自動化技術讓工業(yè)生產得以按照預設流程精準運行，但人工智能的浪潮，正推動制造業(yè)從“自動化”邁向“自主化”的下一階段——系統(tǒng)不僅能執(zhí)行命令，更能自主決策、動態(tài)適應，在復雜多變的工業(yè)環(huán)境下尋找最優(yōu)解。

想象一下，在這樣的工廠中，系統(tǒng)會預測訂單變化來靈活排產，提前感知設備潛在故障并觸發(fā)維保方案，動態(tài)調整工藝參數(shù)以確保產品質量，根據(jù)生產節(jié)奏優(yōu)化廠內物流路線……這一切都不需要人工逐條輸入，而是由“工業(yè)智能體”在理解全局目標和約束的基礎上自主決策、執(zhí)行。

我們離這樣的場景還有多遠？企業(yè)在部署工業(yè)智能體方面都有哪些探索和挑戰(zhàn)？這一技術究竟是現(xiàn)有自動化系統(tǒng)的錦上添花，還是足以顛覆生產范式的革命性力量？為了探尋答案，我們深入制造業(yè)一線，結合西門子與至頂科技在工博會期間聯(lián)合發(fā)布的《2025工業(yè)智能體應用現(xiàn)狀與趨勢展望報告》，以及對國內多家制造企業(yè)與行業(yè)專家的深度訪談，試圖揭示工業(yè)智能體在真實世界中的應用現(xiàn)狀、挑戰(zhàn)與未來。

智能與自主：什么是“工業(yè)智能體”？

通用人工智能的演進遵循著從聊天機器人（Chatbot）到“副駕駛”（Copilot），再到智能體（Agent）的路徑。聊天機器人被動地回答問題，智能“副駕駛”能輔助人類完成特定任務，已具備一定的自主能力，而智能體的核心特征就在于高度“自主性”——它不只是“聽指令”，更能“做決策、真干活”，可以自主感知、規(guī)劃，并調用工具來完成目標。

長久以來，工業(yè)控制的邏輯建立在精確的預設程序之上。這種基于規(guī)則驅動的自動化系統(tǒng)，雖然高效穩(wěn)定，但其本質是“聽話”的工具，一旦產品或環(huán)境發(fā)生變化，就需要人工重新編程和調整。

“‘智能體’的概念一直都有，比如說變壓器開關就可以說是早期的智能體，它能夠感知電壓過載并進行熔斷的決策，只不過這個決策非常簡單?！睆偷┐髮W計算與智能創(chuàng)新學院教授、上海市數(shù)據(jù)科學重點實驗室主任肖仰華解釋道，“我們重提智能體，主要是因為它在大模型加持下，自主性有著以前達不到的水平?！?/p>

“傳統(tǒng)的工業(yè)AI應用更多停留在‘感知+識別’層面，本質上是對人類經驗的數(shù)字化復制和自動化執(zhí)行。工業(yè)智能體則實現(xiàn)了從‘感知智能’到‘認知智能’再到‘決策智能’的跨越，具備了在復雜工業(yè)環(huán)境中進行自主判斷、動態(tài)調整和持續(xù)優(yōu)化的能力。”上海市人工智能行業(yè)協(xié)會秘書長鐘俊浩說。

這些能力讓工業(yè)智能體在車間和產線上“大顯身手”。機械工業(yè)第六設計研究院有限公司總工藝師、智能制造研究院院長劉波認為，工業(yè)智能體“代表了一系列廣義的AI技術應用，但其核心是要能實現(xiàn)環(huán)境感知、數(shù)據(jù)分析、決策優(yōu)化，并最終驅動末端設備執(zhí)行，本質上追求的是更高程度的自主化?！?/p>

“好的智能體具備四個條件：‘有知識’、‘善理解’、‘會思考’以及‘強執(zhí)行’?！毙ぱ鋈A說。

在許多一線從業(yè)者看來，工業(yè)智能體的應用是一場漸進式的革命。一家頭部食品飲料企業(yè)的AI負責人認為，智能體的核心是“輔助和優(yōu)化決策”，其公司早已基于機器學習、視覺識別等AI技術和垂類模型，在供應鏈預測、質量檢測等場景中實現(xiàn)了初步的智能決策。而能夠理解自然語言、進行推理的大語言模型，更像是為這些早已存在的“大腦”提供了一個更自然的交互界面。

