一、一条清晰的政策递进链

回看过去一年,「人工智能+制造」在中国的政策推进是一条节奏很密的递进链。

2025 年 8 月,国务院印发《关于深入实施「人工智能+」行动的意见》,把 2027 年智能体等新一代智能应用普及率超过 70% 写进了目标。2025 年 9 月,工信部公示 2025 年度卓越级智能工厂,274 家企业入选,覆盖超过 80% 的制造业大类。2025 年 11 月底,首批领航级智能工厂培育名单公布,宝钢、徐工、海尔等 15 家企业入列——这 15 家培育对象的 AI 场景覆盖率超过 70%,合计应用 AI 模型 6000 余个。

真正把「智能体」推到台前的,是 2026 年 1 月对外发布的八部门《「人工智能+制造」专项行动实施意见》。文件给出了到 2027 年的量化目标:推动 3 至 5 个通用大模型在制造业深度应用,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。针对中小企业,文件明确鼓励地方发放「算力券」「模型券」降低应用成本。

把这条链读完,一个判断不难得出:政策层面对「AI 进工厂」的推动,已经从鼓励表态进入了定指标、列名单、给补贴的执行阶段。

二、渗透率数字背后的分化

政策的另一面是真实的采用数据,而这组数据呈现出明显的两面性。

乐观的一面:据 IDC 研究(36氪报道),中国工业企业应用大模型及智能体的比例,从 2024 年的 9.6% 升至 2025 年的 47.5%;在研发、制造、供应链等多环节应用的企业占比从 1.7% 升至 35%。IDC 同时预计,到 2028 年中国工业企业 AI 支出规模将接近 900 亿元,年复合增长率 38%。全球口径下,罗克韦尔 2025 年对 17 个国家 1500 余家制造商的调研显示,95% 的制造商已投资或计划五年内投资 AI,质量控制连续第二年是第一大用例。

冷静的一面:麦肯锡 2025 年 11 月发布的全球调研(覆盖 105 国 1993 家企业)显示,88% 的组织至少在一个职能常态化使用 AI,但仅有 6% 成为获得企业级显著价值的「高绩效者」。MIT 2025 年 8 月的报告更为尖锐:约 95% 的企业生成式 AI 试点对损益没有可测量的影响。

两组数据并不矛盾。它们共同描述的现实是:用起来很快,用出钱很难。麦肯锡在同一份调研中给出了关键解释——对利润影响最大的单一因素不是模型选型,而是工作流重构。把 AI 塞进原有流程,和围绕 AI 重新设计流程,是两种完全不同的投入,前者普遍,后者稀少。

三、工厂里的智能体在做什么

具体到车间,工业智能体目前跑得最实的是四类场景。

质检。 视觉大模型正在替代传统的规则式机器视觉。世界经济论坛 2025 年 9 月新增的 12 家灯塔工厂里,AI 与生成式 AI 用例占比最高达到 50%,示范工厂给出的效果包括产品缺陷率下降 41%。

工艺参数优化。 华为云披露的宝钢热轧产线案例中,盘古大模型将精轧宽展预测精度提升 5% 以上、成材率提高 0.5%,按其口径年增收 9000 多万元。需要说明,这类数字均为厂商披露,尚缺独立第三方核验,但方向上与灯塔工厂的公开数据一致。

工程与维护辅助。 西门子 Industrial Copilot 生成可编程逻辑控制器代码的效率提升约 60%,维护版试点显示平均节省 25% 的被动维护时间,该产品获得了 2025 年汉诺威工博会 Hermes Award。微软在 2025 年汉诺威工博会推出的工厂运营智能体,让员工可以用自然语言直接询问「昨天 3 号线为什么停机」。

排产与订单管理。 这是中小工厂离智能体最近的入口。面向中小工厂的 AI 工具披露过一组数据:接入 AI 排产与跟单后,工厂订单平均延期率从 25% 降至 5% 以内,东莞一家工厂的拆单准备时间缩短 60%,年费约 1 万元的投入对应约 1:12 的回报。同样是厂商口径,但它触及了一个重要事实——智能体对中小工厂的价值,首先不在高深的工艺优化,而在把跟单、排产这类高频琐碎环节的人力释放出来。

四、真实的卡点在数据和流程,不在模型

把落地案例和失败率放在一起看,工业智能体的卡点已经比较清楚。

第一是数据底子。大模型进厂的前提是设备数据、工艺数据、质量数据在线且可用,而大量工厂的关键数据仍散落在纸质单据和老旧系统里。八部门文件把「100 个工业领域高质量数据集」列为目标,恰恰说明缺口在此。

第二是流程再造的意愿。MIT 报告里 95% 的试点无损益影响,与其说是技术不成熟,不如说是企业把 AI 当作了挂件而非流程的一部分。值得注意的是同一份报告的另一个数字:外购方案的成功率约为企业自建的三倍——对绝大多数制造企业而言,自研大模型不是可选项,选对工具、改对流程才是。

第三是中小企业的「三不转」。行业媒体概括为不会转、不敢转、不能转:缺知识、怕风险、缺资金。「算力券」「模型券」这类政策工具能缓解第三点,前两点则取决于是否出现足够便宜、开箱即用、按效果说话的行业化产品。

五、对制造业上下游的含义

对身处供应链上游的企业——设备商、材料商、工业服务商——这一轮智能体落地潮至少改变了两件事。

其一,客户的采购判断正在被 AI 参与。当近半数工业企业开始在多环节使用大模型,你的产品资料、案例数据能否被 AI 系统读懂和引用,会逐渐影响你在客户评估中的位置。

其二,「谁在认真做智能化」本身成了一个可用的销售信号。274 家卓越级、15 家领航级智能工厂名单是公开的,各地智能工厂梯度培育还在继续——这份持续扩容的名单,对上游供应商而言就是一份预算充足、改造意愿明确的目标客户清单。

天下工厂产业研究院将持续跟踪工业智能体的落地进度。如果你需要按行业、区域、规模定位正在推进智能化改造的制造企业,可以在天下工厂 AI 的 480 万家真实在产工厂库中直接对话检索。

数据来源说明

本文数据来自公开渠道:国务院及工信部等八部门政策文件原文、人民网与新华网报道、IDC 研究(经 36氪转引)、麦肯锡《The State of AI 2025》、MIT《The GenAI Divide 2025》、罗克韦尔《2025 State of Smart Manufacturing》、世界经济论坛灯塔工厂公告,以及华为云、西门子、微软的官方披露。厂商口径数据均已在文中注明。