从技术融合到场景落地 工业AI进入务实发展阶段

“AI Agent其最终形态可以理解为一种高级软件，只是计费方式可能不再是传统的许可证（license）或订阅模式，而是基于token的计费模式。”国家智能制造专家委员会委员、e-works CEO黄培博士对中国工业报分析道。在他看来，工业AI的推进并非盲目布局，而是有清晰的路径可循：首先需要明确目标，识别关键场景，将需求转化为具体、可量化的目标——这是评估数字化项目成效的基础，在此之上，再评估数据的可用性与技术可行性，最终完成技术与厂商的选择。

国家智能制造专家委员会委员、e-works CEO 黄培博士

如今，随着人工智能技术与制造业的深度交融，工业AI正逐步脱离概念炒作，进入以技术融合、场景落地、价值实现为核心的务实发展阶段。而智能制造作为制造业推进新型工业化的主攻方向，也在工业AI的赋能下，由基础建设进入智能升级的梯度发展新周期。

AI+工业软件：推动产业格局重构

智能制造的推进，离不开工业软件这一核心支撑。然而，其中生成式设计（Generative Design）成为备受关注的方向，它能够根据约束条件和制造工艺，自动生成符合要求的零件，推动工业设计从“计算机辅助人设计”向“人辅助计算机设计”转变，这不仅是设计效率的提升，更是设计理念和范式的重构，也成为各方技术竞争的核心焦点。

当前工业AI领域，不少人存在认知误区，将生成式AI视为分析式AI的下一代，实则二者在制造业中并非替代关系，而是互补共存。黄培表示，分析式AI仍是制造企业AI应用的主流，其依托机器视觉、机器学习等技术，通过数据采集、建模分析，实现设备故障判断、产品质量检测、能耗异常预警等功能，这类应用能快速得出结果且可在边缘端部署，覆盖制造业生产运营的核心场景；生成式AI则依托知识库生成文本、代码、图像等内容，在投标文件撰写、各类代码（数控代码、PLC代码、工业机器人程序和软件代码等）生成、智能客服等特定场景发挥独特价值，提升业务效率。二者协同才能为工业软件智能化升级提供完整技术支撑。

在CAD这一核心工业设计软件领域，AI技术的融合创新已形成明确方向，Text to CAD模式和生成式设计成为两大重要突破点。用户通过文本描述，通过AI查询相关标准及已有的相似模型即可生成三维模型，甚至能借助大模型将二维工程图转化为语言描述，再进一步生成三维模型，这类技术正推动工业设计从传统人工模式向智能辅助模式转变。AI与工业软件的深度融合，不仅带来了技术层面的升级，更推动了工业软件产业格局的重构，既带来了全新挑战，也为国产工业软件厂商追赶国际大厂打开了新的机会窗口。

其中，AI Agent的出现，成为重构产业格局的关键变量。作为融合了工作流与RPA（机器人流程自动化）优势的智能枢纽，AI Agent能实现各类工业软件间的智能连接和数据互通，集成大小模型应用和任务的自主执行，具备更高的智能化水平。这一特性也对传统工业软件的商业模式形成了一定冲击，可能导致部分软件的用户许可证需求减少，甚至让部分软件沦为被调用的API，失去与用户的直接交互接口。但值得注意的是，复杂工具类工业软件拥有天然技术护城河，AI技术并非简单替代工业软件，而是与工业软件深度融合的核心抓手。

黄培分析，越是复杂的工具类软件，例如CAD软件，其核心护城河在于私有、非开源的文件格式和复杂算法，这类软件越难被替代；而那些涉及工作流、多软件之间流程集成与调用的专业软件，则相对容易被替代。对于国产工业软件厂商而言，关键在于将AI技术真正融合进软件核心流程，而非简单作为附加的知识库，唯有如此，才能在细分领域形成差异化竞争优势。

工业软件的智能化升级，也离不开通用AI厂商与工业领域厂商的协同创新——纯通用大模型厂商缺乏对工业场景理解，工业厂商则拥有丰富的工业数据和实践经验，二者“井水不犯河水”的发展模式难以形成成熟的工业AI解决方案，深度协作才是必然趋势。

