工業智能體，成工業智能化重要着力點。

‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

文｜周享玥

編｜趙豔秋

最近，AI+工業的熱度持續攀升，尤其工業智能體，已成爲業界公認的提升工業智能化水平的重要着力點。

“我們的大模型業務，今年至少是去年的5倍以上了，且這些業務中，多數與工業智能體相關。”專注於工業領域的大模型及智能體落地服務商中工互聯董事長智振告訴數智前線，經過年初DeepSeek帶來的市場啓蒙與科普，以及後期政策上的層層加碼所形成的持續推力，市場窗口期已經打開。

當前市場動作已快速跟進，世界人工智能大會上，國內多家廠商已亮出工業智能體產品及落地案例。

8 月 26 日，《國務院關於深入實施 “人工智能 +” 行動的意見》中，工業被列爲 “人工智能 +” 產業發展重點行動單獨一項，明確推動工業全要素智能聯動，加快人工智能在設計、中試、生產、服務、運營全環節落地應用。

工業智能體的熱潮，真的來了嗎？智能體在工業領域的落地，走到深水區了嗎？

01

工業智能體，真熱還是假熱？

究竟什麼是工業智能體？

多位行業人士表示，這一問題目前尚無統一答案。一個相對寬泛的視角是，它是融合了大模型、知識圖譜、工業機理等技術的新一代認知智能系統，具備 “自主性” 與 “協同性” ，能夠感知工業環境，理解自然語言指令，決策並控制物理設備完成工業任務，進而實現對生產設備、工藝流程和物流管理等環節的智能化控制與優化。

其價值已獲業界普遍認可。“工業四十多個大門類、幾百個小門類的客戶，現在都在推進智能體落地，市場處於加速狀態。”百度智能雲智慧工業解決方案總經理張明告訴數智前線，今年以來，工業智能體在企業研產供銷服各環節熱度都很高。

聯想中國政企業務羣製造行業總經理宋濤則強調，當前尤其具體到“工業企業運營智能體”，熱度很高。智能體尚處發展早期，頭部企業大都率先在企業運營管理側做點狀嘗試，在研產供銷服、人財物、財務稅務、法規法律等多個環節中，“圍繞運營管理提效的智能體會做得很多。”

“這波工業智能體快速升溫，最直觀體現爲部分客戶從‘觀望’轉向‘主動需求’，尤其頭部工業企業，不再滿足於‘自動化+信息化’的常規建設，而是明確提出要打造‘AI驅動的智能工廠’。”中工互聯董事長智振向數智前線透露，過去多是他們主動推廣進行效能說明，現在則是客戶在“積極拉動”、“主動來訪”，許多企業決策層親自帶隊調研智能體平臺能力，甚至將“建立智能體系統”納入集團未來發展戰略。

IDC數據也印證了這一趨勢，2025年，工業企業中在探索智能體的比例同比顯著提升，應用了大模型及智能體的比例，從2024年的9.6%，顯著提升到2025年的47.5%。

IDC中國高級研究經理杜雁澤透露，比例上漲原因主要是工業企業CXO對於工業大模型好奇心的提升、門檻的降低，帶來了更多工業企業和IT服務商的加入，工業大模型及智能體市場從初步興起進入廣泛探索階段。

其中，已經在多環節開展應用的企業從1.7%顯著提升到35%。已經應用大模型及智能體的企業中，超過73.7%的應用場景在10個到小幾十個左右。

02

政策層面，已經開始加碼

工業智能體的這波熱潮始於何時？

業界普遍認可的一個答案是——2025年年初。標誌性事件是國產開源大模型DeepSeek與智能體平臺Manus的推出，快速完成市場啓蒙，讓各行各業看到了智能體的潛在價值。

尤其對於過去幾年普遍遭遇外部環境不確定、生產經營壓力大、產品利潤率承壓等挑戰的工業製造企業來說，這或許是近兩年裏最具確定性的一項技術，有望帶來切實價值。

因此，可以看到，近半年來，不管是工業企業還是服務商對智能體的探索熱情都顯著升溫，落地案例持續增多。標杆案例的湧現與工程化經驗的積累，也在進一步點燃更多企業的積極性。

