工业智能体应用现状、挑战及对策建议

赛 迪 研 究 院主 办 2025年10月15日总第14期3第期 本期主题 □工业智能体应用现状、挑战及对策建议 『所长导读』 2025 年 8 月，国务院正式发布《关于深入实施“人工智能 +”行动的意见》，强调在软件、信息、金融、商务、法律、交通、物流、商贸等领域，推动新一代智能终端、智能体等广泛应用。工业和信息化部发布信息化和工业化融合 2025 年工作要点，鼓励研发推广面向典型场景的工业智能体，支持一批企业开展智能体试点建设，提升工业全流程智能化水平，支持工业智能技术研发，制订工业智能技术体系图谱。在政策引导下，工业智能体逐渐从单一智能体到多工业智能体集群协作模式的转变，成为制造业智能升级的核心引擎，呈现出技术融合、应用多元、生态协同的发展态势。 当前，我国工业智能体发展仍面临核心零部件自主可控不足、算法可靠性挑战及产业生态和商业模式尚不完善等问题，制约了产业的规模化应用和效率提升。为深入研判工业智能体发展趋势及产业机遇，未来产业研究中心推出本期专刊，聚焦技术进展、应用实践与产业生态，系统梳理制造业、能源、物流等重点行业的应用案例和国内外产品动向，深入探讨工业智能体发展面临的技术攻关、应用推广及生态建设等方面挑战，并从技术创新、场景拓展、生态建设和政策引导等维度提出了相关建议。 希望本期内容能够为各级政府部门制定工业智能体发展战略提供参考，为产业界指明从技术探索到规模化应用的升级路径，推动工业智能体从实验室概念向现实生产力转化，成为提升产业效率、优化资源配置和增强竞争力的重要支撑。 赛迪智库无线电管理研究所（未来产业研究中心）所长 蒲松涛2025 年 10 月 15 日 目 录目 录CONTENTS 本期主题：工业智能体应用现状、挑战及对策建议 一、工业智能体概述与发展现状……………………………………1 （一）工业智能体的定义和特征……………………………………………………1（二）全球主要经济体工业智能体发展动向………………………………………2 二、工业智能体的应用场景与实践…………………………………4 （一）主要应用场景分类……………………………………………………………4（二）典型应用案例分析……………………………………………………………5（三）多工业智能体集群协作模式…………………………………………………7 三、工业智能体的技术支撑体系……………………………………8 （一）技术栈构成……………………………………………………………………8（二）产业链分析……………………………………………………………………9 四、主要厂商布局与产品动向………………………………………9 （一）国外厂商布局…………………………………………………………………9（二）国内厂商动向………………………………………………………………11 五、工业智能体应用面临的主要挑战……………………………12 （一）技术适配挑战………………………………………………………………12（二）应用推广挑战………………………………………………………………12（三）生态建设挑战………………………………………………………………13 六、政策建议………………………………………………………14 （一）完善顶层设计，引导有序发展……………………………………………14（二）加强技术攻关，提升供给能力……………………………………………14（三）推进试点示范，加速应用推广……………………………………………15（四）优化发展环境，激发市场活力……………………………………………15（五）深化国际合作，提升发展水平……………………………………………15（六）强化风险防控，确保安全发展……………………………………………16 本期主题： 工业智能体应用现状、挑战及对策建议 中心刘劲松等认为工业智能体作为智能体技术与行业Know-How深度融合的产物，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。 一、工业智能体概述与发展现状 （一）工业智能体的定义和特征 工业智能体是指在特定的、复杂的工业环境中，为完成特定目标或任务而设计、部署和运行的具有高度自主性、反应性、主动性、社会性和适应性的软件实体。它并非单一技术，而是融合信息技术、自动化技术与人工智能技术的综合智能系统，实现对生产设备、工艺流程和物流管理等环节智能化控制与优化的系统。 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。专家表示，工业智能体拥有自主决策能力，具备更好的复杂系统协同能力，能自 主 形 成 知 识 沉 淀 并 复 用， 是AIAgent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。 根据不同维度，工业智能体可进行多种分类。按照功能划分为执行型智能体、决策型智能体和协作型智能体，按照部署方式划分为本地智能体、云端智能体和边缘智能体，按照服务范围划分为场景级智能体、环节级智能体和产业链级智能体。国家工业信息安全发展研究 将智能体作为AI助手嵌入到具体生产场景中，以人机协同为导向推动柔性制造与智能运维等场景落地。在政策引导方面，美国政府将人工智能发展纳入国家战略层面，通过《美国人工智能倡议》《美国人工智能行动计划》等系列文件部署专项资金、推动标准建设与产业试点。 （二）全球主要经济体工业智能体发展动向 工业智能体作为实现制造智能化、高效化、灵活化的重要路径，成 为 各 国 产 业 政 策 布 局 的 关 键 一环。全球主要经济体正加快推进工业智能体的研发与应用，力图在智能制造新一轮变革中占据先机。美国、欧盟、中国、日本等国家和地区，围绕核心算法、工业基础设施与行业落地场景等抓手，呈现出各具特色的发展动向。 