眾所周知，中國(guó)制造業(yè)規(guī)模龐大、場(chǎng)景復(fù)雜，但長(zhǎng)期存在數(shù)字化水平不均、智能化落地成本高的問題；與此同時(shí)，大模型等人工智能技術(shù)在通用領(lǐng)域快速成熟，迫切需要一個(gè)能夠持續(xù)釋放真實(shí)價(jià)值的主戰(zhàn)場(chǎng)。這一背景下，1月7日，工業(yè)和信息化部、中央網(wǎng)信辦、國(guó)家發(fā)展改革委、教育部、商務(wù)部、國(guó)務(wù)院國(guó)資委、市場(chǎng)監(jiān)管總局、國(guó)家數(shù)據(jù)局等八部門聯(lián)合印發(fā)《“人工智能+制造”專項(xiàng)行動(dòng)實(shí)施意見》（以下簡(jiǎn)稱《意見》）。
《意見》提出，到2027年，我國(guó)人工智能關(guān)鍵核心技術(shù)實(shí)現(xiàn)安全可靠供給，產(chǎn)業(yè)規(guī)模和賦能水平穩(wěn)居世界前列。推動(dòng)3—5個(gè)通用大模型在制造業(yè)深度應(yīng)用，形成特色化、全覆蓋的行業(yè)大模型，推出1000個(gè)高水平工業(yè)智能體，打造100個(gè)工業(yè)領(lǐng)域高質(zhì)量數(shù)據(jù)集，推廣500個(gè)典型應(yīng)用場(chǎng)景。培育2—3家具有全球影響力的生態(tài)主導(dǎo)型企業(yè)和一批專精特新中小企業(yè)，打造一批“懂智能、熟行業(yè)”的賦能應(yīng)用服務(wù)商，選樹1000家標(biāo)桿企業(yè)。建成全球領(lǐng)先的開源開放生態(tài)，安全治理能力全面提升，為人工智能發(fā)展貢獻(xiàn)中國(guó)方案。
顯而易見，這份文件并非一次常規(guī)性的政策加碼，而是用一連串清晰明了的數(shù)字為AI落地制造業(yè)繪制了一張面向未來的系統(tǒng)施工圖。筆者將圍繞《意見》里和量化指標(biāo)相關(guān)的關(guān)鍵內(nèi)容，進(jìn)行深入解讀與分析，并探討哪些企業(yè)將因此受益。
3—5個(gè)通用大模型：并非“每個(gè)行業(yè)都要從零造模型”
《意見》提出：推動(dòng) 3—5 個(gè)通用大模型在制造業(yè)深度應(yīng)用，形成特色化、全覆蓋的行業(yè)大模型。在筆者看來，這意味著政策并未鼓勵(lì)制造業(yè)“百模大戰(zhàn)”，也未寄希望于單一模型包打天下，而是明確了一條正在被產(chǎn)業(yè)實(shí)踐反復(fù)驗(yàn)證的技術(shù)路徑——以少量通用底座模型為核心，通過行業(yè)數(shù)據(jù)、工藝知識(shí)與場(chǎng)景優(yōu)化的持續(xù)疊加，構(gòu)建面向制造業(yè)的專用智能能力體系。
這一選擇首先源于制造業(yè)自身的復(fù)雜性。與互聯(lián)網(wǎng)應(yīng)用不同，制造業(yè)并不存在天然統(tǒng)一的語義空間。不同細(xì)分行業(yè)之間，在物理機(jī)理、生產(chǎn)流程、質(zhì)量標(biāo)準(zhǔn)乃至風(fēng)險(xiǎn)容忍度上均存在巨大差異?！案粜腥绺羯健辈⒎强鋸埍硎?，而是長(zhǎng)期形成的產(chǎn)業(yè)現(xiàn)實(shí)。如果簡(jiǎn)單復(fù)制通用大模型在消費(fèi)級(jí)或辦公場(chǎng)景中的應(yīng)用邏輯，既難以保證結(jié)果的準(zhǔn)確性，也無法滿足工業(yè)場(chǎng)景對(duì)穩(wěn)定性和可追溯性的基本要求。
