凌晨2点，产线上的缺陷集中爆发。设备、工艺、品质三个团队被同时叫醒，拉数据、翻系统、打电话找人、开会、查日志，再沿着工序一站一站向前追查。运气好，当晚就能收工；运气不好，一拖就是好几天。这样的夜晚，不该靠运气来结束。

9月9日，在“Agent 汇智·效能跃迁”2026数之联智能体平台产品发布会上，数之联CTO方育柯完整拆解了 UMind智能体平台，从产品架构到功能模块，逐层讲清平台的底层逻辑。UMind 的定位是“工业智能世界的基础设施”，单个工具好不好用并不是重点，关键是让整个工业世界有一套能长期运转的智能底座。

方育柯说，制造越来越高端，行业也越来越卷，卷成本、卷工艺、卷精度、卷质量。压力一层层传导到工厂里，攒出三个不好啃的问题。

第一个是数据孤岛。检测、制程、管理三块数据各归各的系统，真出事的时候，谁也没法把全局看清楚。传统系统只能给出一个点，拼不出一张完整的图。

第二个是经验断层。老师傅干了二十年，经验全在脑子里。人一退休，新工程师要三到五年才独立得上手，中间这段空白没人补。

第三个是被动响应。事情发生了、损失出来了，才开始复盘；缺的是在缺陷批量发作之前把它拦下来。

UMind 要解决的，就是这三件事。

很多人的第一反应是又一个对话框。

方育柯给的定位是'工业智能世界的基础设施'。他强调的是同一件事，AI 得真正嵌进工厂的业务流里，而不只是会回答问题。

UMind 的能力贯穿从底层算力到统一入口的完整链路。它支持 Docker、Linux、CPU、GPU 与大模型的灵活组合，满足私有化部署；全链路数仓承载垂域大模型与业务小模型，为上层提供数据与模型支撑；AI 缺陷分类、人工复判、AI 良率管理、AI 中枢执行、训练平台这些成熟应用直接在平台内置，不必重新搭建；知识库、专家体系、Skills、工作流、MCP 则构成完整的 Agent 全栈开发能力。所有这些收在 UMind 这一个入口上，一句话就能全部调用。

跑在这套架构上的运营模式叫'专·建·用'。专，是数之联做了多年的 IDM、YMES、WOMS，负责缺陷感知、良率分析和工单执行，扎根成专业品质能力，建，是 MQIS，把知识、流程、技能沉淀下来、编排起来；用，是 UMind 这个统一入口，即装即用，能力沉淀一次，在底座扎根，在 UMind 全端复用，用出来的经验再回流到底座。

UMind 面向工厂的能力，可以概括为五个部分。

知识库。 制造企业里，非结构化数据已经占到 80% 以上，例如工艺设计文档、检测报告、FA 分析报告，还有老师傅随手写在纸上的笔记。这些东西散在文件服务器里、设备里、人脑子里，恰恰是传统系统最不好用的部分。知识库做的是统一入库、统一抽取、统一呈现。

Skill技能工具。 方育柯有一句话：'专家是会干活的人，Skill 是能复用的手艺。' UMind 的 Skill Hub 把这些手艺封装成能力包，会维修的、会做良率分析的、会质检的、会管文档的，都能做成 Skill 沉到 Skill 市场里，让经验不再随人走。工艺员输入产品特性、设备信息和物料参数，工艺参数优化的 Skill 就能给出推荐的参数组合，原本几周的工艺优化，几天就能有结果。

专家体系。 在 UMind 里，专家是配置了知识和技能的智能体，挂上岗位职责说明书，再挂上这个岗位的历史工作数据，它就能处理特定问题，诸如法官助手、库管助手、资产管理助手，都是这么来的。

但工厂里真正难的活，一个人干不了。所以 UMind 还有'专家团'。以智能训练专家团为例，调度专家相当于项目经理，另外7位是各岗位骨干。用户只跟调度专家说话，由它做意图识别和任务拆解，再把任务分给下面的专家，专家之间实时沟通、互相评估可行性。这不是单向指令，而是一个环状的协作网络。方育柯把这形容成'AI 在干活，人员在观看'。

自动化任务。 日报、设备巡检、监控这类重复的事，可以交给智能体按规则去跑，定时触发或者条件触发，异常自动冒出来，报告自动送到手上。人从重复劳动里抽身，专心做判断。

智能 BOT。 Skill、专家、自动化都能以机器人的形态嵌进企业微信或飞书，需要的时候 @ 一下就行。专家不掉线，随时能调、随时能用。让能力跟着人走，而不是人去找系统。

UMind 的底气，来自数之联这些年攒下来的两个自研大模型。

数联慧脑大模型实现多模态融合、智能问答与决策支持，全栈自主可控，用 61.4TB 真实工业原始数据（32TB 文本 + 29.4TB 图像）喂养，治理出 27TB+ 高质量预训练数据集，让良率分析从经验驱动转向智能驱动。

数联慧眼大模型是多模融合智能检测大模型，训练语料 10 TB，工业知识底座 22 亿 tokens。它建立在数之联积累的千万级缺陷样本上，按缺陷的形态、纹理、机理和描述建了一套多分类语义体系，所以跨行业上线很快。

这两个大模型都已经通过工信部大模型备案，也都是省重点培育项目。方育柯特意提醒了一句：大模型解决的是'见多识广'，真到了客户的现场，还得靠小模型提精度。所以 UMind 走的是大模型加小模型的路子，大模型让模型上线更快，小模型让指标走得更高。

工厂不是互联网。

UMind 在这件事上设了四道防线。权限上，基于 ACL 做多级权限，只读、规划、执行分得很清，还带文件路径白名单。沙箱上，高危命令直接拦截，网络做内核级过滤，配域名黑白名单。更关键的是人工闸，只要判定为危险操作，一律交给人工确认，机器停在闸前。最后是审计，追踪、指标、日志全链路可观测，同时支持私有化部署，数据不出厂，让 AI 跑得再快，也快不过规则；走得再远，也远不出厂区。

UMind 到底能带来什么？回到那个凌晨两点的场景，原本需要七个小时的人肉接力，UMind 只需十五分钟。它带来的，是能动手干活、长期在岗的数字员工，是 AI 深入业务每一个环节的切实改变；是工厂从“人找人”走向“AI 找人”的范式转变。下一个凌晨两点，交给UMind。