2026年,工业AI正站上规模化落地的十字路口。一边是政策端全力推动——工信部等八部门联合印发《“人工智能+制造”专项行动实施意见》,明确提出到2027年推动3—5个通用大模型在制造业深度应用,形成1000个高水平工业智能体。另一边是产业端遭遇瓶颈——尽管全球约70%的制造企业已引入AI,但真正实现规模化并转化为利润的企业,仅有6%左右。
繁荣的发布会叙事与缓慢的产线渗透之间,横亘着一道需要系统性突破的门槛。
今天的工业AI呈现一种结构性的“点状繁荣”:少数场景跑通,大量项目停滞;局部效率显著提升,整体系统并未重构;个别工厂成功,却难以跨产线、跨工厂复制。
数据揭示了这种反差。西门子与至顶智库发布的《2025工业智能体趋势展望报告》对200家工业企业调研显示,43%的企业尚未部署工业智能体,广泛部署的仅占8%。麦肯锡的数据同样指出,仍有47%的制造企业停留在试验阶段,31%处于单点试点。
“用了AI”不等于“用起来了”,这是当前工业AI最核心的矛盾。
工业AI规模化落地的阻力并非集中在某个单一环节,而是分布在多个关键节点上,形成一套结构性的困局。
场景层面:投入产出比算不过账
工业现场对容错率极其敏感,企业愿意让AI辅助观察,却很难交出控制权。霍尼韦尔大中华区总裁余锋在夏季达沃斯论坛上也强调:“制造业、建筑业等实体产业容错率极低,工业AI不能简单套用通用大模型的应用逻辑,而必须建立在对行业工艺、安全规范、生产流程的深度理解之上。”
当复杂场景难以推进,企业往往退而选择视觉检测这类切口,但随之而来的是新问题:为替代少量质检人力,动辄需要数百万级设备投入,模型泛化能力有限,难以复用。
组织层面:IT与OT各说各话
德勤与港大的调研给出了一个反直觉的结论:阻碍AI成功应用的首要因素是“组织与文化障碍”,占比达50%,显著高于技术基础设施(39%)和战略规划(33%)。思科对1000名行业领导者的调研更进一步:43%的工业企业存在IT-OT协同有限甚至无效的问题。
两层团队走的是两套语言体系。IT工程师关注算法精度和推理延迟,OT工程师关心设备可用性和订单交付周期。这种“概率思维”与“布尔逻辑”的碰撞,往往以模型闲置告终。某钢厂的AI能耗优化模型,IT测试准确率达92%,OT因8%的误判风险拒绝了在主产线的部署。
数据层面:有效数据占比极低
工业数据高度分散在PLC、MES、ERP等系统中,甚至存在于纸质记录里。通用大模型在工业场景中的“幻觉率”可高达50%以上,这意味着一线操作工很难直接采信AI给出的建议。
鼎新数智、友上科技与伟胜干燥三方合作的实践印证了一个方向:真正的突破在于打通IT与OT数据,用AI Agent主动驱动任务执行,而不是让人在多个系统间手工搬运信息。
找准高价值场景,小步快跑
根据e-works对2000余家工业企业的调研,生产排程、质量检测、设备预测性维护和能源优化是目前回报最稳定的四类场景,平均投资回报率超过150%,回本周期普遍在1至2年。
福莱瑞达在链博会上发布的工业智能体平台提供了一个“先自用、再赋能”的样本。在旗下7家公司、110个部门完成全量部署后,65个专业智能体落地生产线:人力智能体让人才筛选效率提升85%,销售方案撰写、行政办公效率显著提升。
双项目经理制——IT与OT的“翻译官”
成功案例的共同做法是“双项目经理制”:每项目同时配置一名熟悉生产流程的业务负责人和一名理解算法的技术负责人,共同完成从业务需求到模型设计的转化。某山东化工厂反应釜良率优化项目中,业务经理将厂长的模糊需求拆解为12个可量化的技术指标,AI经理基于这些指标设计了包含17个影响变量的模型架构,项目提前交付,良率达标。
打通数据底座是前提
西门子与Snowflake的合作正指向这个方向——将西门子工业边缘的OT数据与Snowflake AI数据云中的IT数据连接起来,让制造商获得可规模化的数据基础。西门子工厂自动化事业部CEO Rainer Brehm指出:“在车间场景的OT/IT融合方面,西门子拥有深厚的专业积淀;而Snowflake则在大规模OT与IT数据的管理、分析方面独具优势。”
2026年最值得关注的趋势之一,是具身智能开始真正进入制造产线。
它石智航与天海电子的合作是一个标志性事件。双方围绕汽车线束装配场景展开规模化应用,这是全球范围内具身智能在汽车线束领域的首次规模化落地。线束装配是典型的“柔性任务+长程操作+亚毫米级精度”难题,长期依赖人工。它石智航通过多模态感知、力控算法与具身大模型结合,让机器人能够理解线束形态、感知接触状态、根据工况反馈调整动作,并借助天海电子丰富的量产工况持续迭代。
与此同时,上海嘉定区与它石智航签署协议,推动落地全国首个千台级工业具身智能机器人集群,首期项目落地安波福生产基地,打造“真干活”的工业机器人集群。
从固定轨迹的自动化到能感知、能适应、能学习的具身智能,这可能是工业AI从“看见”走向“动手”的关键一步。


客服
小程序
公众号