随着人工智能技术的跨越式发展，制造业正迈向一个以数据驱动、模型引领的智能化新时代。特别是近几年以基础模型和大语言模型为代表的新一代通用智能体系的兴起，为制造系统的变革提供了新的范式。这些模型通过在海量跨 模态数据上的预训练，具备了强大的泛化能力、知识理解能力和任务迁移能力，成为推动智能制造系统从局部自动化向全局智能化演进的关键支撑。与此同时，视觉类基础模型在工业感知、姿态估计与场景理解方面展现出卓越性能，而语言模型凭借强大的语义推理与知识表达能力，正在赋能制造系统的任务规划、异常诊断、决策优化及人机交互。
在此背景下，人机协同智能正成为智能制造领域的重要发展方向。制造系统中的人机协同不再局限于信息交互或任务分工，而是演化为基于认知共享、意图理解与决策共创的协作模式。如何将基础模型与大语言模型融合到制造系统的感知、认知和控制环节中，构建具备语义理解、知识推理与行为生成能力的协同智能体，成为学术界与工业界的共同挑战。与此同时，制造现场的复杂性、数据的不确定性以及任务执行的安全约束，也对模型的实时性、鲁棒性与可解释性提出了新的要求。
本刊 "面向人机协同智能的工业大模型：方法、系统与应用" 专栏旨在汇聚最新研究进展与工程实践，展示面向制造系统人机协同智能的工业基础模型与大语言模型在理论、方法与应用上的创新成果。我们欢迎来自人工智能、智能制造、机器人学和工业信息化领域的高质量投稿，共同推动制造业的智能化与自主化进程。
专栏客座主编：胡炳涛研究员（浙江大学） 李志武教授（澳门科技大学） 张海柱副教授（西南交通大学） 智鹏鹏副研究员（电子科技大学长三角研究院（湖州））
专栏将重点关注（但不局限于）：
(1) 工业基础模型的体系设计与跨任务适配；
(2) 大语言模型在制造系统中的任务规划、语义推理与自然交互；
(3) 多模态融合的工业智能体建模与部署；
(4) 面向人机协同的意图识别、行为理解与认知决策模型；
(5) 数字孪生驱动的模型闭环优化与工业智能仿真；
(6) 工业知识图谱与语言模型的协同推理与知识增强；
(7) 基于基础模型的自适应制造、质量控制与预测性维护；
(8) 工业大模型的安全性、可解释性与可信评估；
(9) 边缘计算与异构算力环境下的模型压缩与实时部署；
专栏稿件可投往本刊 "面向人机协同智能的工业大模型：方法、系统与应用" 栏目。
来稿截止时间：2026-06-31