但與此同時(shí)，制造業(yè)的“差異性”并不意味著完全不可共用。無論是流程工業(yè)還是離散制造，其核心問題高度集中在設(shè)備狀態(tài)感知、異常識(shí)別、工藝參數(shù)優(yōu)化、質(zhì)量預(yù)測(cè)與能效管理等共性環(huán)節(jié)，但這些問題在形式上也具有高度同構(gòu)性，比如：
設(shè)備 → 狀態(tài) → 異常 → 處置
訂單 → 計(jì)劃 → 執(zhí)行 → 反饋
工藝 → 參數(shù) → 波動(dòng) → 優(yōu)化
能源 → 消耗 → 效率 → 管控
這也決定了，從底層能力看，制造業(yè)并不需要為每一個(gè)細(xì)分行業(yè)重新訓(xùn)練一個(gè)完全獨(dú)立的大模型。
另外，從產(chǎn)業(yè)角度看，制造業(yè)企業(yè)，尤其是中小企業(yè)，普遍缺乏從零構(gòu)建大模型的算力、數(shù)據(jù)與人才基礎(chǔ)。如果政策鼓勵(lì)“各造各的模型”，結(jié)果很可能是資源高度分散、重復(fù)投入嚴(yán)重，反而抬高智能化門檻。以少量通用模型為底座，則有助于形成規(guī)模效應(yīng)，使行業(yè)模型與應(yīng)用服務(wù)能夠在更低邊際成本下持續(xù)迭代。
更為關(guān)鍵的是，制造業(yè)對(duì)準(zhǔn)確性、穩(wěn)定性和可解釋性的高要求，天然抬高了行業(yè)大模型的技術(shù)與工程門檻。工業(yè)場(chǎng)景中，模型輸出不僅需要“看起來合理”，更要經(jīng)得起工程驗(yàn)證、責(zé)任追溯與長(zhǎng)期運(yùn)行考驗(yàn)。這決定了，真正能夠在制造業(yè)落地的行業(yè)大模型，必然深度綁定行業(yè)知識(shí)、生產(chǎn)經(jīng)驗(yàn)與現(xiàn)場(chǎng)反饋，形成高度黏性的應(yīng)用體系。也正因此，行業(yè)大模型很可能成為大模型應(yīng)用中技術(shù)壁壘最高、商業(yè)護(hù)城河最深、用戶切換成本最大的方向之一，由此成為制造業(yè)巨頭未來的兵家必爭(zhēng)之地。
1000個(gè)高水平工業(yè)智能體：解決制造業(yè)大量碎片化場(chǎng)的真實(shí)需求
《意見》提出：推出1000個(gè)高水平工業(yè)智能體。這反映出政策對(duì)制造業(yè) AI 的理解非常清醒——工業(yè)智能的價(jià)值體現(xiàn)在結(jié)果，而非表現(xiàn)形式。
要理解這一目標(biāo)，首先要理解什么是“工業(yè)智能體”，它是指在復(fù)雜工業(yè)環(huán)境中，為完成特定任務(wù)而設(shè)計(jì)的具備自主性、適應(yīng)性與協(xié)同性的智能單元。工業(yè)智能體與通用智能體的根本區(qū)別，在于它不是以“對(duì)話”為中心，而是以“任務(wù)完成”為中心。在制造業(yè)場(chǎng)景中，智能體關(guān)注的不是“回答得是否自然”，而是預(yù)警是否及時(shí)？判斷是否穩(wěn)定？推薦是否可執(zhí)行？結(jié)果是否能被復(fù)盤？這決定了工業(yè)智能體更像一個(gè)數(shù)字工程師或虛擬工藝員，而非聊天助手。
《意見》里明確的“1000 個(gè)”并不是一個(gè)隨意的數(shù)字，它意味著覆蓋大量細(xì)分行業(yè)與細(xì)分場(chǎng)景，允許差異化、小而精的應(yīng)用存在。制造業(yè)的真實(shí)需求，恰恰分布在大量碎片化場(chǎng)景中。通過智能體這種“模塊化、可組合”的形態(tài)，可以更低成本地覆蓋這些長(zhǎng)尾需求，這也是實(shí)現(xiàn)規(guī)?；涞氐默F(xiàn)實(shí)路徑。
從產(chǎn)業(yè)格局上看，國(guó)內(nèi)外大型企業(yè)正以各自優(yōu)勢(shì)切入“工業(yè)智能體”這一領(lǐng)域：