除了企業提升競爭力的內生需求，來自於政策層面的推力持續加碼。

當下，人工智能的全球化競爭已全面展開，中美成爲核心競逐者。在互聯網、法律、金融、醫療、設計等高價值第三產業，國內外都在重點展開落地，但在工業領域，全球仍沒有探索出一條明確的路徑。

在此背景下，以中國完備的工業體系與豐富場景資源，探索出一條差異化發展路徑，促進產業升級，打造新質生產力，成爲戰略關鍵。有行業資深人士認爲，這一過程與當年培育新能源產業頗爲相似，需要“政策先行、產業牽引”。

產業層面，全球189家“燈塔工廠”中，中國一共85家，佔比45%，總量位居世界首位，有着製造業領域智能製造和數字化的高水平基礎。

政策層面，去年，政府工作報告中已經明確提出要“開展‘人工智能+’行動”。今年，更多聚焦在工業領域的政策還在持續加碼。

3月，政府工作報告重申“人工智能 +”行動，與去年側重技術研發和產業集羣建設不同，今年更聚焦技術的落地應用。

6月6日，工信部兩化融合工作領導小組會議審議《2025年工作要點》，明確提出以工業智能體爲抓手深化人工智能工業應用，帶動工業數據集、工業大模型的創新迭代。這被業界視作重要信號。

“政策力度是超預期的。”智振預測，接下來各地將隨之發佈系列政策，比如北京在工信部會議定調後不久，於7月中下旬，在北京經信局指導下，召開了一場面向工業智能體的產業研討會，衆多AI與工業軟件領域龍頭企業都參與其中，深入交流並分享案例。

7月28日，2025年全國工業和信息化主管部門負責同志座談會召開，在部署下半年工作重點時明確提出，要推動“人工智能+製造”行動走深走實，加強底座攻關和重點場景應用。分級分類深化工業互聯網應用，培育一批工業智能體。

8月19日，上海對外發布《上海市加快推動“AI+製造”發展的實施方案》，提出提升工業模型基礎能力、突破工業智能前沿技術等多項部署。

8月26日發佈的《國務院關於深入實施 “人工智能 +” 行動的意見》中，重點強調了要推進工業全要素智能化發展，同時，深化人工智能與工業互聯網融合應用，增強工業系統的智能感知與決策執行能力。

“政策已從鼓勵技術探索轉向系統性推進工業數據集、大模型與智能體的協同迭代，在年初的市場性自發需求基礎上助了一把力。”IDC中國高級研究經理杜雁澤告訴數智前線，隨着後續各地區政策的進一步細化，會讓需求側得到鞏固，尤其是央國企的需求，並帶動更廣泛的工業企業加入探索，同時推動供給側發展，會有更多廠商進入該市場。

03

企業的需求和動作變了

熱潮之下，工業企業開始從單純的 “嚐鮮” 階段，進階到追求深度融合與價值產出的新階段。

百度雲張明告訴數智前線，去年，不少企業已落地一些智能體應用，當時多是要求能夠掛載企業知識庫，甚至僅基於通用大模型能力實現知識問答、檢索，就能滿足初步使用需求。而今年，企業已不滿足於此類基礎應用，更期待智能體融入業務場景、解決具體問題，產生切實價值。

如化工企業研發場景，原來依賴行業專家的深度知識經驗，理解分子特性並反覆實驗。如今卻期待智能體能學習各類分子特徵，自動推薦分子合成路線以減少實驗次數，甚至預測新物質的特性，如是否耐磨、阻燃等。

又如工業空壓機節能場景，原來依賴固定控制策略，旺季、淡季採用不同調優模式，需人工到現場調整，而且技術難以聯動產生顯著價值。現在則期望通過智能體聯動各項技術，實現全智能動態調優，既能遠程控制櫃無線回傳數據、雲端下發精準控制指令，又能根據實時採集數據用AI模型預測用氣量、制定最優調度控制策略，遇能效偏低等問題還能實時報警並推送管理人員。

