10月31日至11月1日，第四届工业软件创新发展学术会议（ISIDF 2026）在长沙举行。这场以“AI重构工业软件--产教深融，科产共兴”为主题的会议，把陈学东、廖湘科、刘仲华等院士、工业软件企业和制造业一线代表聚到了同一间会场。
泛联新安创始人唐勇博士在大会主论坛作主题报告，以可信智能体为依托，详细阐释如何以AI重构工业软件研发体系。与此同时，泛联新安承办11月1日的企业研学交流环节，把与会代表请进了泛联新安总部，分享工业研发AI转型最佳实践。
01 主论坛：AI重构研发体系，“可信”是入场券
泛联新安创始人、董事长唐勇博士作了题为《可信智能体--AI重构工业软件研发体系》的主题报告。
报告直面了一个当前行业最大的“剪刀差”：全球AI Coding市场规模狂飙，代码生成量增长了180%，但真正能进入真实控制系统、实现软件上线的增长率仅为30%。AI写代码的效率是人工的许多倍，但工业软件对出错成本的容忍度几乎是零。
为什么通用大模型在工业场景频频折戟？唐勇博士在报告中点出了深层根因：传统软件工程体系的三大假设在AI时代已经失效。
错误从人类的“随机多样”变成了AI的“系统性黑盒偏差”；
执行主体与验证主体的分离消失，AI既当运动员又当裁判；
缺陷生成的规模与速度，远超人类传统的审查与验证速度。
对此，唐勇博士提出了“可信性不等式”：AI进研发流程，效率提升只是账面数字，只有在过程可控、结果可验证的前提下，这笔账才真正成立。
工业软件的价值，正在从“能不能生成”迅速迁移到“能不能可交付”。围绕这个判断，报告给出了可信智能体落地的工程路径，分享了在关键装备制造和工业龙头企业场景中的应用成效。
02 研学交流：工业研发AI转型探索与实践
11月1日上午，与会代表从会场走到泛联新安总部，闭门拆解工业软件AI实施的落地难点。两个议题，一个看标杆怎么做成，一个看我们怎么搭体系。
议题一：灯塔标杆实战--从痛点催生走向体系化创新
工业龙头的软件研发AI变革不是从规划图开始的，是从具体痛点开始的。分享还原了AI在需求、编码、测试等环节的真实落地：哪里见效快、哪里踩过坑、数据如何驱动能力逐步长成体系。
议题二：AI研发体系构建--从“能用”到“敢用”
这是多数企业真正卡住的地方：Demo都跑得通，一进生产流程就不敢放手。这一节拆解了支撑AI原生研发体系的三大核心工程能力，并用生产级Demo走了一遍实施路径。可规模化、可持续演进的智能研发体系，靠的不是某个单点模型，而是工程能力底座。
这正是泛联新安一直在做的事。我们面向AI原生研发的可信智能开发体系（Omni），不是单点工具的堆砌，而是一个覆盖“模型-知识-工程-裁判”的四层底座：
模型平台：Omni Gateway统一接入，私有化工业大模型DTCoder与通用大模型协同；
知识平台（VKnow）：构建知识飞轮，解决AI不懂企业业务术语和规则的“失明”问题；
确定性系统：集成工程工具链，把AI的行为约束在确定的系统与规则中；
裁判系统（Omni Judge）：这是最核心的创新。裁判权与生产力必须物理分离，由独立的裁判系统对AI生成的需求、代码、测试进行多维度评估（工具裁判、Agent裁判、人工裁判），确保结果可审计、可追溯。
在这个底座之上，Omni Code 让AI生成的代码在可控流程中产出，Omni Security 守住代码安全底线，Omni Unittest 用需求驱动的自动化单元测试补上“敢用”的最后一环。
03 实战说话：从代码生成到研发提效的量化账本
纸上谈兵讲不清“可信”，真正的信任只能建立在真实的工程数据上。研学现场，泛联新安展示了两个重量级的落地实践，让与会代表看到了实实在在的效能飞跃。
深圳某工控龙头：千人规模的AI研发体系
在该企业落地的可信研发体系中，AI代码生成占比超过 93%，高频生成10万行采纳率可达 60%+。在超1000人、20多个部门的使用规模下，最终实现开发效率提升 15%，测试效率提升 50%，且质量与安全关键指标全面向好。
上海某外资主机厂：Agent驱动的全链路提效
在需求与测试环节，通过引入Omni Intent（需求智能体）与 Omni Unittest（测试智能体），该企业实现了从输入到产出可提交系统需求规格的总耗时降幅达70%；完整模块的全量测试用例集，从生成规格到执行收集结果的总耗时降幅超65%；测试用例可自动执行比例超85%，缺陷工单定位的平均耗时压缩至 4小时以内。
这就是工业AI落地的真实答卷：AI负责加速度，可信体系负责兜底质量。
04 写在最后
两天会议，从院士报告里的战略判断，到灯塔工厂的实战复盘，再到泛联新安总部的体系拆解，其实都在回答同一个问题：AI重构工业软件，怎么从“演示可用”走到“生产敢用”。
没有合理的裁判体系为AI任务结果进行验收，人类工程师的精力最终会疲于为AI产出做确认和兜底。工业软件和关键装备行业的AI转型，缺的从来不是模型，而是让模型可以被信任的那套工程体系。这也是唐勇博士在主论坛报告里反复强调的结论。这个问题没有一次性答案，我们会持续把可信智能体的工程实践公开出来。