西门子的一份报告估算，在其调研的行业中，一家大型工厂因计划外停机造成的损失平均每年高达2.53亿美元。无论是排查一块出现故障的电路板，还是响应一份加急订单，工厂团队都需要跨系统搜集证据、咨询专家、协调下一步行动。数据或许是现成的，但将数据转化为有效响应却需要耗费大量时间和精力。
英伟达工厂运营蓝图（FOX）提供了一套参考架构，用于在现有工厂系统中加入工厂管理智能体。开发者可以接入现有数据和工具，配置专项智能体，并定义哪些决策需要人工审核。这些智能体能够实时监控运营情况，识别瓶颈，排查错误或缺陷的根本原因，并协调机器人编队，以减少停机时间、提升良品率。
生产规划与质量检验是工厂智能体可以助力团队应对新订单和新产品设计的两大工作流程。在西门子位于埃尔朗根的电子工厂，每年生产一千多种产品，频繁的新品或订单切换使这两项任务尤为重要。针对加急订单，基于FOX蓝图构建、并由英伟达Nemotron提供算力支持的智能体，通过西门子智能中心X运行仿真测算。这些仿真测算能够在无需规划人员手动逐一查询各系统的情况下，综合权衡成本、现有订单、库存水平和产线配置。这套端到端的智能体系统最多能够实现20%的成本节约。针对新产品设计，西门子正将其产品生命周期管理软件与工艺准备X系统，同英伟达Cosmos和英伟达Omniverse相结合，生成虚拟原型和合成训练数据。这有助于电子制造商在实际生产开始前，就准备并优化自动光学检测（AOI）流程。这种虚拟生产准备方式最多可将产品上市时间缩短40%。
以下这段超级AI智能体视频，收录了西门子在英伟达GTC 2026柏林大会上展示的生产规划案例。
本文将呈现一个FOX参考案例，聚焦印刷电路板（PCB）生产中的表面贴装技术（SMT）贴装线。文章将说明工厂管理智能体如何连接工厂数据，并协调各专项智能体来排查疑似缺陷、安排返工并追查可能的成因。
借助FOX构建工厂智能体系统
工厂管理智能体利用实时工厂数据，协调各专项智能体与现有设备。开发者可以根据自身生产流程，调整该智能体的技能、数据连接、知识库和工具，使其能够排查问题并协调应对方案。
工厂管理智能体的组成部分
FOX展示了如何利用英伟达智能体工具包，基于三大核心组件构建一个可长期稳定运行的工厂管理智能体：
大语言模型：负责理解任务、打通工厂各系统间的数据、制定方案并评估结果。开发者可根据部署需求，选用前沿模型（如GPT-6 Astra），或开放模型（如英伟达Nemotron）。
智能体运行框架：将管理智能体与工具、技能、持久化记忆及各专项智能体连接起来。NemoClaw作为默认运行框架，同时支持替代方案。该框架负责管理后台任务和定时作业，同时确保管理智能体能随时响应操作人员的需求。
英伟达OpenShell：隔离执行环境，并对文件、命令及网络访问目标实施权限管控。工厂策略定义了允许执行的操作，以及何时需要人工审核。
工厂数据与专项智能体
开发者通过适配器和映射关系，接入现有的设备数据库、制造执行系统（MES）及企业资源规划（ERP）系统。操作手册和作业流程文件有助于管理智能体理解这些数据。一个Elasticsearch数据库负责存储可供检索的信息，并保留排查过程的上下文。
管理智能体会将具体任务委派给基于大语言模型的各专项智能体，每个专项智能体都拥有各自独立的指令集、上下文、技能和工具。专项智能体可以调用诸如英伟达Cosmos（用于视觉检测）和Kumo（用于时间序列异常检测）等模型，并将发现结果反馈给管理智能体，以指导其下一步行动。开发者可以根据自身生产流程调整这些角色的设定。
本地化部署
FOX可以运行在英伟达DGX Station上，智能体运行环境、所需AI模型及数据存储均可在本地托管。要实现完全本地化部署，需要所有模型和服务接入点都保留在工厂内部网络中。这样可以确保生产记录、图像、提示词及排查结果均保存在本地。若开发者使用外部托管模型，则需评估发送至该接入点的数据内容。
此处介绍的SMT参考案例，与西门子的生产规划落地方案是相互独立的两个实例。该案例跟踪了一次AOI告警从检测、返工到根因分析的全过程；其他工厂工作流程也可以采用相同的架构，只需替换不同的数据、专项智能体和设备连接即可。
将FOX应用于SMT贴装线
