在人工智能浪潮席卷制造业的今天，我们目睹了预测性维护的精准、视觉检测的迅捷、以及生产调度的优化。然而，一个根本性挑战日益凸显：当AI模型需要理解“三号冲压机压力异常”与“A客户高端订单可能延迟”之间的因果关联时，它面对的是一个数据丰富却语义混乱的世界。这正是智能制造深水区的“语义操作”问题。
面对这一挑战，诞生于上世纪90年代的ISA-95（企业控制系统集成国际标准）及其层次化框架，非但没有过时，反而在AI时代闪耀出新的智慧光芒。它为解决语义鸿沟，将AI的“数据智能”转化为可靠的“业务智能”，提供了一条不可或缺的理性路径。
一、AI时代的“新酒”与“旧瓶”：语义鸿沟成为核心瓶颈
当前，AI在制造端的应用常面临三大“语义困境”：
数据哑巴与关联缺失：传感器与系统产生海量数据，但缺乏统一的业务语义标注。AI算法能发现“振动频率异常”的模式，却难以自动将其关联到“特定产线的特定工位”以及“正在加工的核心订单”。
知识黑箱与模型脆弱：基于数据驱动的AI模型，其决策逻辑往往不可解释。当生产工艺变更或设备换代时，模型因无法理解背后的业务逻辑（如“为何这种材质需要特定温度曲线”）而迅速失效，重新训练成本高昂。
系统孤岛与协同之困：不同供应商的AI应用（如视觉检测AI、能耗优化AI）各自为政，数据定义不一。一个系统中的“良品”在另一个系统中可能因标准不同而被误判，全局优化无从谈起。
这些问题的本质，是业务知识、物理世界状态与数字比特流之间缺乏一座标准化的、可计算的桥梁。而这座桥梁的蓝图，早已蕴藏在ISA-95的分层哲学之中。
二、ISA-95：历久弥新的结构化智慧
ISA-95的核心贡献，在于它抛弃了单纯的功能视角，转而采用层次化、对象化的建模方法，将制造企业抽象为四个清晰层级：
Level 4: 业务规划与物流层（ERP）：关注订单、财务、供应链。
Level 3: 制造运营管理层（MES/MOM）：关注工单、配方、绩效、质量。
Level 2/1/0: 过程控制与设备层（SCADA、PLC、传感）：关注设备、参数、控制指令。
每一层都有明确的核心业务对象（如订单、设备、物料）和信息流。更重要的是，它定义了层与层之间标准化的交互模型（如B2MML）。这相当于为制造企业构建了一套通用的“业务语法”，使不同系统能用同一种“语言”描述核心事实。
三、为何AI时代仍需这一“旧框架”？
在智能化的喧嚷中，ISA-95的层次框架非但不是桎梏，反而是让AI真正扎根业务土壤的“基础设施”。
1. 为“数据洪流”建立语义航道：解决“数据哑巴”
AI需要高质量、有标签的数据。ISA-95的分层模型，恰恰提供了最自然的语义标签体系。例如，为一条“温度超标”数据打标签时，可依据ISA-95框架，自动关联到：
设备层：挤出机#5，加热区#3。
运营层：正在执行“XX产品-工艺配方B”，隶属于“YY客户加急订单”。
业务层：该订单客户为战略客户A，延迟罚款条款严格。
如此，数据不再是孤立的数值，而是承载了丰富业务上下文的信息元。这为监督学习提供了精准标签，也为大语言模型（LLM）理解制造场景提供了结构化的“背景知识”。
2. 为“黑箱模型”提供可解释性锚点：穿透“知识黑箱”
当AI预测某设备即将故障时，管理者必然要问“为什么”。纯粹基于数据关联的答案缺乏说服力。若将AI的预测输出，锚定在ISA-95定义的标准业务对象和流程链路上，解释性将大幅增强。
例如，解释可以变为：“模型识别出‘主轴轴承振动频谱’（设备层对象）的第三阶特征异常，该特征历史变化与‘同型号轴承剩余寿命’强相关。当前该设备正在加工‘高光洁度镜面模具’（工单层对象），此工艺对振动极为敏感，故判定风险等级为高，建议在完成当前工单后安排检修。”
这样，AI的洞察被“翻译”成了管理者熟悉的业务语言和对象，决策信任度由此建立。
3. 为“智能体生态”设定协作框架：打破“系统孤岛”
未来的智能工厂将由多个自主或半自主的AI智能体（Agents）协同工作：调度智能体、质量智能体、维护智能体等。若无统一框架，它们将陷入混乱沟通。
ISA-95层次可自然演变为智能体的“社会组织架构”：
Level 4智能体：关注全局资源与效益，下达战略目标。
Level 3智能体：负责车间级协调，分解目标，仲裁冲突。
Level 2/1智能体：负责设备级优化与控制执行。
每个智能体在框架内明确自己的职责边界、可交互的对象和信息格式。它们基于共享的“业务对象模型”进行通信和协商，而非杂乱无章的直接交互，从而实现稳定、高效的群体智能。
四、迈向“经典框架”与“前沿智能”的融合
借鉴ISA-95，并非要僵化地照搬其全部细节，而是汲取其分层治理、对象建模、标准接口的核心思想，构建AI时代的“新型操作体系”：
在物理层（L0-L2）：推广资产孪生模型（如Asset Administration Shell），将ISA-95的设备对象扩展为包含几何、物理、行为模型的数字孪生，为AI提供更丰富的仿真与训练环境。
在运营层（L3）：利用领域特定语言（DSL）和低代码平台，将ISA-95定义的业务流程和规则，转化为可被AI直接读取、执行甚至优化的数字化模型，实现“业务知识”的显性化与软件化。
在协同层：基于ISA-95定义的信息流，构建事件驱动的企业级语义总线。所有AI应用和传统系统都通过发布/订阅带有标准化语义标签的“事件”进行协作，实现松耦合、高内聚的智能集成。
结语
在技术快速迭代的时代，追逐新概念固然重要，但更珍贵的是对复杂系统本质的深刻理解。ISA-95所体现的结构化、工程化的分层思想，正是应对制造系统这一极端复杂体的利器。
它像一份历经考验的地质图谱，告诉我们业务岩层如何分布，信息河流应如何流淌。AI，则如同先进的勘探与开采技术，能让这片土地的价值以前所未有的效率迸发出来。但若没有这幅地图，再强大的技术也可能在杂乱无章中迷失方向。
因此，在通往真正智能制造的征程上，我们不仅需要激进的AI“新引擎”，更需要ISA-95这样理性的“旧地图”。两者的结合，方能跨越语义的鸿沟，让智能在坚实的业务逻辑上生根发芽，最终结出可靠、可解释、可进化的制造智能果实。这或许正是工业领域在技术狂热中，那份不可或缺的冷静与智慧。