云計(jì)算廠商：以華為云、微軟、浪潮為代表，依托工業(yè)大模型和云平臺(tái)構(gòu)建能力，構(gòu)建面向工業(yè)場(chǎng)景的智能體底座和智能體集群；
工業(yè)自動(dòng)化廠商：以西門子、研華為代表，將智能體能力嵌入既有工業(yè)軟件與設(shè)備體系，推動(dòng)其向更高自主性的運(yùn)行與優(yōu)化演進(jìn)；
工業(yè)軟件與控制系統(tǒng)廠商：以用友、鼎捷、和利時(shí)為代表，圍繞制造管理、流程控制和工業(yè)知識(shí)沉淀，推出面向具體業(yè)務(wù)環(huán)節(jié)的工業(yè)智能體平臺(tái)。
此前，工業(yè)智能體早已走出實(shí)驗(yàn)室，在多個(gè)領(lǐng)域創(chuàng)造實(shí)際價(jià)值——西門子中國(guó)研究院為某國(guó)內(nèi)領(lǐng)先鋼企搭建智能運(yùn)維體系，以AI智能體（AI Agent）為統(tǒng)一入口，將熱軋鋼卷分散在各個(gè)層級(jí)的2萬個(gè)數(shù)據(jù)點(diǎn)位進(jìn)行整合，結(jié)合設(shè)備狀態(tài)分析、質(zhì)量問題追溯、能效評(píng)估等12個(gè)典型分析場(chǎng)景建立預(yù)防性維護(hù)模型，節(jié)省人工檢索與跨系統(tǒng)操作時(shí)間，降低維護(hù)成本，有效規(guī)避非計(jì)劃停機(jī)風(fēng)險(xiǎn)；寧波某塑料模具工廠通過AI智能體對(duì)接ERP系統(tǒng)的訂單、生產(chǎn)、采購模塊，基于歷史訂單數(shù)據(jù)自動(dòng)計(jì)算物料需求，實(shí)時(shí)監(jiān)控庫存數(shù)據(jù)，自動(dòng)計(jì)算補(bǔ)貨量并推薦最優(yōu)供應(yīng)商，成功將庫存資金從800萬降至500萬，積壓原材料降低40%，因缺貨導(dǎo)致訂單延誤率從15%降至2%以下；研華科技在半導(dǎo)體工廠潔凈車間門禁外，將攝像頭升級(jí)為智能感知節(jié)點(diǎn)，對(duì)進(jìn)出人員工作服、防護(hù)面罩、絕緣鞋等合規(guī)穿戴進(jìn)行實(shí)時(shí)視頻安全監(jiān)測(cè)，提前15秒預(yù)警并聯(lián)動(dòng)門禁系統(tǒng)自動(dòng)攔截。
未來，工業(yè)智能體還將進(jìn)一步在更多細(xì)分場(chǎng)景落地開花。至于具體的方向，在《意見》附件《人工智能賦能制造業(yè)重點(diǎn)行業(yè)轉(zhuǎn)型指引》中，我們可以找到不少參考：
鋼鐵行業(yè)：基于鋼鐵機(jī)理知識(shí)和生產(chǎn)實(shí)踐經(jīng)驗(yàn)，研發(fā)視覺、預(yù)測(cè)、決策等鋼鐵行業(yè)大模型、智能體，實(shí)現(xiàn)關(guān)鍵設(shè)備運(yùn)行工況的實(shí)時(shí)感知、工藝參數(shù)的自適應(yīng)優(yōu)化、產(chǎn)品性能預(yù)報(bào)、質(zhì)量缺陷溯源、調(diào)度任務(wù)的全局優(yōu)化和實(shí)時(shí)智能調(diào)整等……
石化化工行業(yè)：深度融合油氣生產(chǎn)作業(yè)、管網(wǎng)儲(chǔ)運(yùn)、化工工藝等工藝機(jī)理、專家經(jīng)驗(yàn)、生產(chǎn)運(yùn)行數(shù)據(jù)等，實(shí)現(xiàn)油田作業(yè)區(qū)及化工安全生產(chǎn)監(jiān)測(cè)預(yù)警、設(shè)備預(yù)測(cè)性維護(hù)、工藝流程自適應(yīng)優(yōu)化、產(chǎn)品質(zhì)量預(yù)測(cè)等…..
