9月22日，在苏州举办的英特尔技术创新与产业生态大会上，震坤行旗下AI公司玲珑智能联合英特尔正式发布LingLong Insight 1.0。英特尔Lesek Demont女士与玲珑智能CEO刘阳共同登台，启动产品发布仪式。

英特尔Lesek Demont女士与玲珑智能CEO刘阳发布LingLong Insight 1.0。

当前，人工智能与制造业深度融合已成为推进新型工业化的关键路径。国务院印发的《关于深入实施“人工智能+”行动的意见》明确提出，推动人工智能与经济社会各行业各领域广泛深度融合，加快形成人机协同、跨界融合的智能经济新形态。在此背景下，玲珑智能将AI能力从云端模型延伸至边缘和端侧模型，以收货核验这一高频作业场景为切入点，探索工业多模态大模型的端侧化落地路径。

这款工业多模态大模型的理解与核验能力，在一张送货单与一盘工业物料之间得到直观呈现。

在发布现场，玲珑智能AI产品专家唐姜炜通过玲珑慧眼应用，展示了从送货单解析、实物采集到智能匹配的完整过程：工业相机前，送货单与工业物料分别完成采集，商品信息与对应关系逐项呈现，实物与单据之间的差异也随之标出。这一演示指向工业用品流转中的高频难题——外观相近的轴承可能对应不同型号和使用要求。收货人员既要认出物料，还要核准规格、对应单据。一次关键参数的遗漏，可能影响后续维修与生产。以收货核验为切入点，LingLong Insight 1.0着力解决工业现场高频发生的物料识别与一致性核验问题。

玲珑智能AI产品专家唐姜炜演示LingLong Insight 1.0。

从“识别”到“核验”：工业AI进入作业闭环

LingLong Insight 1.0是玲珑智能自研的第一代轻量化工业多模态大模型，拥有40亿（4B）参数，针对工业用品图文理解、属性识别和参数解析等任务进行专项优化，兼顾精度与推理效率，并面向边缘场景适配。通过部署于Intel® Agent Box，模型能够在作业现场完成本地推理，为玲珑慧眼的实物识别与核验提供支撑。

在具体应用中，自适应OCR读取送货单、包装与物料标识，深度微调的视觉检测模型定位物料、识别类别，两路信息共同进入多模态理解环节。模型结合图像、文字与上下文解析属性，工业本体与知识图谱则支撑类别、规格的标准化表达与知识关联。可信核验引擎进一步比对实物与单据信息，呈现差异和对应图像，为工作人员复核、确认签收提供依据。

这意味着，工业AI不再只是“看见”物料，而是尝试理解物料背后的规格、关系与业务规则。从感知、理解到核验，LingLong Insight 1.0将单点AI能力嵌入真实收货流程，形成可复核、可确认的作业闭环。

LingLong Insight 1.0产品展示。

40亿参数+端侧推理：把模型放进工位

工业AI进入工位，需要模型与计算平台相互适配。此次展示采用英特尔酷睿Ultra处理器，具备CPU、GPU、NPU异构计算能力，为视觉处理和本地推理提供支撑。英特尔的计算平台与玲珑智能的工业模型相结合，将图像采集、信息理解和业务核验衔接到同一作业流程中。

从参数规模看，40亿参数并非追求通用大模型的“大”，而是面向边缘场景的“够用、好用”。工业现场对时延、稳定性与数据边界有更高要求，本地推理能够减少对云端的依赖，让AI更贴近收货、复核等实际工位。这种轻量化、端侧化的路线，与上海市“模塑申城”实施方案中“探索‘云—边—端’模型体系”的部署方向高度契合。上海明确提出，支持开发虚拟可编程逻辑控制器等智能边缘设备，推动模型小型化、边缘化部署，提升边侧智能应用的快速响应能力。玲珑智能的实践，正是这一政策导向在企业层面的具体落地。

玲珑智能AI产品展示。

数据与知识图谱：工业模型的“隐形底座”

模型背后的专业知识，来自长期的产业积累。依托震坤行积累的2700万余条工业用品商品数据和十亿级商品参数，玲珑智能通过多米诺工业数据引擎开展数据治理，将商品资料、业务文档与专家知识转化为可训练、可关联的工业数据。知识图谱进一步连接品类、属性与规格关系，帮助模型在具体工业语境中理解物料。

这也是工业多模态模型难以被通用模型简单替代的原因。工业语义高度依赖品类体系、参数体系和业务上下文。只有将数据治理、知识图谱与多模态理解结合，模型才能在“外观相近、型号不同”的场景中给出可靠判断。这一思路呼应了上海“模塑申城·AI+制造”行动中对工业数据治理和语料体系建设的部署——上海提出发展工业数据治理技术，构建工业符号语义标准化库，推动形成行业数据字典、数字主线，支持多源数据统一建模与关联融合。

从进博会到收货工位：产品化能力决定落地深度

从2025年11月于进博会发布工业用品垂直大模型及智能体，到此次将AI能力部署于收货工位，震坤行旗下玲珑智能正把产业知识逐步转化为现场可用的模型与应用。

这一过程需要产品、算法与工程团队共同推进。唐姜炜为同济大学硕士，曾从事电商产品相关工作；核心研发成员董阮琛为加州大学戴维斯分校博士，具备头部科技企业算法研发背景。两人与团队成员围绕真实收货流程定义核验任务，将物料识别、参数解析等能力接入产品，并保留异常复核与人工确认环节，这并非技术退让，而是工业AI的审慎选择。将工业需求转化为模型任务、再落实为产品功能，这种研发能力同样支撑着AI物料管家、玲珑慧眼等应用的持续迭代。

震坤行旗下玲珑智能展台。

工业AI下一站：从单点核验到流程贯通

以收货核验为起点，玲珑智能计划将相关能力延伸至出入库复核、线边物料核对和设备运维等环节，在真实业务中持续完善模型，让工业知识转化为现场可用的判断依据。

工业智能的价值，最终要体现在对真实作业的理解与改善之中。当长期积累的行业经验转化为可复用、可部署的模型能力，工业智能就有了深入更多工位、贯通更多流程的基础，为制造企业提升运营效率、作业质量与供应链协同水平提供支撑。

从一张送货单到一盘物料，AI要“看懂”的不只是图像，而是背后的规格、关系与业务规则。LingLong Insight 1.0将工业数据、专业知识与端侧计算连接于工位之上，为人工智能与制造业深度融合探索出一条从现场出发的落地路径。（震坤行供图）