Новая эталонная архитектура позволяет создавать автономных агентов для управления производством, объединяя разрозненные станки и системы контроля в единую интеллектуальную сеть.
3 мин
Современное производство долгое время полагалось на изолированные системы автоматизации. Станки, конвейеры и системы контроля качества работали независимо друг от друга, требуя постоянного вмешательства человека для синхронизации процессов. На выставке COMPUTEX 2026 была представлена концепция, способная изменить этот подход: эталонная архитектура Factory Operations Blueprint (FOX), разработанная для создания автономных агентов-управляющих фабрикой.
Суть новой системы заключается в переходе от фрагментированного управления к единому интеллектуальному слою. Архитектура FOX позволяет объединить сигналы от оборудования в реальном времени, системы контроля качества, рабочие инструкции и оперативные оповещения. Это не просто сбор данных в единый аналитический центр, а создание автономной системы, способной анализировать ситуацию, выявлять аномалии и принимать решения на лету.
Исторически внедрение искусственного интеллекта на производстве сталкивалось с серьезной проблемой масштабирования. Каждая производственная линия или станок требовали отдельной модели, а их координация оставалась сложной инженерной задачей. FOX решает эту проблему через иерархическую мультиагентную систему. Во главе стоит «агент-управляющий», который координирует работу флота специализированных агентов: одни отвечают за визуальный контроль качества, другие за транспортировку материалов, третьи за безопасность сотрудников в цеху.
Изображение из источника
Техническая реализация опирается на комплексное использование аппаратных и программных решений. В качестве вычислительной базы предлагается использовать рабочие станции DGX Station, оснащенные новыми суперчипами GB300 Grace Blackwell Ultra. Вычислительная мощность в 20 петафлопс и 748 гигабайт когерентной памяти позволяют запускать большие языковые модели (LLM) размером до триллиона параметров локально, прямо на территории завода. Это критически важно для обеспечения безопасности коммерческих данных и обеспечения минимальной задержки (latency) при принятии решений, когда счет идет на миллисекунды.
Программный стек включает в себя открытые модели Nemotron, инструменты NemoClaw для создания агентов и платформу Omniverse для создания цифровых двойников (digital twins) производства. Важной особенностью является возможность автоматизации жизненного цикла самих ИИ-моделей. Агент-управляющий может самостоятельно выявлять падение точности специализированных моделей машинного зрения, инициировать генерацию синтетических данных для их дообучения и развертывать обновленные версии в рабочей среде без остановки конвейера.
Практическая ценность подхода уже подтверждается первыми внедрениями на заводах крупнейших тайваньских контрактных производителей. Компания Foxconn развернула систему MoMClaw, объединяющую датчики и сигналы оборудования с сотнями специализированных агентов. Результатом стало прогнозируемое сокращение времени поиска первопричин сбоев на 80%, рост производительности труда на 15% и снижение частоты поломок оборудования на 10%.
Изображение из источника
Другие производители также демонстрируют измеримые результаты. Pegatron использует агента-управляющего для координации роботов-транспортировщиков, что позволяет снизить избыточность парка оборудования на 15%, устраняя необходимость в резервных машинах. Advantech применяет систему для интеллектуального управления энергопотреблением, ожидая снижения затрат на климатические системы и освещение на 10%.
Помимо гигантов индустрии, экосистема FOX стимулирует развитие нишевых разработчиков специализированных агентов. Компании вроде DeepHow и Spingence создают решения для верификации стандартов работы и оптического контроля дефектов, используя генерацию синтетических изображений для быстрого обучения моделей. Это позволяет сократить время развертывания систем визуального контроля в десятки раз, сводя время до первого успешного вывода к менее чем 30 минутам.
Анализируя эти изменения, можно сделать вывод о формировании нового стандарта промышленной автоматизации. Искусственный интеллект перестает быть просто инструментом пассивной аналитики и становится активным участником операционного управления. Переход к агентным архитектурам на производстве означает, что в ближайшие годы конкурентное преимущество фабрик будет определяться не только качеством станков, но и способностью их программных систем к автономной координации и непрерывному самообучению.
NVIDIA GTC Taipei at COMPUTEX: Live Updates on What’s Next in AI
Hermes Unlocks Self-Improving AI Agents, Powered by NVIDIA RTX PCs and DGX Spark
NVIDIA and ServiceNow Partner on New Autonomous AI Agents for Enterprises
Искусственный интеллект переходит от пассивной аналитики к активному управлению целыми фабриками через иерархические мультиагентные системы.
Главное преимущество новой архитектуры — не замена человеческого труда, а устранение изолированности заводского оборудования, что позволяет станкам и роботам координировать действия напрямую.
