过去三年里，AI几乎每年都在制造新名词，从生成式AI、大语言模型、Agent AI，再到今年被密集讨论的物理AI。
但对于制造业而言，AI的意义并不止于概念更迭，真正重要的问题是：当AI从云端、办公场景和数字世界走向工业现场，它能否理解设备状态、响应产线变化、参与工艺优化，并最终形成可验证的业务闭环？
这也是研华科技正在回答的问题。
在研华科技中国区总经理罗焕城看来，工业AI的演进不是一蹴而就的，而是一个逐层叠加的过程：先有大语言模型和知识库，再有多智能体协同，最终才能走向具备感知、推理、行动能力的物理AI。
根据“AI产业五层蛋糕”观点，真正决定AI能否创造产业价值的是最贴近场景的应用层。正因如此，研华持续推进“Edge Computing + AI-Powered WISE Solutions”
战略，聚焦工业AI应用层，以边缘智算为基础，以全栈软硬件协同为能力支撑，推动AI从单点应用走向业务闭环，从而实现规模化落地。
01 Agentic AI，重塑工业生产力
如果说过去的AI更多停留在数字世界，解决的是对话问答、内容生成、办公自动化、营销线索转化等问题，那么工业AI面对的是更加复杂的物理世界。
罗焕城指出，当前智能体在办公和商业流程中的应用已经相对成熟，例如商业营销、销售线索挖掘、客户跟进、内部知识调用等环节，都可以通过Agent（智能体）提高效率，但进入工厂之后，情况就会变得更复杂。
工业现场不是一台电脑或一个软件界面，而是由设备、产线、传感器、控制系统、人员、工艺参数和生产数据共同构成的庞大系统。这里的AI不能只是“回答问题”，而是要通过传感器获取现场状态，通过边缘计算处理实时数据，通过智能体调用不同模型和工具，最后对设备、流程、人员和生产参数形成调整建议，甚至参与执行。
换句话说，工业AI最终要解决的是闭环问题。
罗焕城用工业现场的实际情况解释了这一变化：过去工厂里的很多闭环由人来完成，例如调试设备、判断异常、调整参数、安排维护。未来，物理AI有机会通过传感、数据、算力和智能体，把其中一部分闭环自动化、智能化，逐步替代人对生产现场部分状态的判断与调整。
但这并不意味着工厂会立刻被重构。
制造业与互联网产业不同，不能因为一个新模型发布就整体换代，工厂里的设备有生命周期，产线有稳定性要求，投入必须计算ROI。AI技术发展越快，企业反而越需要谨慎判断，哪些能力可以现在导入，哪些能力还需要等待沉淀，哪些场景值得先行试点。
因此，在罗焕城看来，工业AI带来的变化分为两个层次。
第一，技术升级。企业在既有产线上加入机器视觉、知识库、预测维护、设备运维、能源管理等能力，让已有流程变得更智能、更高效。
第二，体系重构。当AI让机器人、设备和产线具备更强的自主决策能力，并支撑柔性生产、少量多样和高度定制化生产时，工业现场就不再只是局部升级，而是开始重新定义生产要素和生产组织方式。
这也是物理AI被研华科技反复强调的原因，它不是生成式AI的简单延伸，而是AI进入物理世界之后，与传感器、设备、机器人、工业控制和边缘算力共同形成的新阶段。
从更大的产业背景看，Agentic AI与物理AI带来的机会，也不只是让中国制造生产得更快。
罗焕城认为，中国过去更强调产品出海，未来会从设备出海进一步走向生产技术、生产设备乃至整厂能力的输出。中国拥有大量经过市场验证的制造设备和产业集群，如果这些设备进一步植入AI能力，就不仅能提高自身生产效率，也能提升设备在海外工厂中的运维、维护和远程服务能力。
也就是说，工业AI正在让中国制造从输出产品，升级为输出AI化的生产力。
02 全栈软硬协同，推动AI闭环应用
研华科技过去40多年积累的工业计算、数据采集、通信、控制、边缘计算、软件平台和行业解决方案，正在成为他们面向AI时代的基础设施。
回顾研华科技的发展历程，罗焕城指出，研华科技从工业计算机起步，逐步延伸到数据采集、工业控制、工业通信、边缘计算，再到工业云平台和行业解决方案，随着AI逐渐涌入工业现场，研华科技需要把AI进一步植入到边缘端和现场端。
这正是研华科技以边缘智算筑基的核心含义。
工业AI不能完全依赖云端，生产现场需要实时响应，很多数据也需要在本地处理，尤其是涉及设备控制、机器视觉、机器人、自主移动、生产调度等场景时，边缘侧的算力、稳定性、低延迟和工业可靠性都非常关键。
尤其是边缘AI能够满足低延迟、资料隐私安全和即时反应等需求，这使得边缘AI成为工业AI落地的重要路径，基于这一趋势，研华科技提出了从AI加速模组、边缘AI一体机到边缘AI服务器的三层硬件架构，并通过软件开发架构把硬件能力与行业应用连接起来。