有色金屬行業(yè)：建設(shè)融合“物理機(jī)理－工藝數(shù)據(jù)－環(huán)境變量”的有色金屬行業(yè)大模型、場(chǎng)景模型與智能體，實(shí)現(xiàn)新材料及新工藝研發(fā)模式創(chuàng)新、采選冶過程精準(zhǔn)控制與關(guān)鍵參數(shù)實(shí)時(shí)優(yōu)化、可回收資源精準(zhǔn)分類識(shí)別等……
航空航天行業(yè)：打造工業(yè)決策系統(tǒng)，在設(shè)計(jì)、制造、運(yùn)維、管理等環(huán)節(jié)開展智能體應(yīng)用……
最后，從生態(tài)角度看，“1000 個(gè)工業(yè)智能體”并不可能由少數(shù)頭部企業(yè)完成，而必然依賴大量行業(yè)服務(wù)商與解決方案商的參與。這意味著懂工藝、懂流程、懂現(xiàn)場(chǎng)的工業(yè)企業(yè)（尤其是細(xì)分行業(yè)隱形冠軍），將成為智能體落地的關(guān)鍵力量。
100個(gè)工業(yè)領(lǐng)域高質(zhì)量數(shù)據(jù)集：重新界定工業(yè)數(shù)據(jù)的價(jià)值標(biāo)準(zhǔn)
《意見》提出：打造 100 個(gè)工業(yè)領(lǐng)域高質(zhì)量數(shù)據(jù)集。長(zhǎng)期以來，工業(yè)數(shù)據(jù)并非稀缺，傳感器、設(shè)備系統(tǒng)、控制系統(tǒng)、生產(chǎn)管理系統(tǒng)持續(xù)產(chǎn)生海量數(shù)據(jù)，但這些數(shù)據(jù)往往呈現(xiàn)出“分散、異構(gòu)、不可用”的狀態(tài)。在這一背景下，“高質(zhì)量數(shù)據(jù)集”的提出，實(shí)際上重新界定了工業(yè)數(shù)據(jù)的價(jià)值標(biāo)準(zhǔn)。
2025年9月6日，中國(guó)工業(yè)互聯(lián)網(wǎng)研究院院長(zhǎng)魯春叢在2025全球工業(yè)互聯(lián)網(wǎng)大會(huì)開幕式上發(fā)布《工業(yè)高質(zhì)量數(shù)據(jù)集研究報(bào)告》，對(duì)工業(yè)高質(zhì)量數(shù)據(jù)集的理論體系、建設(shè)路徑、評(píng)估體系、流通應(yīng)用進(jìn)行總結(jié)歸納。
從定義來看，工業(yè)高質(zhì)量數(shù)據(jù)集是從研發(fā)、生產(chǎn)、供應(yīng)、銷售、服務(wù)等全生命周期各環(huán)節(jié)產(chǎn)生和采集，經(jīng)過清洗、標(biāo)注等專業(yè)化處理，用于分析、建模、訓(xùn)練的數(shù)據(jù)集合。是否符合“高質(zhì)量”標(biāo)準(zhǔn)則可以通過七大核心指標(biāo)來檢驗(yàn)：
規(guī)范性：指數(shù)據(jù)集符合數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)模型、業(yè)務(wù)規(guī)則、元數(shù)據(jù)或權(quán)威參考數(shù)據(jù)的程度，包括數(shù)據(jù)集的格式、標(biāo)注、單位和元數(shù)據(jù)的規(guī)范性等方面。