另一家頭部新能源汽車企業(yè)的AI負責人則更強調智能體作為一個完整系統(tǒng)的角色。他將其定義為“連接整個大模型跟整個應用場景的一個（載體）”，并強調其必須具備雙向閉環(huán)能力?！八麄儽仨氁颜麄€大模型的能力賦予整個技術場景來解決問題，”他說，“同時要從整個產品里面把相關的反饋在整個大模型里面，再形成一個雙向的閉環(huán)?！?/p>

要理解工業(yè)智能體如何工作，西門子攜手中國十五冶打造的有色金屬冶煉案例提供了具象的視角。在煉銅行業(yè)，冰銅是純銅誕生前的“半成品”，冰銅品位指冰銅中銅的含量，過高或過低都會影響成品質量和爐體壽命。傳統(tǒng)模式下，冰銅品位調控比較粗放，高度依靠“老師傅”把關。西門子與中國十五冶合作，整合多工藝段設備數(shù)據(jù)，以及行業(yè)文獻、工藝規(guī)范和“老師傅”口口相傳的經驗，打造了煉銅行業(yè)首個下沉到邊緣的智能體。它不需要反復通過聊天指令推進任務，自己就能獨立完成從趨勢預測、參數(shù)尋優(yōu)到深度推理的全過程。

該案例是典型的智能體在生產制造過程中的應用。其實，不僅是生產制造環(huán)節(jié)，西門子Industrial Copilot融合生成式工業(yè)人工智能助手與智能化系統(tǒng)，覆蓋研發(fā)、工程與運維等多個關鍵環(huán)節(jié)，能夠全方位賦能工業(yè)價值創(chuàng)造。

在研發(fā)環(huán)節(jié)，集成智能體的工業(yè)軟件基于簡單的工程師指令即可告知操作方法，甚至直接生成相關模型；在工程環(huán)節(jié)，人工智能助手與TIA博途無縫集成，把工程師的自然語言需求直接轉化為工程成果，快速生成PLC程序與HMI界面；在價值點分布更廣的運維環(huán)節(jié)，人工智能助手與多智能體協(xié)同，通過簡單交互即可靈活調用工業(yè)軟件、模型等工具，提供診斷支持與優(yōu)化建議。

總體來看，工業(yè)智能體是推動工業(yè)自動化向自主化演進的關鍵力量。它既包含了各類AI技術在工業(yè)場景的深化應用，也指向一個終極目標——構建能夠像人一樣思考、決策和行動的自主工業(yè)系統(tǒng)。

觀望與探索：工業(yè)智能體的落地情況

·一半觀望，一半探索

在國家“制造強國”與“人工智能+”戰(zhàn)略的推動下，制造業(yè)的智能化轉型已是大勢所趨。今年8月，國務院發(fā)布《關于深入實施“人工智能+”行動的意見》，明確“推進工業(yè)全要素智能化發(fā)展”的目標?！斑@標志著國家層面將工業(yè)智能體發(fā)展提升到戰(zhàn)略高度?！辩娍『普f。

然而，作為一項新興技術，工業(yè)智能體行業(yè)仍處于早期發(fā)展階段，大部分企業(yè)仍在“岸上”謹慎評估。由西門子與至頂科技聯(lián)合發(fā)布的《2025工業(yè)智能體應用現(xiàn)狀與趨勢展望報告》（以下簡稱《報告》），調研對象覆蓋約10個重點行業(yè)的200余家中國制造企業(yè)，結果顯示，43%的受訪制造企業(yè)尚未部署工業(yè)智能體，仍處在觀望階段；24%的企業(yè)僅在少量場景中初步應用；而實現(xiàn)多場景部署的，僅有8%。

化工與材料領域積極嘗試工業(yè)智能體應用

一些先行者已經蹚出了務實的路徑。一家頭部重工制造企業(yè)的AI負責人透露，他們早在2021至2022年便開始部署相關系統(tǒng)，在新建的“燈塔工廠”中，已經能夠實現(xiàn)從接收訂單、動態(tài)排產到生產執(zhí)行的全流程打通，基本無需人為介入。

更多的企業(yè)則選擇了更適合現(xiàn)有工廠與產線的“點狀突破”策略。前述新能源汽車企業(yè)將智能體應用聚焦在兩個關鍵場景：一是將復雜的質量標準和工藝規(guī)范知識化，形成智能體，用于生產過程中的質量檢測；二是在設備運維方面，通過智能體實現(xiàn)預測性維護和故障排查指引。而受訪食品飲料企業(yè)部署的智能體則在供應鏈需求預測和營銷端的視覺識別等場景取得了顯著成效。

