當前，人工智能技術正在推動制造業生產方式和發展模式深刻變革。業界認為，工業智能化作為我國制造業轉型升級的重要方向，已實現從單點技術應用向系統化、網絡化、自主化方向進階，但在技術、產業、生態等多個層面仍面臨關鍵挑戰。

  頭部企業紛紛加碼布局

  近年來，隨著人工智能技術的躍遷和不斷深度應用，越來越多的工業企業開始探索工業大模型及工業智能體在工業制造場景中的應用落地，諸多頭部企業紛紛加碼布局“工業+AI”，從研發設計、生產制造到經營管理，智能應用場景日益豐富。

  今年5月，聯想發布了制造領域智能體，以AI技術與行業經驗的深度耦合為核心，實現從研發設計、生產優化、供應鏈協同、客服服務等關鍵場景的數據閉環與智能驅動。其中，在“供應鏈控制塔”智能體的助力下，聯想全球供應鏈已實現端到端的全價值鏈覆蓋。這使得決策時間縮短了50%至60%、工作效率提升10%至20%、訂單交貨及時率提升5%、制造和物流成本降低了20%。

  6月21日，華為發布FusionPlant 3.0智能工業互聯網平臺戰略，攜手產業打造“AI Agent+智能應用+硬件創新”一站式孵化平臺，助力伙伴高效開發垂域專屬AI Agent與工業智能應用，加速智能硬件創新創業。

  百度方面，據介紹，其文心大模型已在能源、電力、制造、金融、交通、政務、互聯網、教育、電商等幾十個行業、上百個場景中落地，有一半以上的央企正在聯合百度智能云進行AI創新。

  此外，在近日舉行的2025世界人工智能大會上，包括中國電信、中國移動、中國聯通在內的多家企業也展示了公司借助AI賦能工業發展的最新成果。

  工業企業中探索智能體的比例也在顯著提升。IDC 2025中國工業企業調研結果顯示，工業企業中，已經應用了大模型及智能體的比例已從2024年的9.6%提升到2025年的47.5%，其中，已在多環節開展應用的企業從1.7%提升到35%。

  產業鏈發力推動工業智能化進階

  近年來，我國新型工業化加快推進，政策端也在不斷發力，鼓勵以科技創新驅動制造業數字化轉型和智能化升級。6月6日，工業和信息化部兩化融合工作領導小組會議審議《工業和信息化部信息化和工業化融合2025年工作要點》，會議提出，以工業智能體為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。

  IDC中國高級研究經理崔粲表示，未來一段時間內，將有更多高價值場景智能體應用落地和復制。伴隨更多智能體的應用，預計到2028年，中國工業企業AI支出將達到900億元。

  “現階段，企業在生產過程里不太可能用大語言模型直接去做操控工作。但在設備運維、設備管理、決策分析等需要知識與數據交互的工作環節，可以把大語言模型的能力融入進去。”百度智能云智慧工業行業解決方案總監曹凱表示，大模型可以快速地進行知識檢索、精準地分析、生成報告等，大大提高了效率。

  記者了解到，如今產業鏈上市公司也在積極布局工業智能化，在研發設計、生產優化、供應鏈協同、客服服務等細分領域不斷發力。

  近日，威士頓在互動平臺上表示，公司已投入研發工業領域的AI智能體應用，正在形成以工業AI智能體與大模型聯合驅動的工業信息化數字應用形態，并嘗試多模協同的AI應用新模式。

  東方精工披露稱，子公司東方合智以靈活的業務模式，通過與東方精工瓦楞紙包裝裝備業務單元強化協同、為行業客戶提供工業互聯網平臺和定制系統軟件、提供包裝行業數字、AI化升級方案為公司的主要業務，公司將持續加強在該領域的研發投入，引領行業的智能化轉型，真正實現包裝行業AI+賦能。

  恒華科技則表示，公司積極布局人工智能技術與能源業務場景的融合創新，加快底層平臺和產品的研發迭代速度。在核心技術平臺方面，迭代升級人工智能引擎和智能流媒體平臺，為多場景行業信息化產品及項目研發賦能，提升研發效率。在應用拓展方面，積極推進AI+BIM（建筑信息模型）服務于智能設計與建造業務、AI+無人機服務于勘測、監測和巡檢業務、AI+能源大數據分析與增值服務等多場景應用服務。

  科大訊飛披露，公司旗下的圖聆工業云平臺將積極推動人工智能與工業產業全環節的深度融合，用AI賦能工業領域，實現AI應用對工業行業的深度覆蓋，幫助工業企業實現數字化、智能化升級，用人工智能賦能工業新發展。

  還需加強生態協同

  業界認為，隨著工業智能化的不斷進階，未來會有更多高價值大模型應用場景顯現。但對工業產業鏈公司而言，還需在技術突破、商業閉環、社會治理間尋找平衡，未來的競爭不僅是單點技術優劣，更是生態協同能力的較量。

  “未來的中國制造業，大語言模型的應用場景將會更多元化，在AI領域，將集中于判別式和生成式模型的混合應用與落地。”聯想中國區政企業務群制造行業總經理宋濤表示。

  崔粲也表示，未來一段時間內，預計將有更多高價值大模型應用場景顯現，建議工業企業開展大模型應用時樹立正確期待，打好數據基礎，深化工程優化。

  但也有業內人士指出，當前工業智能化仍面臨數據、技術、商業模式、政策等多維度的挑戰，比如數據孤島與碎片化，數據質量參差不齊，AI大模型泛化能力不足，頭部企業持續投入而中小企業受限于資金、技術等因素難以規模化應用等，需全產業鏈協同突破。

  “大模型的產業落地目前還有一些難題亟待解決，比如算力吃緊一直是制約大模型發展的關鍵因素。與此同時，在大模型的訓練、推理過程中，算力的利用效率卻普遍不高。”曹凱表示。

關鍵詞：