完整性：指數(shù)據(jù)集按照建設(shè)規(guī)則要求，應(yīng)采集的數(shù)據(jù)元素被有效獲取和記錄的程度，包括特征完整性、分布完整性、標(biāo)注完整性、文檔完整性與樣本數(shù)據(jù)充足性等方面。
準(zhǔn)確性：指數(shù)據(jù)集包含的信息真實(shí)、精確地反映其所描述的物理實(shí)體或?qū)嶋H狀態(tài)的程度，包括數(shù)據(jù)集的內(nèi)容、精度、誤差、標(biāo)注信息、文檔描述等方面。
一致性：指數(shù)據(jù)集內(nèi)部及與其他數(shù)據(jù)源之間的統(tǒng)一程度，包括數(shù)據(jù)單位與格式的一致性，數(shù)據(jù)集樣本分布與真實(shí)世界數(shù)據(jù)分布的一致性，不同樣本間數(shù)據(jù)標(biāo)注基準(zhǔn)的一致性等方面。
時(shí)效性：指數(shù)據(jù)集能夠反映當(dāng)前或指定時(shí)間窗口內(nèi)的真實(shí)狀態(tài)程度，包括是否涵蓋所需的時(shí)效區(qū)間、是否包含過時(shí)信息等方面。
專業(yè)性：指數(shù)據(jù)集涵蓋的信息內(nèi)容和工業(yè)場(chǎng)景的匹配程度，包括知識(shí)的專業(yè)性、業(yè)務(wù)流程的適配性、工業(yè)機(jī)理的關(guān)聯(lián)性等方面。
均衡性：指數(shù)據(jù)集中各類別樣本和數(shù)據(jù)來源分布的合理性、均勻性，包括數(shù)據(jù)類別均衡性和數(shù)據(jù)來源均衡性等方面。
舉例而言，在預(yù)測(cè)風(fēng)機(jī)發(fā)電量時(shí)，十年前的環(huán)境數(shù)據(jù)與當(dāng)前相比已出現(xiàn)明顯差異，使用過時(shí)數(shù)據(jù)構(gòu)建模型可能導(dǎo)致預(yù)測(cè)結(jié)果與實(shí)際不符；又或者在鋼鐵表面質(zhì)量檢測(cè)中，若數(shù)據(jù)集以大量無缺陷或常見劃痕樣本為主，“裂紋”“夾雜”等關(guān)鍵缺陷樣本數(shù)量過少，模型在訓(xùn)練后將難以有效識(shí)別高風(fēng)險(xiǎn)缺陷，影響產(chǎn)品質(zhì)量控制和產(chǎn)線安全。
當(dāng)前，人工智能對(duì)產(chǎn)業(yè)變革的賦能正從試驗(yàn)探索邁向?qū)嶋H應(yīng)用。以工業(yè)智能體為例，部分頭部工業(yè)企業(yè)已經(jīng)在產(chǎn)線質(zhì)檢、車間注塑、工廠運(yùn)營(yíng)等環(huán)節(jié)廣泛部署智能體應(yīng)用，極大提升了生產(chǎn)制造效率，而高質(zhì)量數(shù)據(jù)集正是實(shí)現(xiàn)這一切的重要前提?？梢哉f，“沒有工業(yè)數(shù)據(jù)，就沒有工業(yè)智能；沒有工業(yè)高質(zhì)量數(shù)據(jù)集，就沒有高水平工業(yè)智能”。許多智能化改造項(xiàng)目中，數(shù)據(jù)工程的投入占比高達(dá)50%～60%，這說明數(shù)據(jù)要素報(bào)酬遞增、低成本復(fù)用的特點(diǎn)已成為業(yè)界的廣泛共識(shí)。