这意味着，研华科技要提供的不再只是工控机或某一款边缘设备，而是全栈的工业AI整体解决方案。这其中，软件的重要性在研华科技的企业战略中正被不断提升。
随着工业AI进入规模化落地阶段，研华进一步强化软件平台与开发架构的战略定位。相比过去以硬件为核心的产品体系，如今更强调以软件连接边缘算力、工业数据、设备控制与行业知识，推动软硬协同，支撑工业AI应用快速开发与规模部署。
在这个过程中，WEDA成为研华科技全栈工业AI解决方案的重要抓手。
WEDA（WISE-Edge Developer Architecture）是研华科技在COMPUTEX 2026期间对外发布的边缘智能开发者架构，它不是一款单点软件，而是面向工业AI规模化部署提出的统一开发架构。它要解决的是工业AI落地中的典型难题：跨芯片、跨系统、跨设备、跨模型、跨场景的集成复杂度。帮助客户与生态伙伴更高效地开发AI Agent、数字孪生及边缘AI应用，并降低多场景部署、设备管理和模型生命周期管理的难度。
罗焕城特别强调，WEDA的战略价值并不是由研华科技自己做完所有软件，而是把必要的平台能力、工具链和底层连接打通，让设备厂商、系统集成商和软件开发商能够在这个基础上更快做出行业应用。
他还用“乐高积木”形容研华科技的推进方式：工业AI并不是推倒重来，而是通过模块化方式逐步升级。无论是老厂改造还是新厂建设，企业都可以围绕设备、产线、视觉、运维、能源管理、机器人等不同环节，按需导入AI能力，先在局部创造价值，再通过模块化组合推动整体升级。
这也是研华科技战略转型中最关键的部分，它不是抛弃硬件，而是让硬件成为AI进入工业现场的载体，不是单独销售软件，而是用软件把边缘算力、工业数据、设备控制和行业应用组织成闭环。
如今的研华科技正在以边缘智算为基、全栈软硬协同，持续赋能工业AI的闭环落地。
03 持续扩大朋友圈，推动AI规模化落地
工业AI的复杂性，决定了没有任何一家企业能够独立完成全部能力的构建从芯片、算力、传感器、工业软件、自动化设备，到系统集成、行业模型、现场服务和客户工艺知识，工业AI本质上是一场生态协同。
罗焕城告诉我们，研华科技在生态中的角色一直都是设备提供商和方案提供商，它不会突然变成系统集成商，也不会进入所有垂直行业替代客户完成全部开发工作。而是作为设备与平台能力提供者，连接软件开发商、系统集成商、设备制造商及更多产业伙伴，共同推动工业AI落地。
这也是WEDA存在的重要意义。
WEDA底层是研华科技自身的硬件、采集、通信、边缘计算和平台软件能力，上层则由不同类型的软件开发商、系统集成商和行业伙伴，围绕具体行业做应用开发和场景交付。
对于设备制造商来说，WEDA可以帮助他们加速设备AI化，对于系统集成商来说，WEDA提供了更统一的开发和部署基础，而对于行业客户来说，WEDA降低了从试点走向规模化部署的难度。
与此同时，工业AI也让研华科技的生态经历着自己的变与不变。
进入AI时代后，研华科技构建的生态体系中变化的是会有更多新伙伴加入，包括AI平台企业、垂直模型开发商、AI应用开发商，以及更多芯片和算力伙伴。
不变的是，研华科技始终保持开放合作，以在算力领域的合作为例，研华科技与英伟达保持着紧密的战略合作，不断围绕AI Factory Brain、边缘AI和物理AI应用推进方案落地，与此同时，研华科技也在与AMD、高通、联发科、瑞芯微、昇腾、海光等伙伴在持续开展合作，始终坚持开放合作，为不同场景、不同客户提供更加多元的平台选择。
不过，生态并不意味着无限发散，罗焕城强调，工业AI具有鲜明的行业属性，不同行业拥有不同的业务流程、知识体系和应用需求，因此，无论是Agent、Skill还是行业应用，都需要围绕具体场景持续沉淀。研华科技不会什么都做，而是聚焦五大领域：智能制造、能源与公共事业、智能系统与AMR、智能医疗、智能服务和零售。
这意味着，研华科技推动规模化落地的方法不是一次性覆盖所有行业，而是通过通用平台建立基础能力，再在重点领域中做更精确的定制化和专用化，这也正是罗焕城所说的“一个行业一个行业脚踏实地的去做”。
工业AI的规模化落地不会靠一次技术发布完成，而是要靠平台、模块、生态和行业Know-how的持续叠加。
从这个角度来看，研华科技今天的战略转型并不是一次突然转身，而是40多年工业现场能力在AI时代的重新组织：硬件仍是根基，软件成为连接器，边缘智算成为底座，行业Know-how决定深度，生态协同决定规模。
当AI继续从云端走向边缘、从数字世界走向物理世界，产业竞争的焦点也会从“谁拥有模型”进一步转向“谁能把AI真正带进现场”。
研华科技要做的，就是在这个过程中成为工业AI应用层的关键赋能者，把AI带进设备、产线、工厂和产业链的真实闭环之中。