“融合智能體、AI 算法、雲控等技術的一體化產品，若能打磨成型、產效且可複製，推廣價值會很大。”智振說，如今大模型已過初期狂熱階段，明後年誰能緊密結合業務、做出更優智能體，誰才有價值。這類似互聯網發展路徑，從早期通用網絡、門戶網站，逐步走向電商、社交等垂直領域。

隨着需求進階，企業行動也變得更加系統。

過去兩年，不少企業經實踐試錯，對技術理解漸趨理性專業，如曾以爲知識庫搭建簡單，實則要做到指導生產需特定領域知識增強、智能體支撐及閉環業務矯正，遠非 “零成本試玩” 可實現。

因此，更多工業企業在入局新一輪熱潮時，轉而聚焦特定場景，需求更精準。同時，他們開始關注平臺能力、數據整合深度、模型訓練持續性及跨系統融合能力，不再僅停留於表面的 “AI 展示”，而在這個過程中，他們也提高了預算投入門檻。

“整個市場正從‘熱度’向‘實質’轉換，這是我們尤爲重視的變化。”智振說。

尤其頭部企業，正以更成體系化的方式推進工業智能體落地。

以聯想爲例，今年5月，其在聯想創新科技大會上正式發佈覆蓋個人、企業和城市全場景的超級智能體。其中企業超級智能體——聯想樂享，是聯想面向客戶、商業夥伴、投資人、媒體和公衆的新一代官方入口。其可跨設備、跨生態調用企業全鏈條數據信息，自主完成工作任務。比如，可以主動預判用戶需求併發起互動，幫助用戶自主下單等。

它與研發、供應鏈、營銷、銷售、服務、運營等領域的智能體組成“智能體軍團”，開啓助力聯想降本增效之旅。目前，聯想正將樂享應用於自身實踐。超級智能體在自動識別客戶意圖後，會拆解任務並聯動上述領域智能體協同處理，最終交付結果。

宋濤告訴數智前線，除央國企外，頭部民企AI落地多與聯想類似，會戰略性投入資源探索業務轉型，且大型企業基本會自建團隊，如聯想設有專門的DTIT（digital transformation, information technology）部門，涵蓋業務應用交付、AI研發團隊，負責設計專屬的混合式AI底座，支撐集團業務智能化轉型。

尤其今年，不少企業在推進AI落地時，已從前期粗放探索，轉向要求各部門 “帶 KPI 細化落地”。

宋濤介紹，此前 DeepSeek 受關注時，不少企業曾在春節後快速部署滿血版供各部門試用，但因訪問量激增，開發運維團隊難以承接，後續便逐步收斂到各部門自主推進智能體相關工作。

同時，“今年小企業的需求也很多，但大多未購買商用平臺，而是用開源工具、模型，甚至小型算力卡來運行相關場景。”百度雲張明告訴數智前線，這些企業並未形成從算力、模型訓練調優工具到業務場景的規模化體系，而是先從能幫自己省錢或增收的具體業務場景入手，自行搭建智能體以瞭解其能力。一旦確認效果且意識到自身能力邊界後， 比如發現自研調優效果不及專業水平，才考慮商業付費。

04

工業智能體,走進哪些場景了？

當前市場演進極快，在應用端，工業智能體正不斷拓展應用廣度與深度，技術側，大模型小模型協同、工具鏈更新、上下文工程優化等迭代頻繁，每一兩週就會有新變化發生；部分前兩年效果不佳的場景，今年借工程化能力提升與智能體應用實現了價值躍升。

以問數場景爲例，其對準確性要求極高，一個數據出錯，就可能給企業經營決策帶來重大風險，必須百分百準確，但大語言模型處理數據時容易出幻覺。“大家在1.0 階段的做法，是用大語言模型寫SQL、固定問法，再通過意圖理解智能體對應具體問題後查詢SQL，但準確度最多達到90%，難以滿足需求。”百度智能雲張明介紹，到了2.0階段，大家意識到僅靠大模型本身無法解決幻覺問題，需搭建智能體團隊，先做數據域治理分析，固定常見問題，再搭建工作流分解任務、匹配流程，寫好SQL後與指標域指標對比，能大幅解決問數類幻覺問題。