在這一政策引導(dǎo)下，兩大類企業(yè)或?qū)⑹芤婷黠@：第一類是工業(yè)軟件與工業(yè)互聯(lián)網(wǎng)平臺(tái)企業(yè)，這類企業(yè)長(zhǎng)期沉淀生產(chǎn)、設(shè)備、工藝數(shù)據(jù)，具備數(shù)據(jù)匯聚、治理和結(jié)構(gòu)化能力，是高質(zhì)量工業(yè)數(shù)據(jù)集建設(shè)的天然“組織者”和承載者；第二類是自動(dòng)化與工業(yè)設(shè)備龍頭，包括自動(dòng)化廠商、核心裝備制造商，它們掌握設(shè)備級(jí)高頻運(yùn)行數(shù)據(jù)和故障數(shù)據(jù)，數(shù)據(jù)真實(shí)性強(qiáng)、價(jià)值密度高，是工業(yè)數(shù)據(jù)集的重要源頭。此外，在數(shù)據(jù)治理、工業(yè)知識(shí)建模、數(shù)據(jù)標(biāo)注與安全合規(guī)方面具備能力的公司，將在數(shù)據(jù)清洗、脫敏、標(biāo)準(zhǔn)化和模型訓(xùn)練中獲得新增市場(chǎng)空間。
2—3家生態(tài)主導(dǎo)型企業(yè)：催生工業(yè) AI 時(shí)代的“生態(tài)樞紐”
《意見》提出：培育2—3家具有全球影響力的生態(tài)主導(dǎo)型企業(yè)和一批專精特新中小企業(yè)。所謂“生態(tài)主導(dǎo)型”，并非指某家公司在算力、模型參數(shù)或算法指標(biāo)上的領(lǐng)先，而是其是否具備長(zhǎng)期組織產(chǎn)業(yè)分工、定義技術(shù)接口、牽引上下游協(xié)同演進(jìn)的能力。換言之，“人工智能+制造”不是靠單一巨頭完成的，而是一項(xiàng)系統(tǒng)性生態(tài)工程，政策真正看重的，是誰能成為工業(yè) AI 時(shí)代的“生態(tài)樞紐”。
這類企業(yè)通常具備跨行業(yè)技術(shù)整合能力、開放的平臺(tái)架構(gòu)以及國(guó)際化運(yùn)營(yíng)經(jīng)驗(yàn)，能夠把通用大模型、工業(yè)軟件、自動(dòng)化系統(tǒng)和產(chǎn)業(yè)數(shù)據(jù)連接起來，形成可復(fù)制、可擴(kuò)展的技術(shù)底座。從國(guó)際經(jīng)驗(yàn)看，無論是西門子、施耐德電氣，還是 PTC，其核心價(jià)值都在于構(gòu)建圍繞工業(yè)場(chǎng)景持續(xù)演進(jìn)的技術(shù)與伙伴體系。
總而言之，《“人工智能+制造”專項(xiàng)行動(dòng)實(shí)施意見》不僅明確了目標(biāo)和路徑，更展現(xiàn)了中國(guó)制造業(yè) AI 落地的系統(tǒng)思路。每一個(gè)數(shù)字背后，都是對(duì)技術(shù)可行性、場(chǎng)景適配性與產(chǎn)業(yè)生態(tài)的深思熟慮。對(duì)于制造企業(yè)、工業(yè)軟件商以及工業(yè) AI 服務(wù)商而言，這既是挑戰(zhàn)，也是歷史性的機(jī)遇。未來三年，這套政策體系將推動(dòng)人工智能在制造業(yè)從試點(diǎn)到規(guī)?；涞?，形成可復(fù)制、可持續(xù)的“中國(guó)方案”，為全球工業(yè)智能化發(fā)展提供參考樣本。
