工业智能体究竟价值几何？

当你用AI整理会议纪要时，智能体已经可以自主提交完整的设备巡检报告；当你用AI体验以图生图时，智能体已经能够辅助生成工业设计方案；当你尝试用AI解决日常问题时，智能体已经开始在工厂教徒弟、带团队。作为大模型落地工业应用的重要形态，工业智能体正逐渐融入工厂研发、制造、管理等全流程之中。

工业智能体是什么？

今年上半年，AI智能体板块出现多次涨停潮，以鼎捷数智为代表的一批工业领域智能体企业的股价也迎来大涨。“工业智能体”概念虽已大火，但到底什么是工业智能体？这一问题目前尚无统一的答案。

华为等单位联合编制的《工业数字化/智能化2030白皮书》提出，工业智能体如同人体，工业软件是大脑，工业云底座是心脏，工业边缘引擎、数字工业装备是四肢，先进工业网络是贯通全身的神经，工业数据是无处不在、流动的血液，端到端安全则是免疫系统。

国家工业信息安全发展研究中心工程师刘劲松等业内专家普遍认为，工业智能体是智能体技术与行业Know-How深度融合的产物，能实现对生产设备、工艺流程和物流管理等环节的智能化控制与优化，是制造业数字化转型从“信息化建设”迈向“价值创造”的关键推手。

亚信科技工程总监刘长水表示，工业智能体是AI Agent技术在工业垂直场景中的应用深化，本质上是“工业机理+大模型+业务系统”的融合体。

工业智能体参考架构

尽管视角不同，业内人士普遍看好工业智能体的价值，认为工业智能体是未来推动工业智能化转型的“必答题”。国际咨询机构数据显示，已经应用了大模型及智能体的中国工业企业的比例，从2024年的9.6%提升到2025年的47.5%。其中，35%的企业已在多环节开展应用；已经应用大模型及智能体的企业中，超过73.7%的企业应用场景在10个到几十个左右。

刘长水指出，工业智能体相比传统自动化系统的本质区别在于，拥有自主决策能力，能实时感知环境并动态生成决策；具备更好的复杂系统协同能力，能打通工业设计、生产、供应链等多个环节；能自主形成知识沉淀并复用。“工业智能体就像是位经验丰富又能时刻关注前沿变化并不断迭代自己的‘老师傅’。”他说。

亨通数科产品总监董晓健表示，工业智能体的核心优势在于其综合性与通用性：既能够像人一样理解论文、图纸等非结构化信息，又能灵活调用传统AI小模型，解决特定领域的专业问题。在工业场景下，这种能力尤为关键，这也是大模型从通用场景转向工业应用的关键支点。

工业智能体用在哪？

“工业智能体改造制造业，带来的不仅仅是工具的革命，也是一次革命的工具。如果把AI应用落地当做一场足球赛，那么软件智能体就是把球踢进对方球门的前锋。其中，左前锋是传统ERP、CRM等软件，被AI重新改造升级、形成各种工业级的AI Agent；右前锋则是AI原生的Agent，赋能制造业升级。”阿里云智能副总裁安筱鹏表示。

目前，工业智能体已在多个场景内有所应用。刘劲松等业内专家将工业智能体按功能划分为执行型智能体、决策型智能体、协作型智能体，基本涵盖了智能体的主要角色与职责；按照服务范围划分，则可以分为场景级智能体、环节级智能体和产业链级智能体。他们指出，工业智能体通过感知工业现场环境，基于决策结果调用相关工具逐步实现既定目标，在研发设计、生产制造、运行维护、供应链管理和经营管理等场景中发挥重要作用。

越来越多企业积极着手布局工业智能体。西门子尝试打造面向工业自动化的AI智能体，突破传统辅助应答模式，打造能够自主执行完整流程的系统，预计帮助用户提升50%的生产效率。华为依托盘古大模型推出工业智能体，实现全链式智能服务，降低企业运营成本18%。联想推出制造领域智能体矩阵，在研发设计、生产优化、供应链协同、客服服务等关键场景实现智能驱动，交付效率提升82%。

联想制造领域智能体矩阵

“当前，智能体在智能问答、文档审核、文档生成等方面应用较广。”董晓健表示：“工业智能体的核心应用价值主要体现在两个方面：其一是对海量数据的快速索引；其二是与应用系统相结合，融合各种结构化与非结构化数据库，完成更全面的内容输出。”

“工业智能体带来的最明显价值就是工业生产效率提升、成本优化、产出质量提升。”刘长水说道。过去由经验规则驱动控制的生产流程，现在有机会交由AI实现基于数据驱动的控制，大幅提升作业效率。

工业智能体向哪去？

7月11日，工业和信息化部发布《信息化和工业化融合2025年工作要点》，明确提出“提升智能化水平”的重要任务，要求编制制造业企业人工智能应用指南，加强人工智能技术在工业领域的深度融合应用。实施“人工智能+制造”行动，支持企业在重点场景应用通用大模型、行业大模型和智能体。

“面对工业数字化的发展趋势，我们可以认为工业数字化就是一场马拉松，没有终点，只有持续进化。”华为工业数字化产业发展总监郭小龙强调。

业内专家将工业智能体的部署过程概括为数据筑基、场景切入和生态扩展三个阶段。

数据层面，标准化和公开化是两个关键词。董晓健认为，政府应推动建设更多公开、可用的行业数据集。刘长水表示，企业应建立更加标准化的数据清洗流程，降低标注成本。

场景层面，强调先试点再推广。刘长水根据行业实践经验，推荐企业优先从单点业务切入，选择数据较完整、流程较清晰的业务，再逐步扩展至全业务和复杂系统，以降低探索成本。

工业智能体赋能工业生产

生态层面，多智能体协同将成为未来发展的重要路径。科技部前副部长李萌表示，当前，“基础－垂类”协同并进、“大型－小型”融通适配、“中心－边缘”梯次接续的模型体系正在逐步形成，智能体的发展已经进入突破阶段。

董晓健指出，工业智能体要具备更强的能力，需要大小模型联合发挥作用，“大模型做推荐，小模型做执行。”未来，工业智能体可能演化为一个综合性的入口，通过协同多个垂域模型，实现联网协作，构建更庞大、丰富的知识网络。

“目前，由于技术条件等因素的限制，工业智能体尚不成熟，但看待它的眼光应该放长远。”刘长水表示：“我们希望携手各界伙伴，在产学研用协同的基础上，推动算法模型、工业知识图谱、数字孪生等技术深度融合，智能体必将从‘辅助工具’走向‘生产力主体’，推动工业制造业从‘经验驱动’向‘认知驱动’跃迁。”