智能工厂：破解重硬轻软发展痛点

工业AI与工业软件的融合，最终要落地到智能工厂建设这一核心载体上。中国制造业规模虽已成为全球第一大国，且在灯塔工厂、智能制造成熟度评估等方面取得显著成效，但大量企业在智能工厂建设中存在盲目投入、重硬轻软的问题，不少企业采购了大量高端设备，却仍停留在单机应用阶段，智能制造的价值未能真正发挥。黄培表示，精益工厂、互联工厂、透明工厂、数字化工厂、智能工厂的“五级修炼”方法论，为我国推动梯度智能工厂建设提供遵循依据。

精益工厂是智能工厂建设的基石，核心是实现精益生产，减少浪费，解决中国制造企业普遍存在的库存过高、生产效率低下等痛点。

在精益工厂的基础上，互联工厂建设成为打通生产数据壁垒的关键。透明工厂则通过可视化手段，实现生产状态的全面感知与实时呈现，是智能工厂建设的重要进阶阶段。黄培强调，透明工厂建设并非简单部署大屏——现实中不少企业的大屏要么无人关注，要么信息难以理解，失去了可视化的意义。真正的透明工厂，需要实现从工厂层、车间层、产线层到设备层的层层贯通，做到既见整体、又见局部，让数据真正成为管理决策的依据。

数字化工厂是智能工厂建设的核心阶段，依托MES（制造执行系统）、工厂仿真等工业软件和技术，实现生产过程的数字化管控与优化。智能工厂的最终目标，依托人工智能、数字孪生等前沿技术，实现生产过程的智能化、柔性化与自主化。

黄培认为，未来的制造往往面向小批量、多品种，工厂将更多呈现人机结合的少人化形态。因此，如何实现人与机器更好的协同、机器与机器更好的互动，从而构建柔性自动化，将是一个重要的发展方向。

黄培同时指出，制造企业还应强调服务化转型。制造企业面临的一大挑战是许多企业仍停留在“一锤子买卖”模式，产品售出后便难以再从客户身上持续获得收益。尤其是装备制造企业，如何通过备品备件、金融服务、设备维修等环节持续创造利润，是值得探索的方向。

具身智能：场景化落地成产业化核心

如果说AI与工业软件的融合是人工智能在制造业的‘软赋能’，那么智能工厂的梯度建设与具身智能的发展，则是工业AI从虚拟走向现实、实现‘软硬结合’的重要路径。

作为人工智能的重要分支，具身智能近年来成为产业热点，人形机器人更是被视作朝阳产业，根据赛迪发布的最新报告，当前我国人形机器人市场占全球80%，但行业发展仍存在过度追求“表演秀”、忽视实际应用价值的问题。

场景深度融合，是具身智能从实验室走向产业化的关键所在。脱离具体应用场景的技术研发，难以形成商业价值。具身智能的价值不在于形态的“类人化”，而在于能力的“场景化”，只有真正融入工业、服务业、特种行业（例如消防、救援等），成为实际工作中的“好帮手”，才能实现产业化落地。

在黄培看来，具身智能的发展并非局限于双足人形机器人，任何具备物理实体和智能能力的载体，都属于具身智能的范畴。VLA（视觉-语言-行动）模型是一个关键方向。它采用类人的方式：通过视觉理解物体，结合经验判断其软硬、施力大小等，从而完成抓取。这些能力对人类而言已成潜意识，不需要思考，但如何让机器人具备这种认知，仍是核心挑战。

从分析式AI与生成式AI的协同融合，到工业软件的智能化升级，再到智能工厂的梯度建设，最终到具身智能的场景化落地，工业AI的发展正沿着“技术-产品-场景-产业”的路径层层落地，逐步走出概念炒作的阶段，进入务实发展的新周期。而这一过程中，无论是制造企业、工业软件厂商，还是AI技术企业，都需要摒弃单打独斗的思维，通过协同创新实现技术与产业的深度融合。

同时，中国制造业也在这一过程中，针对自身特点选择发展战略。既有产品领先型企业注重研发创新，也有制造领先型企业当把制造和工艺做到极致，依托工业AI实现生产、设计、服务的全链条智能化，制造环节也能成为产业链中盈利最高的环节。未来，随着工业AI技术的不断突破与场景的持续落地，智能制造将成为中国制造业向全球价值链高端迈进的核心动力，推动新型工业化建设迈向新高度。