AI 行业落地 | 第16期：图纸一分钟读完，交易席位换AI

AI行业落地 · 2026-10-24 · 九羲科技

一张图纸，工程师要看多久？一个交易席位，机器要先学会听懂多少行话？今晚的两则案例，一个在工厂，一个在银行间市场，答案都指向同一个地方：Agent进企业，先得读懂行里的老规矩，再谈提速。

两案都不另起炉灶。黑湖的工业Agent钻进报价、排程、质检这些天天转的环节；建行的AI交易员守在债券回购的席位上，把押品和定价的规矩从人手里接过来，变成系统里的机制。我们一起拆开看。

· · ·

图纸一分钟读完：十余个工业Agent先钻进工厂的老环节¹

1. 背景：从协同软件，到能做判断的Agent

黑湖科技起家做的是工业协同平台，“小工单”“柔性制造”是它早期的标签。2025年以来，公司把定位转到“工业AI”，业务收拢到生产管理、供应链协同软件和工业智能体上。2026年10月的上海工博会上，它第一次集中展示了十余个决策型工业智能体（Decision-making Industrial Agent），覆盖工程、报价、排程、跟单、质检、仓管这些工厂每天都要过的环节。

这一步的背景，是一组反差：中国信通院的报告说，截至2025年12月，全国规上工业企业开展数字化改造的比例已达89.6%，数字化设备普及率57.7%；但传统数字化工厂仍有定制周期长、交付慢、数据孤岛的老毛病。系统有了，判断还留在老师傅脑子里——黑湖要补的正是这一层。

2. 方案：先把一座工厂讲成同一套上下文

黑湖的做法，是先搭一层“工业智能层”：把每家工厂的人、机、料、法、环，连同工艺规则、制造经验和实时生产数据，组织成统一的生产上下文。工程、报价、排程、质量这些专业Agent，不再各看各的数据，而是基于同一套信息协同，沿着一张订单往下走。

拿工程Agent看，流程改得很具体：它约1分钟就能完成图纸和工艺解析，准确率达到95%，工程师在这个结果上再审核、再调整。黑湖联合创始人肖哲对媒体说的意思很直白：工业Agent跟通用AI不一样，它得先理解工厂的业务规则、生产资源和实时状态，再辅助专业人员判断；关键生产决策，仍由人审核和确认。¹

这个“人审最后一关”的设置值得多看一眼。图纸解析再快，错一张就是一批料、一炉货的代价；Agent省的是读图翻工艺的时间，不是拍板的责任。流程改造到这里，边界才算划清楚。

图：黑湖决策型工业Agent示意图（程序绘制，非实拍；依据21世纪经济报道、证券时报报道）

3. 效果：蜜雪冰城那套体系里，开发周期缩短超七成²

落到一家真实企业，数字是这样的：蜜雪冰城用黑湖的AI开发能力，辅助开发和调整生产业务应用，贯通订单、物料、生产和质量信息，让不同岗位更高效地协同。据黑湖创始人兼CEO周宇翔在工博会现场介绍，相关业务能力开发周期缩短超过70%，整体生产运营效率提升30%。²

这里要把口径说清楚：70%和30%是厂商负责人在展会现场给出的说法，经证券时报记者转述，未经独立核实。能确认的是方向——开发周期和协同效率确实动了；不能确认的是每一家工厂复用时能拿到同样的幅度。中小微工厂对这类产品的接受度，肖哲的观察是：他们不太关心技术概念，只关心能不能解决实际生产问题、带来效率提升。¹

· · ·

交易席位换AI：先听懂行话，再接手押品与定价³

1. 背景：一个2021年就上线的席位，2026年换了“耳朵”

建设银行人民币货币市场债券回购的“AI交易员”，不是今年凭空冒出来的。2021年它就首次上线，跑的是自动化流程；2026年的迭代优化项目引入了大模型技术，据中国新闻网与今日建行报道，这让建行成为银行间市场首家把大模型应用于人民币货币市场交易的机构。³

债券回购交易里，难的不是算数，是语言：不同债券的简称、代码和市场习惯表达复杂多样。过去的做法是针对每种表达逐一专项训练、配置语料，费时费力，换一个品种就得再来一遍。大模型补上的正是这一块短板。

2. 方案：大模型听，小模型办，规矩进系统

分工划得很干净：大模型负责理解语义，无需逐券训练就能识别债券简称、代码与行业习惯用语，准确提取交易对手的押品需求；再交由小模型与业务规则，完成押品校验和询报价交互。听得懂，办得稳，两件事分开做。

这套分工带来了两个实打实的变化。一是押品范围从利率债拓展至信用债，席位能接的活变宽了，适应更灵活复杂的真实交易场景。二是管控机制进了系统：国有大行首创的押品打折比例系统化管控，贯通验券与交易审批环节，系统按押品类型、剩余期限、交易期限等要素自动计算并校验折算比例；定价侧则搭了多维引擎，综合期限、对手信用评级、押品类型、交易与税收成本给出差异化定价依据。³

下一步，建行计划把这套做法向同业存单发行等领域延伸。路子很清楚：先在一个席位上把“听、算、审”跑通，再横向扩品种。

3. 效果：范围扩了，规矩从经验变成了机制

这一案的效果，要按它的本来面目说：它交出的是一张“业务结论”而不是一组效率百分比——押品范围扩到信用债，折算比例的管控从人工经验变成系统化机制，定价有了可复用的多维依据。公开报道里没有披露这一迭代带来的时效提升数字，我们不硬凑。

放在行业里看，建行并非孤例。平安银行据披露已累计落地大模型应用场景超450个，上半年上线140个运营审核类智能体；金融监管部门2026年6月发布的指导意见，确立了“谁使用谁负责”“自主可控”的原则。³从客服问答走到交易、风控这些核心环节，金融AI正在从展示型应用进入生产系统——而进入生产系统的前提，恰恰是每一步可追溯、可回放。

· · ·