【中经社信号】从“会聊天”到“能干活” 工业智能体加速规模化落地
随着人工智能技术的快速发展，工业智能体正从少数大型企业的示范应用，走向大量中小企业的真实生产场景，依托云化底座与轻量化订阅模式，在排产、工艺解析、设备故障分析等场景加快落地。
一张机械图纸传进系统，工业智能体一两分钟就解析出零部件和工艺要求；同时发来的几十张订单，工业智能体依据设备、人员和交期迅速排出生产计划……工业智能体已在部分场景实现生产级常态化部署，验证出可量化收益，进入规模化商业落地攻坚期。
工业智能体多场景快速落地
随着人工智能技术的快速发展，工业智能体正从少数大型企业的示范应用，走向大量中小企业的真实生产场景，依托云化底座与轻量化订阅模式，在排产、工艺解析、设备故障分析等场景加快落地。
2026年被业内称为“工业智能体落地元年”。国际数据公司（IDC）数据显示，中国工业企业应用大模型及智能体的比例已从2024年的9.6%提升至2025年的47.5%。中国工业互联网研究院发布的《工业智能体发展报告》认为，工业智能体正从“系统功能驱动”转向“业务任务驱动”，从“单点优化”走向“跨系统协同”，并进一步从信息辅助向受控执行演进。
工业智能体的快速落地，得益于政策、市场、行业的协同发力。
在政策方面，支持工业智能体发展应用的力度不断加大。2026年1月，工业和信息化部等八部门发布的《“人工智能+制造”专项行动实施意见》提出，到2027年推出1000个高水平工业智能体、打造100个工业领域高质量数据集、推广500个典型应用场景；2026年7月，工业和信息化部发布《“小快轻准”数字化产品和服务培育指引（2026年版）》，鼓励数字化产品深度融合人工智能技术。近日，上海启动“加快发展新一代智能制造行动”，提出到2028年推出300个高水平智能体。
在市场融资方面，今年以来，国内工业智能体赛道出现了一批标志性融资事件。资本关注逻辑从押注技术路线转向对产品落地能力、规模交付的综合判断。4月，独角兽企业黑湖科技完成近10亿元D轮融资，资金主要用于加速工业AI应用落地；8月，中数睿智完成数亿元战略融资，资金主要用于底层模型迭代与工业场景规模化复制。
在产品研发方面，工业智能体正在快速发展。黑湖科技的决策型智能体，可应用于报价、跟单、质检、仓管、异常分析等关键环节。“黑湖工程智能体约1分钟即可完成图纸工艺解析，准确率达95%左右。”黑湖科技市场总监向秋茹说。京东工业发布的工业世界模型，将在工业安全预警、人机协作等场景首批落地，实现从事后处置向事前预警的转变。京东工业技术负责人表示：“工业AI的下一站，就是从中心化分析走向端侧实时决策，让复杂现场真正具备感知能力。”
在商业模式方面，小批量、多品种、短交期的“小单快反”生产模式，正成为中小制造业企业的普遍选择。工业智能体可跳出传统工业软件一次性项目买断模式，主流采用SaaS年费订阅，同步试点按工单、Token调用、增量收益分成等弹性付费方式，将资本性投入转化为运营支出，适配中小企业波动的订单与现金流。
在市场拓展方面，工业智能体已在许多智能工厂得到应用。美的洗衣机荆州工厂作为多场景覆盖的智能体工厂，已有十余个智能体覆盖38个核心生产业务场景，以秒级响应完成传统人工小时级任务。联想武汉产业基地的鲁班生产智能体，8秒钟即可完成1万名员工的优化排班计算，整体制造成本显著降低。华为通过“架构指引+平台赋能+解决方案落地+生态共建”的组合拳，系统性地将工业智能体带入企业，并已在多个行业形成可复制的标杆案例。
“规模进厂”仍存现实挑战
工业智能体走进制造业企业的前景虽然广阔，但行业整体尚处于发展早期阶段，仍面临诸多现实挑战。
首先是数据基础薄弱与数据孤岛固化。中小企业信息化水平参差不齐，一些企业生产数据仍依赖纸质单据或零散的Excel表格，工业智能体缺少学习“原料”，准确率与协同效果难以发挥。
其次，成本与回报的不确定性也是一大挑战。尽管门槛下降，但部署、培训和持续运维仍需资金投入，对利润微薄的小厂而言，投资回报能否兑现是关键考量。
信任与适配也是企业当前的普遍顾虑。把排程、质检等判断交给AI，许多企业还有疑虑；通用型智能体很难适配千行百业千差万别的工艺规则，行业经验的沉淀仍需要时间。
“既懂工业流程、又熟悉AI算法”的复合型人才匮乏，是当前制约工业智能体在中小企业落地的另一现实短板。赛迪研究院调研显示，复合型人才缺乏是制约企业数字化转型的突出障碍。
受制于以上情况，工业智能体在制造业企业，尤其是中小企业落地应用，需在数据底座、平台能力和商业模式层面进行轻量化重构。
“工具智能”如何走向“系统智能”
工业智能体要在中小企业真正“扎根”，实现从“会聊天”到“能干活”、从辅助工具到决策中枢的跃迁，需要行业平台、服务商与中小企业协同发力，走轻量化、分阶段、可验证的落地路径。
针对制造业中小企业数据底子薄弱的现状，服务商不宜强求一次性完成全厂数字化改造，而是宜优先采用低侵入式采集方案，兼容纸质单据、Excel台账等存量信息，通过行业公共知识库、合成数据补齐基础训练素材，依托“模数共振”行动沉淀分行业工艺规则库，让智能体不用从零学习企业经验。
在成本与回报层面，可继续推广SaaS订阅、按效果付费的商业模式，把大额一次性投入拆解为轻量化按需支出；同时建立标准化价值评估体系，聚焦订单交付周期缩短、返工率下降、人工工时节约等可量化指标，让企业清晰看到投入产出，降低试错顾虑。
对于信任与工艺适配难题，关键是划定AI决策边界，推行“AI辅助、人做终审”的人机协同机制。在智能体输出方案后，由企业工程师把关确认，保留人工干预通道。
行业层面可共建工艺知识图谱，把企业老师傅的行业经验固化成可复用的垂类规则，减少通用大模型在产线场景下的“幻觉”偏差；配套建立工业智能体测评与认证机制，对决策稳定性、安全性开展测试，打消企业对AI接管生产判断的顾虑。
从“能用”到“好用”，工业智能体走进万千企业，不能仅靠某一项技术的单点突破，而是一个硬件、软件、数据和场景协同演进的系统工程。随着“小快轻准”数字化产品和服务培育政策的落地、算力服务模式持续创新以及开发者生态的正向循环，工业智能体有望以更低门槛、更快速度进入千行百业的制造业企业，为中国制造业数智化转型锻造坚实底座。（记者高少华）
编辑：王春霞
声明：新华财经（中国金融信息网）为新华社承建的国家金融信息平台。任何情况下，本平台所发布的信息均不构成投资建议。如有问题，请联系客服：400-6123115