“大家對問數場景需求一直很高，去年因技術不成熟，很多項目驗證後效果不佳沒能推進。今年有了技術進步，我們正重新與客戶溝通，” 張明說，“這可能還需要一定立項週期，預計明年能看到更多落地項目。”

圖文生成場景也有突破，過去大模型生成帶文字的圖片時常出現亂碼，如今在生成宣傳海報時，智能體可先讓模型生成無文字圖，再疊加文字圖層解決問題。

目前，知識庫問答與智能問數這兩大共性通用智能體已成爲基礎能力，不再是企業挑選服務商時的首選要素，“類似智能駕駛平權後基礎輔助駕駛僅作基礎判斷。”IDC杜雁澤告訴數智前線，大家更多轉向後續通用智能體解決方案，例如智慧辦公、合同審覈、文檔生成等，以及研產供銷服等各領域細分環節的智能體和應用解決方案。

比如，經營管理領域是當前通用性場景最多、應用成熟度與可複製性最高的領域。杜雁澤表示，該領域智能體正從早期的人力、財務、客服等通用場景，逐步深化，向合規審查、採銷文件生產審覈、供應鏈優化等更爲精細化的方向拓展。

尤其是供應鏈相關的智能體，需求正盛。當前大量企業都有出海需求，供應鏈管理已成企業一把手關注的核心場景。

“現在製造型企業普遍關注如何藉助AI保障供應鏈安全可控、規避風險，以及呆滯物料降本提效等，已經有不少頭部大客戶就這一話題找我們做過交流。”宋濤告訴數智前線，聯想已結合最新技術，將其在智能化轉型中推出的供應鏈智能控制塔（SCI），升級爲了更強大的“iChain聯想供應鏈智能體”。

目前，該智能體已在聯想內部落地，支撐其全球供應鏈從需求預測到零部件交付、從生產製造到物流交付的全鏈路多智能體協同，將決策效率提升30%，工作流程週期縮短50%。

研發設計領域，智能體應用正從初期文生3D模型、AI仿真，拓展延伸到設計變更、設計審查、工藝文件生成等更多階段和更深入場景。

以裝備行業仿真計算爲例，此前高鐵空氣動力學、電機溫度控制等仿真依賴國外工業軟件，一次高鐵風洞實驗仿真需128臺HPC機器跑1-2天，成本高、耗時長。現在通過AI模擬預測，僅需1臺GPU、幾秒即可出結果。“我們已與某大型裝備央企深度合作，在多個工廠落地，還有部分工廠正複製這一成果。”張明表示。

生產製造領域，IDC觀察，智能體應用一方面在設備、安監、工藝等領域初步實現複製應用，從提供單點輔助信息，延伸到數據查詢、原因分析、報告生成等全業務流程。另一方面也在向廠級生產績效分析、工業控制編程、機器人智能控制等新方向探索。如中工互聯幫助某大型水務龍頭企業做了廠長助手智能體，可實時調閱工廠運營數據、預測異常。

設備預測性維護是一個熱門場景。工業製造流程有大量關鍵設備，一旦出故障就可能導致整條生產線宕機。大模型和智能體出現後，爲其提供了新解法，多家企業及廠商均發力於此。中工互聯幫助某電力設備製造企業打造了預測性維護智能體，可使設備平均故障預警準確率達92%，維修頻次降低40%。

此外，質檢智能體、智能排產智能體等也是廣泛探索並有項目落地的。在這些場景中，大小模型協同是關鍵路徑，例如質檢場景，前端依託機器視覺的小模型完成質檢，後續質檢數據的分析彙總與邏輯推理則由大模型負責。“工業肯定是大小模型並用的，我們叫混合式AI。”宋濤說。

IDC也表示，這些場景可抽象爲兩條路徑，一是大模型與小模型、機理模型、時序模型融合，用智能體方式提供業務優化；二是靠大模型沉澱老師傅經驗，在故障診斷、節能、良率分析等方向初步驗證。預測五年後AI在工業的滲透率達25%，其中小模型佔比仍將達到70%。

