AI落地Best Practice · 企业与业务成品 · 2025-07-13

工业智能体落地仍有三道坎

工业智能体正加速落地制造业,但技术成熟度、场景复杂度和市场供需仍是三大挑战。

核心内容:

  1. 工业智能体在振华重工、上汽乘用车等企业的应用案例与成效
  2. 技术成熟度不足与原创性突破的瓶颈分析
  3. 硬件、软件、算法等核心环节的自主化与生态建设问题

**编者按:今年的政府工作报告提出,持续推进“人工智能+”行动,将数字技术与制造优势、市场优势更好结合起来,支持大规模广泛应用。这是“人工智能+”第二次被写入政府工作报告,与去年侧重于技术研发和产业集群建设不同,今年的提法更侧重于技术的落地应用,将人工智能的应用重点指向了制造业。《中国电子报》特开设“AI+制造”深度调研行栏目,深入基层、走进一线展开实地调研,报道各地方、各企业优秀案例,探讨新一代AI技术落地带来的机遇与挑战,推广“AI+制造”中国方案。****

振华重工利用基于书生·浦语自研的多任务AI智能体将图纸设计、物资采购、生产进度、船期信息、船运计划整合,实现跨平台跟踪,作业效率大大提升;上汽乘用车通过豆包大模型及AI智能体让用户心声直达研发端,驱动车企快速迭代和优化产品;在宝武钢铁,华为工业智能体通过高炉炉况优化,每年可以为宝钢降本超过10亿元……

工业智能体正在走进生产场景

作为新型工业化发展的核心驱动力,工业智能体正加速向我们走来。然而,值得关注的是,受限于技术成熟度、场景复杂度以及市场供需情况等多方面因素的影响,现阶段工业智能体的落地仍面临诸多挑战。

技术成熟度尚不及预期

伴随智能体概念大火,市面上涌现出了各种各样的“工业智能体”产品和解决方案。从市场反馈来看,业界普遍对AI智能体的发展前景持乐观态度。然而,阿里巴巴达摩院决策智能实验室研究员王孟昌在接受《中国电子报》记者采访时坦言:“工业系统是受物理约束和资源约束的经济工程系统,并且处于持续变动的外部环境之中,单纯基于昨天经验的‘数据驱动’方案通常无法很好地适应今天的问题。”

他认为,不深入系统机理、单纯指望“堆”数据和硬件的方案,并不能算作真正的工业智能体。

只有能够准确地感知和预测工业系统的状态、并在自主决策中严格遵守数量关系和安全边界约束的产品,才能够被称之为“工业智能体”。

“要衡量一个产品是不是真正的工业智能体,首先要看它是否具备工业智能体的核心‘标签’,如是否能实现基于数据感知‘自主决策’,是否是‘智能生成驱动’等;其次,还要从核心技术、可视化展现、研发投入、应用案例等进行多维度的综合评估。”鼎捷数智执行副总裁刘波对《中国电子报》记者说道。

鼎捷数智积极打造“工业智能体”

工业智能体并非单一技术,而是一个融合了多领域前沿技术的综合智能系统。“客观来讲,多数智能体的发展还处于初级阶段,局限在为大语言模型添加基础的规划能力和工具调用(或者说函数调用)功能,在简单场景中可以选择正确的工具完成任务,但面对更复杂、更个性化的场景时,技术成熟度仍显不足,尤其缺乏原创性、颠覆性的技术突破。”刘波表示。

国家工业信息安全发展研究中心刘劲松等专家近期发布的研究报告显示,工业智能体技术链仍存在硬件、软件、算法等核心环节自主化程度低、生态体系薄弱等瓶颈,导致产业发展受制于外部技术壁垒。比如,硬件技术方面,高端工业传感器、边缘计算芯片、高精度伺服系统等核心器件国产化率不足30%,供应链稳定性受地缘政治影响较大。而在软件技术方面,研发设计类(CAD、CAE等)、生产控制类(PLC、DCS等)、运营管理类(ERP、MES等)等工业软件市场长期被国外品牌垄断,国产软件在复杂场景适配、多系统兼容性等方面存在明显短板。算法方面,自主创新的工业级深度学习模型、强化学习策略及数字孪生推演算法储备不足,底层架构对工业机理模型的融合能力较弱…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/AIgongye/2025071382065.html