摘要： AI大模型正在从"回答问题"进一步走向"组织交互"。2026年10月7日，OpenAI正式发布GPT-6与Intelligent UI，ChatGPT可以根据用户的问题，将文本、图形、图表、按钮、表单以及交互式体验组合起来，并根据具体任务决定采用什么样的界面形式。与传统软件提前设计固定页面不同，Intelligent UI展示了一个新的方向：界面开始围绕用户的任务动态组织。对于拥有MES、MOM、ERP、SCADA等复杂系统的制造业而言，这种变化的意义并不只是"界面更好看"，而可能推动工业软件从"功能驱动"逐步转向"任务驱动"。工业富联科技服务将从这一技术变化出发，分析AI动态交互背后的技术逻辑，以及它可能如何进入真实工业场景。
一、Intelligent UI：从"文本回答"到"按需生成交互工具"
过去几年，大模型能力的快速发展，首先改变的是人与知识的交互方式。用户不再需要逐个搜索网页、阅读文档，而是可以直接向AI描述问题，由模型完成理解、归纳和回答。但无论模型有多强，传统聊天界面的基本形式并没有发生根本变化：用户输入文字，AI输出文字。
Intelligent UI正在改变这一点。
2026年10月7日，GPT-6与Intelligent UI正式发布。根据公开信息，GPT-6能够根据问题选择合适的表达方式，将文本、视觉元素和交互组件组合起来，生成图形、图表、按钮、表单以及可以直接使用的交互体验。如果一个问题适合文字回答，系统仍然可以输出文本；如果图表、交互式解释或者一个小工具更适合解决问题，AI则可以动态组织相应的界面。
公开展示的交互式自行车案例，就是这种能力的一个直观体现。用户面对的已经不只是关于自行车结构的文字解释，而是可以围绕不同组件进行探索的交互体验。AI输出的对象因此从"信息"进一步扩展到了"信息+工具+交互"。
更重要的是，这并不是简单让模型随意生成一段前端代码。相关技术介绍显示，Intelligent UI背后使用了原生、可流式传输的组件库，并配合编译器处理模型生成的界面，使界面能够随着模型生成过程逐步呈现。模型需要学习的不只是"回答什么"，还包括"应该怎样组织信息""什么时候需要交互""哪些内容应该使用图表或视觉元素"。
这意味着软件交互正在出现一个新的变化：过去是人学习软件的固定界面，未来则可能逐渐变成软件根据人的任务动态组织界面。
二、核心技术解构：为什么动态交互值得工业软件关注？
制造业其实非常需要这种变化。
过去十多年，企业持续建设MES、ERP、WMS、APS、SCADA、QMS等数字化系统，生产、质量、设备、供应链和能源等环节产生了越来越多的数据。数字化系统解决了"数据有没有"的问题，但随着系统越来越多，另一个问题也越来越明显：人如何高效使用这些系统？
例如设备工程师处理一次异常，可能需要查看设备报警、历史趋势、维修手册、故障记录和维修工单；生产主管处理一次排产变化，又需要同时考虑订单、设备能力、人员、物料和交期。信息其实已经存在，只是分散在不同系统、不同页面和不同数据结构中。
传统软件的逻辑通常是"功能在哪里，人去哪里找"。AI动态交互提供的思路则恰恰相反：先理解用户要完成什么，再围绕任务组织需要的信息和工具。
第一，是从数据展示走向语义化交互。
过去系统主要通过菜单、表格、报表展示数据，而AI可以先理解用户的问题，再把相关数据和知识组合起来。对于设备维修人员来说，他不一定需要知道某个数据位于哪个系统，只需要描述"这台设备为什么频繁报警"，AI就可以进一步关联历史故障、维修记录和设备状态。
第二，是从固定页面走向组件化组合。
Intelligent UI的关键不是取消组件，而是让模型根据任务决定哪些组件应该出现、如何排列以及怎样交互。工业软件未来也可以沿着这一方向，将生产、质量、设备、能源等系统中的能力封装成受控组件，再由AI根据不同角色和任务动态组合。
第三，是从信息交互走向工具调用。
这里需要明确，动态UI本身并不等于AI直接控制工业设备。真正进入工业执行环节，还需要通过工业API、权限体系、安全策略和既有业务系统完成调用。AI更适合作为理解任务、组织信息和调用工具的智能入口，而确定性的工业控制仍然需要由经过验证的控制系统承担。