印刷电路板广泛应用于各类电子产品中。SMT技术已基本实现了贴装环节的自动化，不过仍有部分步骤需要人工操作。当某个工位检测到缺陷时，问题的根源可能出现在之前的若干道工序中。
一条SMT贴装线通常包含以下工位：
锡膏印刷机：将锡膏涂抹到元件焊盘上。
贴片机：将元件放置在锡膏上。
回流焊炉：通过加热熔化并冷却锡膏，形成机械和电气连接。
AOI与电路内测试（ICT）：检查外观缺陷并测试电气特性。
板级集成：安装较大的元器件。
标准作业程序（SOP）工位：按照标准作业程序执行人工装配。
功能测试：检验电路板是否能按预期正常运作。
包装工位：为电路板的出货做好准备。
AOI发出的告警可能是误报，而经确认的缺陷或功能测试失败则可能需要返工处理。针对疑似焊接缺陷的情况，工厂管理智能体会协调安排二次检测，在必要时安排处理流程，并追查问题的成因。
接收AOI告警
开发者通过模型上下文协议（MCP）服务器或API接入AOI工位，将检测记录提供给管理智能体的工具调用。针对被标记的电路板，管理智能体会提取该板的标识编号、受影响的元件信息及检测图像，随后请求进行二次评估。
电路板标识编号将此次请求与其他工位的记录关联起来。适配器会保留标识编号、时间戳、计量单位及数据来源等信息，以便各智能体能够调取该电路板的生产历史记录以及它所经历的设备工况条件。
视觉检测智能体
视觉检测智能体接收电路板图像、参考样本，以及该板型设计所对应的验收标准。它会调用英伟达Cosmos这一世界理解模型，将疑似问题元件与工厂操作手册中的标准进行比对。借助上下文学习能力，该模型在推理过程中即可直接运用这些样本和指令，无需额外的微调步骤。
该专项智能体会返回其判断结果、佐证依据以及任何不确定因素。若疑似缺陷属于可接受的正常偏差范围，该专项智能体会给出支持依据，证明可按工厂策略继续生产。经确认的缺陷将进入处理和排查环节；而判断结果不明确的情况则会提交人工审核。
设备编队管理智能体
针对经确认存在缺陷的情况，管理智能体会要求设备编队管理智能体将对应电路板转移至返工环节。该参考工作流程通过英伟达Isaac Sim和ROS 2，在数字孪生环境中演示了这一转运过程。而在实际物理部署中，则需要针对工厂具体设备，完成机器人搬运及自主移动机器人（AMR）转运方面的系统集成。该专项智能体会核查权限和执行能力，并在确认完成后再向上汇报。在初期部署阶段，搬运操作应要求经过操作人员的审批确认。操作人员会在包装前完成电路板的维修和复测工作。
根因分析智能体
根因分析智能体利用电路板的标识编号及加工历史记录，调取检测结果、元件贴装记录、电气测试数据以及设备测量数值。即便光学检测未发现明显缺陷，功能测试失败同样可以触发这一排查流程。
针对疑似焊接缺陷的情况，系统会根据该电路板进出回流焊炉的时间点，确定需要重点核查的炉温读数区间。Kumo Anomaly模型会对这些读数进行异常模式分析。该智能体会将这些发现与其他生产批次的数据、检测结果及设备手册进行比对，排查回流焊炉的工况条件是否是导致该缺陷的原因之一。
Elasticsearch提供了对生产证据、版本化操作手册及历史排查记录的检索访问能力。以往的排查结果可以为本次搜索提供参考方向，但该智能体会调取当前适用的操作规程和记录，以支撑其最终结论。它会生成一份PDF报告，其中包含原始数据记录、存疑的测量值、可能的成因以及建议的纠正措施，供产线管理人员审阅。
在这条SMT贴装线的案例中，FOX通过接入现有数据库、工厂系统及各类设备，协调检测、根因分析及设备编队管理等多个智能体协同工作。它们共同帮助操作人员追溯缺陷的可能成因、协调安排返工处理，并辅助决策如何防范类似故障再次发生，从而减少人工投入，助力保障生产的连续运转。
智能体技能体系为数据接入、智能体配置及向英伟达DGX Station的部署提供了指导。随着工厂需求的不断演进，开发者可以对相应的技能、工具和专项智能体进行定制，以支持新的工作流程。
开启FOX使用之旅
英伟达FOX帮助开发者构建工厂管理智能体，实现跨系统证据关联、问题排查及纠正措施协调，在拓展现有工厂软件能力的同时，助力减少停机时间、提升产品质量。
申请FOX蓝图的早期试用权限
深入了解英伟达智能体工具包
借助VSS构建专项智能体