·全流程的自主化

從自動化到自主化的趨勢，正在制造全流程中逐步滲透。報告數(shù)據(jù)顯示，生產制造（44%）、研發(fā)設計（32%）和運行維護（25%）是企業(yè)部署工業(yè)智能體的三大核心場景。

生產制造為主要應用環(huán)節(jié)，化工、汽車、冶金企業(yè)積極嘗試

在生產制造環(huán)節(jié)，智能體正成為提升效率與質量的關鍵。上述重工企業(yè)通過智能體實現(xiàn)了生產資源的動態(tài)排產與調度；新能源汽車企業(yè)利用智能體對焊接過程中的電流、電壓等數(shù)據(jù)進行分析，實時優(yōu)化參數(shù)，確保焊接質量；食品飲料企業(yè)則通過視覺智能體自動完成質檢，替代了大量重復性的人工勞動。

在運行維護環(huán)節(jié)，智能體扮演著“數(shù)字專家”的角色。這家新能源汽車企業(yè)與科技廠商合作，開發(fā)了設備運維智能體，具備預測性維護的功能。當監(jiān)測系統(tǒng)發(fā)現(xiàn)問題時，它會自動提示并分析故障來源。另外，該智能體還整合了工業(yè)領域的專家知識庫，員工只需用自然語言描述故障，智能體便能分析原因并提供詳細的解決方案和操作指引。

而在研發(fā)設計環(huán)節(jié)，不同行業(yè)的應用情況則呈現(xiàn)差異。汽車企業(yè)的負責人認為，由于已有成熟的虛擬仿真軟件和代碼生成工具，研發(fā)環(huán)節(jié)的智能化落地難度相對較小。但食品飲料企業(yè)因其行業(yè)特殊性（核心研發(fā)在于配方），AI的應用則相對有限，更多是輔助市場部門進行消費者口味偏好的數(shù)據(jù)分析。

劉波指出，在一些特定領域，智能化應用已相對成熟，例如構建數(shù)字孿生工廠進行仿真優(yōu)化、產線的柔性換產、核心工藝過程的優(yōu)化以及設備的預測性維護等。這些場景的成功落地為更廣泛的應用提供了信心和范本。

·降本增效的核心價值

除了政策利好之外，企業(yè)為何要擁抱智能體？《報告》提到，提升效率（77%）和降低成本（62%）是企業(yè)最看重的兩大價值。

企業(yè)普遍認同智能體可提升效率，小微企業(yè)看重降低成本和優(yōu)化管理

“我們通過AI優(yōu)化鋼材的排版和使用，僅僅降低1%的用量，一年就能節(jié)約成本超一億元?！笔茉L的重工制造企業(yè)的負責人分享了工業(yè)智能體的部署所帶來的切實效益。而上述食品飲料企業(yè)則表示，過去銷售人員需要手動巡查、拍照、錄入商超中的產品“堆頭”（促銷陳列），現(xiàn)在，通過視覺智能體，拍照即可自動識別和統(tǒng)計，極大地解放了人力，提升了數(shù)據(jù)反饋的及時性和準確性。

成本、人才、技術與安全：智能體落地的挑戰(zhàn)

·成本與收益之問

盡管前景誘人，但將聰明的AI“請”進工廠，并讓它可靠地“干活”，卻面臨著重重挑戰(zhàn)。其中，成本是企業(yè)考慮最多的問題。《報告》顯示，63%的企業(yè)將“部署成本高”列為首要挑戰(zhàn)。這筆賬遠不止一筆采購費那么簡單，還涉及與現(xiàn)有系統(tǒng)集成等隱性成本，改造投入甚至可能超過智能體開發(fā)和購買本身。

“不同廠商、不同時期的標準協(xié)議都不一樣，”上述重工制造企業(yè)的負責人坦言，“我們工業(yè)智能體要串聯(lián)起來，就需要全域的數(shù)據(jù)聯(lián)通，這是非常難的一件事?！?/p>

除了前期投入之外，部署智能體的收益周期也相對較長?！叭绻遣捎迷贫溯p量級部署，投資回報可能就是一年到兩年。企業(yè)級的本地部署，投資回收期會長一些，一般要五到六年?！眲⒉ㄕf。