欧 洲在 工 业 智 能 体 领 域 的 发展呈现出绿色导向、伦理合规的独特路径，强调在推动先进制造智能化的同时兼顾可持续发展与社会责任。欧洲以《人工智能大陆行动计划》、德国“工业4.0”战略为引领，积极推动工业大模型、智能体平台与工业软件、自动化系统融合，打造具备自主学习、知识推理和跨系统协同能力的工业智能体。西门子、ABB、施耐德电气、SAP等领军企业通过开放平台构建多层级、可复用的工业智能体架构。欧洲倾向于将工业智能体用于流程工业、高端装备制造、能源系统等领域，特别是在汽车、航空和制药等行业，帮助企业实现数字化、绿色化转型。同时在工业智能体的发展进程中，欧洲始终把数据隐私保护和伦理合 美国在工业智能体领域的发展处于全球领先地位，其将工业智能体视为推进先进制造和保障技术主导权战略的重要支点，工业智能体整体呈现出“技术驱动+场景牵引+生态构建”协同推进的特征。在技 术 层 面，OpenAI、Anthropic、Google DeepMind等 一 批 世 界 领 先的人工智能企业，正推动大语言模型、多模态模型等技术快速演进；微软、英伟达、亚马逊等企业正在加快布局云边端一体化的算力平台和开发工具体系，构建支撑工业智能体高效部署与运行的底层基础设施。在实际应用层，美国企业普遍 规视为核心关注点。受《人工智能法案》《通用数据保护条例》等法规影响，欧洲在工业智能体系统的数据采集、处理与共享过程中，强调用户授权、数据最小化和使用可追溯性原则，确保工业数据在流通和 训 练 模 型 过 程 中 不 触 及 隐 私 红线。 操作，还延伸至服务机器人、智慧养老制造等新兴领域，为老龄社会构建更高效、更智能的服务供给体系。 我国推动制造业数字化、智能化转型是实现新型工业化、构建现代产业体系的重要路径，工业智能体正逐步成为制造业智能升级的核心引擎。政策层面，2025年6月，工业和信息化部两化融合工作领导小组提到要以工业智能体为抓手深化人工智能工业应用，带动工业数据集、工业大模型的创新迭代。通过智能体推动制造业全流程智能化变革，助力培育新质生产力。2025年8月，国务院《关于深入实施“人工智能+”行动的意见》进一步强调，要推动新一代智能终端、智能体等广泛应用，提出2027年实现应用普及率超70%，2030年普及率达90%的 目 标。 在 一 系 列 政 策 的推动下，工业智能体作为落实关键任务的重要环节，其重要性不言而喻。与此同时，人工智能赋能新型工业化的相关工作也在稳步部署，工业智能体作为其中的关键构成，其具体要求与覆盖率规划正逐步成 日本在工业智能体发展方面聚焦制造业核心竞争力的提升，将工业智能体作为推进智慧制造和“社会5.0”的重要支撑力量，利用人工智能体技术解决人口老龄化带来的社会问题。日本政府通过《人工智能相关技术研究开发及应用推进法》《人工智能运营商指南》等系列政策文件，推动AI与机器人、物联网、大数据深度融合，打造以智能体为基础的下一代制造模式。制造巨头如日立、松下、三菱电机、富士通等加快部署工业智能体解决方案，广泛应用于智能车间管理、设备预测性维护、质量控制优化等环节，提升柔性制造与快速响应市场的能力。工业智能体不仅广泛部署于高危、高强度、重复性强的岗位，替代或辅助年长工人完成复杂 型，将成为未来重点发力的方向。企业方面，华为、阿里、百度等厂商基于自身云计算和大模型能力，陆续推出面向不同工业场景的智能体解决方案，涵盖流程优化、设备管理、质量监控、能源调度等关键环节，加快推动从通用智能体向工业垂直智能体演进。IDC 2025中国工业企业调研显示，工业企业中已经应用了大模型及智能体的比例，从2024年的9.6%显著提升到2025年的47.5%。其中，已经在多环节开展应用的企业从1.7%显著提升到35%。在已经应用大模型及智能体的企业中，超过73.7%的企业应用场景数量集中在十个至几十个之间。 研发设计（32%）、运行维护（25%）、供应链管理（19%）。 在研发设计场景中，工业智能体正重塑工业研发设计的范式，实现从经验导向数据智能驱动的质的飞跃。在强大的算法模型和丰富的数据资源的支撑下，工业智能体能够深入分析市场趋势、用户偏好、竞品特征等多维信息，构建精确的需求画像，提前预判研发方向。研发人员也可借助智能体强大的知识图谱激发创意灵感并优化建议。智能体依托数字孪生与仿真技术，还可对设计方案进行虚拟迭代与性能预测，大幅降低企业试错成本与开发周期。 在生产管理场景中，工业智能体凭借强大的系统集成与实时响应能力，正在重塑工业生产管理的运转流程。通过动态感知订单、设备、物料与人员等核心资源状态，智能体能够设计最优排产计划，实现产能与订单的精准配对，打破传统线性管理的刚性限制。智能体还可以在生产全过程中持续监测关键质量指标，动态识别潜在偏差与异常波动，并在第一时间发出预警并优化 二、工业智能体的应用场景与实践 （一）主要应用场景分类 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、仓储物流等场景中发挥重要作用。西门子调研结果显示，调研企业部署工业智能体的主要场景是生产制造（44%）、 深入部署，不同行业正逐步形成契合自身商业模式的应用推广和价值转化路径。在钢铁、石化、汽车制造、电子制造、纺织等典型行业中，工业智能体深度融合了行业工艺、设备系统与业务流程，帮助企业全链条各环节的智能化转型。 参数设置，减少不良品率。 在设备运维场景中，工业智能体通过持续采集设备运行数据，如温度、电流、能耗等参数，能够提前识别异常趋势，实现对故障的预测性防范，而非被动响应。当系统出现异常趋势时，智能体能够迅速锁定故障源头，分析可能成因，并且协同调度维修资源，自动匹配合适的工程人员、所需备件与检修窗口，提升运维效率并降低停机损失。 在钢铁行业中，湖南湘钢集团利用大模型部署的行车智能调度系统集成了炼钢生产计划、行车检修信