值得一提的是，儘管工業智能體應用深度和廣度在拓展，但業界普遍認爲，目前落地效果好且能批量複製的並不多，更多是以項目形式探索中，未進入生產製造核心深水區。

05

下半年市場加速爆發，還有哪些難題待解？

業界普遍認可，工業智能體已不像以前“裝個軟件”那麼簡單，而是一次系統工程和組織變革的雙重革命，這個過程中，還有不少難題待解。

其一，高質量數據緊缺，需企業提前補課。

智能體越走入生產環境，越需要專業數據，但目前數據是行業落地最大難題，高質量數據集不僅決定模型效果，更關乎智能體能否真正在業務中產生價值。而工業場景，由於數據“方言”多，格式、質量不一，還存在數據孤島、數據缺失、噪聲干擾及系統割裂等問題，矛盾只會更突出。

今年，國家數據局已出臺多項政策推動高質量數據集建設。各大服務商也都在通過提供相關工具或共建等模式解決這一痛點。但仍需企業自身發力，補齊短板。

一些企業已經開始往回補課。ICONIQ Capital《2025年AI現狀報告》顯示，數據已成爲企業AI預算中的主要板塊，數據存儲和處理支出，甚至將比推理和訓練還多。

聯想宋濤也告訴數智前線，目前有不少想借AI轉型但仍有疑慮的企業，正優先考慮做數據治理、補齊數字化轉型的課，再用治理好的優質數據，去做點狀探索。

而大型企業的投入力度還要更大。不少企業，專門成立了團隊支撐企業內數據治理和知識管理，包括知識的捕獲、分類、更新、二次創造等，以提升智能體問答的準確性、專業性。宋濤介紹，聯想已搭建知識管理體系。

其二，懂業務又懂AI，還能工程化落地的人才，現在急缺。

服務商雖然在努力靠近行業，但根據行業的實踐，算法專家要喫透行業細節，可能需要五到十年，而讓行業專家理解AI，一到兩年就能初見成效。因此，不管是從競爭力打造，還是從磨合難易程度來說，企業都需要構建自己的人才隊伍。

“工廠裏不需要培訓生產‘機器’（智能體）的人，但一定要培養懂得如何操作‘機器’（智能體）的人。”智振告訴數智前線，這些人才對人工智能並不一定需要完全喫透，但一定要了解在自己的場景下怎麼用人工智能。

不少工業企業已開始積極搭建內部人才梯隊。比如在前不久剛剛開學的百度AICA“首席AI架構師培養計劃”第九期的96名來自不同企業的學員中，能源與重工業佔比就首次超過了一半，實體產業參與熱情高漲。

其三，ROI（投資回報率）難量化是企業AI投入的核心痛點。

2023年至今，ROI 始終是企業重點關注問題。AI部署越複雜的場景，對模型能力要求越高，硬件、軟件、部署等成本也越高，但收益卻難以量化，比如，原來10分鐘的活現在5分鐘完成，剩下的5分鐘如何量化產出、體現業績。

同時，AI不只涉及到IT預算，還會替代簡單重複勞動崗位，與HR預算將存在重合替代問題，一些企業因此正在考慮ROI評估需打破部門壁壘綜合考量，頂層規劃時也需重新審視“硅基員工”的定位。

另外，模型幻覺問題、現有算法難以滿足工業複雜場景的實時性和可靠性要求，工業場景碎片化嚴重，複製推廣難度大，標準尚未統一，生態系統還不夠成熟等，也都限制着工業智能體的大規模落地。

不過，雖然還存在着諸多問題待解，但業界普遍認爲，下半年的工業智能體市場將是一個加速爆發的市場。

“今年落地速度肯定比想象中快。” 智振表示，國家政策明確 “工業智能體” 作爲重點後，更多企業加快了投入節奏。他判斷下半年將是 “智能體平臺化” 分水嶺，企業會從 “試用單個智能體” 轉向構建 自己的“智能體生態”，他們也在爲推進 “平臺即生態” 戰略做準備，打通從場景共建、數據沉澱到模型服務的閉環，加速推進平臺“下沉能力”。

宋濤則表示，從下半年到未來幾年，製造業擁抱AI去做探索將形成共識，通過不斷嘗試和突破，在AI模型到AI工程化的道路上持續深化，最終將其轉化爲產品，打造出能創造收入的“硅基生產力”。