这也是工业场景与普通互联网应用最大的不同：AI可以变得更加灵活，但工业系统不能因此失去确定性。
三、场景重塑：未来工厂中的"无界交互"如何形成？
如果动态交互进一步与工业知识、Agent和企业数字化系统结合，工厂的人机交互方式可能出现新的变化。
首先，SOP可能从固定文档变成动态作业指引。
在柔性制造环境中，产品型号、工艺流程和作业要求经常变化。传统方式需要员工查找对应SOP，再按照固定步骤执行。未来，AI可以结合当前工单、产品信息、设备状态和SOP内容，将与当前任务相关的步骤动态组织出来，并通过工业平板、AR等终端进行呈现。
这种方式的价值并不是让AI替代工艺工程师，而是减少人员查找资料、确认版本和跨系统切换的时间，让作业指导更接近当前任务。
其次，设备运维可能从"找系统"转向"找问题"。
设备出现异常时，工程师过去需要分别查看报警、趋势、历史维修记录和备件信息。未来可以直接描述问题，由AI将这些信息组织成一个面向故障处理的交互空间。例如把异常趋势、相关设备部件、历史维修案例、维修手册和工单状态集中呈现。
需要强调的是，涉及设备参数修改、生产恢复或控制动作时，仍然需要权限校验、安全规则和人工确认，AI动态界面承担的是信息组织和交互入口，而不是绕过工业控制体系。
最后，管理者看到的可能从固定大屏变成动态分析空间。
过去企业需要IT人员开发新的报表和看板，而未来管理人员可以直接提出分析任务。例如要求比较不同厂区近期的良率变化，并进一步分析影响因素。AI可以根据问题动态组织趋势图、厂区对比、异常因素以及下钻入口。
真正发生变化的并不是企业突然拥有了更多数据，而是数据开始围绕"管理任务"重新组织。
四、筑基未来底座：工业富联科技服务如何用AI加速全球智造运营？
动态交互只是AI进入工业场景的一个入口。要让AI真正服务制造业，仍然需要稳定的数据基础、工业知识、业务流程和长期积累的场景经验。
工业富联长期围绕灯塔工厂建设和工业互联网实践推进制造业数字化转型。根据工业富联2026年公开资料，截至目前，公司已累计对内打造9座、对外赋能13座"灯塔工厂"，其中包含2座可持续灯塔工厂，相关实践已经复制推广至电子制造、新能源汽车、金属冶金、光伏、储能等多个行业。
更值得关注的是，工业富联2026年发布的灯塔工厂相关白皮书，已经将AI放到下一阶段制造运营能力重构的位置上，并提出"AI Makes AI"理念，探索从传统数字化和AI单点应用进一步走向AI Factory。
在这一过程中，真正重要的并不是简单给工厂增加一个聊天机器人，而是让AI逐步连接企业已有的数据、知识、系统和业务流程。动态UI可以成为人与AI交互的入口，Agent可以承担任务理解和协同，MOM、MES等系统继续承担确定性的业务流程，而底层设备和控制系统则保持对实时性、安全性和确定性的要求。
由此形成的并不是一个"AI替代所有系统"的架构，而是一个更加分层的智能制造体系。
五、终局演进：从"人机对话"走向"人机共创"
回顾软件交互的发展，从命令行到图形用户界面，再到触控和移动应用，每一次交互方式变化，本质上都在降低人与计算系统之间的沟通成本。
Intelligent UI真正值得工业领域关注的地方，也并不是"AI会生成页面"这么简单，而是软件开始尝试理解人的任务，并围绕任务动态组织信息、知识和工具。
对于制造业而言，这意味着未来工业软件可能逐渐从"功能驱动"转向"任务驱动"。员工描述目标，AI理解意图，系统调用工业知识和业务数据，Agent完成分析，再通过受控接口连接企业应用。人在其中不再需要记住每一个系统的菜单路径，而是更多承担目标定义、结果确认和异常决策。
当然，从动态UI走向真正的工业智能仍然需要跨越大量工程门槛，包括工业数据治理、知识结构化、Agent可靠性、系统集成、权限控制和生产安全等。动态界面解决的是"如何更自然地与系统交互"，而工业AI真正要解决的，是"如何让系统在复杂制造环境中可靠地完成任务"。
工业富联科技服务将继续围绕灯塔工厂、AI Factory和全球智造运营能力推进AI与制造场景融合。随着AI从单点应用进一步进入研发、生产、质量、设备、供应链和运营环节，工业软件的形态也可能发生新的变化：从固定的功能入口，逐步走向围绕任务动态组织能力的智能交互空间。