這些因素讓不少決策者望而卻步。前述食品飲料企業(yè)的負責人也坦言：“沒見到結果之前，無論是人員投入還是資源投入都會有所顧忌?！?/p>

盡管如此，專家們普遍認為企業(yè)仍應積極擁抱科技創(chuàng)新帶來的產業(yè)變革。肖仰華強調，智能體帶來的影響遠超技術應用本身，它關乎生產關系的重構。即使面臨ROI（投資回報率）不確定性，企業(yè)也應當從戰(zhàn)略高度去思考和布局。

·“懂算法的不懂生產”：人才的結構性短缺

企業(yè)成本壓力普遍較大，人才短缺也備受關注

報告中，“缺乏專業(yè)人才”（46%）是第二大挑戰(zhàn)。這個問題在訪談中得到了所有企業(yè)負責人的共鳴——市場極度缺乏既懂技術又懂現(xiàn)場的“跨界人才”。“最大的挑戰(zhàn)在于，算法的人員他不懂生產，生產的人員不懂算法，這兩者之間怎么打通？”上述重工制造企業(yè)的負責人直言。

“我們今天處在一個技術供給遠遠超出我們技術消費的時代。解決問題的技術可能早就有了，最大的瓶頸是人，缺乏能夠結合當下技術成熟度，分級分類地去選用相應技術來解決問題的人才?！毙ぱ鋈A表示。

鐘俊浩一針見血地指出了當前復合型人才培養(yǎng)面臨的“三重脫節(jié)”困境：高校培養(yǎng)與企業(yè)需求脫節(jié)、產學研合作深度不夠、行業(yè)認證體系不完善。劉波認為，人才培養(yǎng)的方向應該是讓懂制造的人才具備數(shù)字化素養(yǎng)，“核心是制造，制造是本質，智能化是賦能手段。首先應該具備制造的知識，在此基礎上去培養(yǎng)數(shù)字化素養(yǎng)?！倍@個過程需要時間以及社會各方面的配合。

·面對復雜工業(yè)場景，智能體技術準備好了嗎？

除了成本與人才，40%的企業(yè)也認為工業(yè)智能體的“技術不成熟”。這種“不成熟”主要體現(xiàn)在模型的“水土不服”和結果的“不可靠”。

“工業(yè)是含金量最高的‘戰(zhàn)場’，卻也是‘最難啃的骨頭’。AI落地工業(yè)需要融合大模型、行業(yè)知識、高質量數(shù)據(jù)與應用場景，其中，行業(yè)know-how是工業(yè)企業(yè)制勝AI時代的底層核心能力?！蔽鏖T子全球執(zhí)行副總裁、大中華區(qū)總裁兼首席執(zhí)行官肖松博士在《報告》發(fā)布現(xiàn)場提到。

盡管AI技術本身在不斷進步，但通用語言大模型難以直接應用于工業(yè)生產。上述新能源汽車企業(yè)的負責人解釋道，大語言模型主要基于互聯(lián)網文本數(shù)據(jù)訓練，而工業(yè)數(shù)據(jù)是“雜亂”且多模態(tài)的（包含時間序列、圖紙參數(shù)、工藝配方、三維建模等），“這樣的數(shù)據(jù)特征決定了它在工業(yè)領域的應用邊界”。工業(yè)垂類模型因此成為必需品，但這需要深厚的行業(yè)知識積累和數(shù)據(jù)沉淀。

“現(xiàn)在通用人工智能就好比發(fā)電廠發(fā)出很強的電，但是不是大家就能用呢？最終還得有好的電器設備。”肖仰華也認為，通用AI抬高了智能的天花板，但真正落地需專業(yè)化路徑，如知識圖譜等彌補知識不足。

同時，AI的概率性輸出與工業(yè)生產要求的高度確定性之間存在天然矛盾。上述重工企業(yè)負責人表示，AI無法達到“百分之百的準確率”，在安全生產等“零容忍”場景中應用受限。智能體目前更多是“輔助決策”，而非“替代決策”，最終判斷仍需人的介入進行方向把控和價值判斷，形成人機互補協(xié)同（human-in-the-loop），

·數(shù)據(jù)安全的隱憂

訓練AI模型、建造智能平臺都需要數(shù)據(jù)，企業(yè)可以自己部署，也可以向外部廠商購買智能化定制服務。即使在SaaS（軟件服務）模式提供更低成本和更快部署的情況下，仍有50%的企業(yè)傾向于本地私有化部署，這背后主要是對工業(yè)數(shù)據(jù)安全的考量。

