制造业谈“AI工厂”，最常见的误区是把架构图上的组件数量当作成熟度。GTC 2026 上金盘科技与 NVIDIA 联合分享的那个样本，真正值得借鉴的地方在于，它把一堆听起来并列的技术拆成了有先后依赖的层次。需要先厘清一个概念：NVIDIA 语境里的“AI 工厂”原本指为 AI 负载建设的数据中心，制造业借用这个词，指的却是用 AI 重新组织工厂内的数据、模型与业务流程。两者在架构上相通，都需要算力底座、推理服务和编排层，只是服务对象从模型训练转向了生产现场。
最底下是算力与推理层，公开组件是 NVIDIA AI Enterprise 与 NIM 推理微服务。这一层的实质变化是运维边界的转移：模型不再是需要专门团队看护的黑盒，而是以服务形式对外提供接口，可以被监控、扩缩容和版本替换。企业评估时真正要回答的是部署位置——推理负载放在厂区边缘以降低视频回传压力，还是集中到数据中心统一调度。这个选择直接决定网络改造投入和单点故障的影响范围，而不是由组件清单决定。
往上是编排层，由 NeMo Agent Toolkit 承担。制造场景里智能体的难点从来不在对话，而在任务链条：读设备数据、比对工艺参数、生成处置建议、触发工单，每一步都跨系统。因此评估重点应落在边界条件上——智能体可以读写哪些系统、异常时如何中断、执行日志保留多久、错误建议的责任归属如何界定。同场 GTC 的另一场分享以统计过程控制应用为线索，强调要交付“工程师愿意信任并使用”的智能体工作流，这句话本身就是很高的门槛，它要求输出可解释、可追溯，出错时不波及生产。
感知层与孪生层则更贴近企业自身条件。VSS 视频分析把长期只用于事后追溯的监控资产转成结构化事件，方向合理，但它对数据基础的要求也最具体：摄像头点位是否覆盖关键工序、画质是否满足识别、厂区网络能否承载视频流、误报由谁复核。这些问题在演示阶段常被淡化，却决定上线后的可用性。Omniverse 与 Isaac 构成的孪生层同理，关键问题不是模型有多精细，而是模型与真实产线的一致性由谁维护、更新频率如何约定。
四层架构的价值不在于图好看，而在于每一层都对应一组企业自身的检查项：算力底座决定能否稳定运行，编排层决定 AI 能否嵌入流程，感知层决定数据质量上限，孪生层决定仿真结果是否值得信任。任何一层缺失，整体效果都会打折。制造业 AI 落地的难点，正在从“有没有模型”转向“模型输出的信息由谁消费、出了问题由谁负责”。先把自己的短板定位到具体某一层，比对照架构图数组件更有意义。