卡奥斯の位置づけ：評価と実績
卡奥斯（COSMOPlat）は、家電大手の海尔（Haier）グループの工業インターネット平台です。IDC MarketScape「中国工业大模型及智能体解决方案2025年厂商评估」（評価対象18社）でリーダーに位置づけられ、戦略軸で首位でした（海尔、2025年11月7日）。工信部の双跨平台（跨行业跨领域工业互联网平台）の評価では、7年連続で首位（A評価）です（海尔、2026年1月9日）。
支援した灯塔工場（WEF Global Lighthouse Network）の数は、出典によって16（海尔、2026年1月）、17（36氪、2026年1月）、20（海尔、2026年7月）と異なります。時点や数え方の違いとみられるため、引用するときは時点を添えてください。
天智工業大模型の構成：機理モデルと大規模モデルの組み合わせ
卡奥斯の天智工业大模型は、機理モデル4,700超、専門家アルゴリズム200超、エージェント開発ツール110超を持ち、9業界40超のシーンで使われているとされます（海尔、2025年11月7日）。
機理モデルとは、物理法則や化学反応式、設備の特性式など、メカニズムに基づくモデルのことです。日本では「物理モデル」「第一原理モデル」と呼ばれることが多いものです。データから学習するAIモデルと違い、データが少ない領域でも使え、結果の理由を説明しやすいという特徴があります。
この構成は、大規模言語モデルにすべてを判断させるのではなく、計算や最適化は機理モデルや専門家アルゴリズムに任せ、大規模モデルは指示の解釈と呼び出しの調整を担う、という役割分担と読めます（推測を含む）。生成AIの「もっともらしい誤り」を、計算の部分で避ける設計です。
エージェント開発平台：MCP対応とエッジ応答
卡奥斯の工業エージェント開発平台は、MCP（Model Context Protocol。AIエージェントが外部のツールやデータにアクセスするための共通プロトコル）に対応しています。Qwen（通义千问）やDeepSeekと組み合わせ、エッジでの応答100ms未満、GPU消費の50%超削減をうたっています（中国电子报、2025年7月22日。ベンダーの主張）。
MCP対応は、工場のエージェントが、MESや設備管理システムなどの既存システムを共通の方式で呼び出せることを意味します。エージェントとシステムのつなぎ方の設計は製造業AIエージェントの設計、権限の考え方はAIエージェントにMES・ERPを操作させる権限設計で扱っています。
2026年7月の世界人工智能大会（WAIC2026）では、天智、デジタルツイン、マルチエージェントを統合した「工業世界モデル」を初公開し、CEO・工場長・エネルギー所長などの役割を持つデジタルヒューマン4種も発表しました（海尔、2026年7月18日）。
公表されている事例の数値
| 事例 | 内容 | 報告された効果 | 出典 |
|---|---|---|---|
| 延长石油 | 6類型38エージェント | 故障検知の適時性90%向上、ガソリン調合の一発成功率60%向上 | 海尔（2025年11月） |
| 海尔 上海洗衣機互聯工場 | 射出成形のエージェント | 金型調整120分→10分 | 海尔（2025年11月） |
| 海尔 中央空調互聯工場（领航级） | AI自動スケジューリング | 設計周期62%短縮、納期20%短縮、生産効率32%向上 | 海尔（2025年11月） |
| 顺科智连（自動車用コネクタ） | 完成品検査 | 合格率99% | 海尔（2026年7月） |
| 新金万利・皖能など | 能源双碳大模型 | エアコンプレッサーの調度効率50%超向上 | 中国电子报（2025年7月） |
日本の工場への示唆：機理モデルの資産をAIに載せる
卡奥斯の設計で注目すべきは、4,700超の機理モデルを資産として持ち、それを大規模モデルとエージェントから呼び出せるようにしている点です。日本の製造業は、設計計算・工程条件の経験式・設備の特性カーブなど、機理モデルに相当する知見を大量に持っていますが、多くは個人のExcelや技術者の頭の中にあります。
よくある質問
卡奥斯は日本で提供されていますか
今回の調査では、卡奥斯の日本での提供状況は確認できていません。中国国内の工場での利用が前提の情報として読んでください。
機理モデルとAIモデルはどう使い分けますか
メカニズムが分かっていてデータが少ない領域は機理モデル、メカニズムが複雑でデータが多い領域はAIモデルが向きます。両方を組み合わせ、機理モデルの誤差をAIで補正する方法も一般的です。
この記事に出てくる用語
AIは「データ基盤」で決まる
PoCは成功したのに本番で止まる。原因の多くはモデルではなく、MESと設備データの側にある 全130本
- MESとAIの関係：ロット・作業指示・品質判定がAIの精度を決める理由
- 製造業AIが本番で止まる7つの理由：PoCは成功したのにラインに載らない構造
- 製造業のAI-OCR：紙の検査記録・点検表・ミルシートをデータ化する手順
- データ基盤の段階的導入ロードマップ：ユースケースから逆算する8ステップ
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