本地部署不僅意味著物理隔離，更能滿足低延遲的生產環(huán)節(jié)。某重工業(yè)和汽車制造企業(yè)都明確，核心生產數(shù)據(jù)絕不出廠，外部供應商需要“來現(xiàn)場使用我們的數(shù)據(jù)”進行開發(fā)，這是典型的“數(shù)據(jù)不出域”策略，但也同時透露這種以自研為主的創(chuàng)新路徑面臨成本和效率的雙重挑戰(zhàn)。有企業(yè)負責人也表示，在業(yè)務敏感度低、實時性要求不高、數(shù)據(jù)分布廣泛以及算力要求高的場景，如設備預測性維護、營銷與售后客服、設計研發(fā)等，云端部署則更具性價比。

這些數(shù)據(jù)表明，企業(yè)正在根據(jù)業(yè)務的敏感度和實時性要求，靈活采用混合部署策略。對于中小企業(yè)來說，成本、AI技術本地化能力和柔性生產的能力可能是部署工業(yè)智能體最主要的障礙，而專業(yè)的服務提供商能夠提供相應的解決方案。劉波指出，SaaS模式以其低成本、高效率的優(yōu)勢，為中小企業(yè)嘗試工業(yè)智能體提供了可行的路徑：“采用這種云端輕量級部署，算力資源、大模型采用云服務，在工廠側布一些端側設備，這樣投資較小，回報較快?！?/p>

更自主，更系統(tǒng)，更開放：工業(yè)智能體的趨勢未來

未來的工廠將是什么樣？劉波描繪了一幅藍圖：“它會實現(xiàn)全工廠的動態(tài)感知和實時決策，具備柔性生產和自主組織的能力。”在這種模式下，人的角色將發(fā)生根本性轉變，“人會從自己解決生產問題，變成向機器提出正確的問題，這可能是比較重要的一個轉變。”

伴隨著制造自主化水平的提升，工業(yè)智能體也將不再是解決單一問題的孤立工具，這一點已經在很多落地應用中初現(xiàn)端倪。未來的工廠將由多個智能體協(xié)同工作，形成一個龐大的“神經網絡”，實現(xiàn)全鏈路的動態(tài)調優(yōu)?！按笮椭圃鞓I(yè)無疑會從單點智能體走向系統(tǒng)智能體?！鄙鲜鲋毓ぶ圃炱髽I(yè)負責人判斷。

同時，多智能體系統(tǒng)也能調用不同模型和工具的能力，比如通用大模型負責交互和通用知識，而處理具體工業(yè)任務（如工藝參數(shù)優(yōu)化、異常檢測）則交給更懂行的工業(yè)垂類模型。

肖仰華認為，工業(yè)智能體所帶來的變革核心在于對生產力要素的重構。“具有高度自主決策水平的智能體，本質上就是新型的勞動力?！边@將促使企業(yè)從組織架構、業(yè)務流程到經營管理都進行一場“智能原生”的深刻變革，而不僅僅是簡單的“AI+”。

企業(yè)單打獨斗的時代已經過去。《報告》顯示，68%的企業(yè)愿意與外部科技廠商合作共創(chuàng)。這種合作并非簡單的采購關系，而是數(shù)據(jù)、技術和場景知識的深度融合，包括工業(yè)模型的共創(chuàng)。實踐中已經涌現(xiàn)出多種模式：食品飲料企業(yè)與大學的產學研合作，新能源車企與科技巨頭的技術合作，以及重工企業(yè)與各類專業(yè)供應商的場景合作。

鐘俊浩認為，一個完善的工業(yè)智能體生態(tài)，應包含技術底座提供方、行業(yè)解決方案商、數(shù)據(jù)服務商和系統(tǒng)集成商、標準認證機構和產業(yè)投資機構等關鍵角色，形成“技術-產業(yè)-應用-服務”的完整閉環(huán)。

一場工業(yè)的智能革命，或許已經悄然打響。工業(yè)智能體正從一個前沿概念，具體化為生產線上的質檢員、供應鏈里的預測師、設備旁的維護專家。從自動化到自主化的躍遷之路，漫長而充滿挑戰(zhàn)，但它所指向的，是一個更高效、更柔性、更智能的制造業(yè)未來。對于國家而言，面對全球產業(yè)鏈重構和國內市場轉型的挑戰(zhàn)，工業(yè)智能體通過賦能生產線的自主決策與優(yōu)化，有望將制造業(yè)的競爭優(yōu)勢從“人口紅利”轉向“技術紅利”和“智能紅利”。

掃描上方圖片內二維碼，查看報告全文