止权限被滥用。
• 建立从硬件执行环境（如TEE）、代码完整性到身份凭证的全链路可验证信任体系，构建可信数据空间，确保智能体“所言即所行，所行即可信”。
• 将智能体的关键操作、决策链路和通信内容写入防篡改的审计账本，形成完整的证据链，为事后追溯和定责提供依据。

在2026年世界移动通信大会上，中国联通发布的AI原生通信服务UniClaw，作为元景万悟智能体平台的新成员，将电话、短信等传统通信能力升级为智能体执行指令的入口（如图2）。此外，在2026年3月广州黄埔区的交流会上，中国联通分享了其“AI+新型工业化”全栈赋能方案。该方案中的ClawdSecbot安全防护体系，专门针对OpenClaw部署中可能出现的权限失控、插件投毒等风险，为制造业企业安全落地OpenClaw提供了保障。

图2. 联通UniClaw产品发布

原来基于IP地址进行路由的网络，将升级成一张基于意图理解进行智能体互联，且自带安全认证的算网协同的智能网络。这使得我们可以在原有网络化、数字化基础上，打造一个工业智能生态开放体系。

这种转变标志着算网协同已经不再局限于“把算力搬运到离数据近的地方”，而是进化成了一张“能听懂意图、能自主调度智能体、自带安全属性”的超级神经网络。

打造“工业智能生态”，正是算网协同落地的终极愿景。例如，中国联通与华为在山东联通的实践中，已成功落地了“自智网络变更与安全智能体”。通过AI大模型深度学习，实现网络配置变更的在线仿真和风险评估，把原本需要人工排查的复杂工作变成了智能体的自动化闭环，为“工业智能生态开放体系”提供了最坚实的底层支撑。

第三，开发跨终端的具身智能大脑。格物平台此前通过协议解析和设备物模型，实现了应用与终端的互操作，现在中国联通将其全面升级，进一步推动机器人（传统的、具身的）与具身智能大脑之间的互操作。这套升级版平台提供了一套完整的具身智能全生命周期服务。

首先是动作数据的精准捕获，通过部署光学、惯性或视觉捕捉设备，记录焊接、搬运、质检等领域人类专家的操作动作。随后进行数据适配与格式转换，通过算法将采集到的关节空间数据适配到不同机器人的描述文件（如URDF格式），解决“人怎么做”到“机器人怎么做”的映射问题。

在模型训练阶段，在动捕真实数据的基础上，结合数字孪生技术生成泛化动作的合成数据，以扩充训练样本，有效解决长尾问题。在此基础上，通过训练VLA（Vision-Language-Action，视觉-语言-行动）具身智能模型，让机器人具备视觉感知、语言理解和行动决策能力。最后是虚实调试环节，利用5G网络的高带宽与低时延特性，将训练好的模型部署到实体机器人上，通过Sim-to-Real（仿真到现实）的强化学习和微调，最终实现机器人的自主作业（如图3）。此外，平台还配套提供5G网络连接能力、感知能力（视觉、听觉）及定制化小模型服务，为机器人提供全方位的技术支撑。

图3. 央视报道联通工业具身智能机器人虚实融合训练场

回顾中国联通工业智能化的探索与实践：从5G专网到智能工厂，从工业互联网平台到边缘算力与人工智能融合赋能关键生产环节，每一步都是对工业智能化的深化赋能。面向未来，我们将持续夯实新型数字基础设施，深化“人工智能+制造”场景落地，与工业企业、设备厂商、模型厂商等产业链伙伴共建开放、协同、安全的工业智能化生态，助力我国工业智能化从“点上示范”走向“面上一盘棋”，为制造强国建设贡献通信力量。