行业研报|工业软件向智能体进阶核心三问

点击上方

蓝色

关注我们

自《人工智能+制造专项行动实施意见》明确提出，到2027年推出1000个高水平工业智能体。工业和信息化部随后印发的《人工智能+软件专项行动实施方案》，也从软件底座层面为这一进程提供了支撑——“聚焦核心工业环节，研制安全可靠、行为可校验的工业智能体”。工业智能体被写进了文件，却还没真正走进车间。

工业智能体应用主阵地在哪

中国航空工业集团信息技术中心原首席顾问宁振波表示，工业智能体从概念走向产业，首先要解决三个问题：哪个领域是工业智能体规模化落地的主阵地？智能体落地边界在哪里？为结果付费的商业闭环，究竟跑通了没有？这三个问题，一个关乎赛道选择，一个关乎能力边界，一个关乎商业模式。三个问题都思考清楚了，产业坐标才算真正清晰。

2026年国内工业智能体已经进入场景化落地攻坚期，但不同行业的落地进度差异极大，离散制造场景普遍卡在工艺知识沉淀难、定制化成本高的环节，流程工业的核心瓶颈则集中在高风险场景下的安全自主执行。未来两年哪些领域能让工业智能体真正实现规模化复制、形成可循环的闭环商业模式，已经成为行业共同聚焦的核心命题。

中控创始人、宁波工业互联网研究院创始人褚健在接受《中国信息化周报》记者采访时表示：“工业智能体最先能真正铺开、做成规模的场景，不会是离散制造，反而会集中在流程工业里那些数据基础扎实、安全要求高、投入产出能算明白的细分领域。”像氯碱、化肥、炼油、乙烯、火电这类24小时连续生产的大宗原材料行业，一定会成为第一批能把方案批量复制落地的主阵地。主要有三个原因。

第一，数据基础。《关于发展新质生产力的意见》（以下简称《意见》）提出“促进实体经济和数字经济深度融合”，流程工业恰恰是“实数融合”数据基础最好的阵地，因为流程工业普遍存在高温高压、易燃易爆、24小时连续生产的特点，很早就实现了自动化。“这种全链路闭环的数据积累优势，是离散制造行业无法比拟的。如果说通用AI的三要素是算力、算法、数据，那么落地到工业场景，优先级排序会发生本质变化：数据毫无疑问排在第一位，算法次之。”

第二，泛化能力。数据越多、模型越好、复制成本越低，这才是规模化的技术前提。“两年前我们做出第一版流程工业时间序列大模型TPT的时候，心里打鼓，不确定它是否具备跨场景泛化能力。但2025年升级版发布之后，情况完全不同了：模型先后深度学习了氯碱、化肥等10个流程工业细分领域的机理与数据，之后直接应用在完全没训练过的锅炉燃烧场景，尽管化工逻辑和之前的领域完全不同，但是模型照样能稳定输出可用的决策结果，甚至连大炼油的复杂工况也能顺利适配。”褚健说。截至目前，中控技术已在全国超28万套流程工业装置上沉淀了全球体量最大的真实工况数据资产，这些海量高价值数据为TPT时间序列大模型的预训练提供了不可替代的核心支撑，更为模型的跨行业泛化能力筑牢了独一无二的底层根基。

第三，价值闭环。规模化商业模式的前提是“账算得清”。中控技术的策略就是先把数据基础最好的客户企业“立”起来，跑出高水平工业智能体的标杆，再向全行业“破”圈。

落地边界：智能体可以代替人做什么

在全行业聚焦工业智能体规模化复制路径的当下，一个无法回避的现实命题已经摆在企业面前：如何清晰划定工业智能体输出的优化建议与现场工程师最终决策之间的权责边界。

中望软件CAx智能体平台的核心设计原则是“AI提出建议，CAD准确执行，CAE验证性能，工程师做出判断”，立景创新案例中也实现了把2至3小时人工工作压缩到半小时，最终交付可继续编辑、可审查的可信工程结果。其中，AI与CAD在产品设计阶段的技术分工逻辑是什么？

中望软件总经理刘玉峰在接受《中国信息化周报》记者采访时明确表示：并非基于管理需求人为划定，而是从客观技术特点和能力边界出发形成的分工。CAD的核心价值，通过高精度的数字计算与几何拓扑处理，完整实现工程师的设计意图；而这恰恰是当前大模型直接承担工程设计计算时的能力短板。“现阶段AI的输出精度还无法达到工业级CAD的工程标准，因为AI技术至今没有发生根本变化，仍然无法替代CAD所承担的工作。”

因此，AI可以通过调用CAD完成任务，而不必直接替代CAD承担高精度计算与几何拓扑处理。但技术分工并不等同于责任划分。在真实落地场景中，还需要明确一个此前被不少试点项目忽略的边界：很多在原型演示阶段被验证“AI可以独立闭环完成”的任务，一旦进入真实工业设计链路，其成果在正式交付或用于生产前，仍需经过既有的工程审核与批准流程。这并不否定AI能够自主完成特定任务，而是说明“任务执行闭环”不等于“工程成果完成审核和批准”。

而需要由人最终把关的环节，也恰恰集中在工业设计最核心的几个工程判断维度上。刘玉峰举例，部分标准化基础任务，AI确实可以独立完成。比如一颗标准螺丝钉，AI能精准掌握它的完整几何表达，并直接生成Brep。完成几何表达，只是第一步。它不等于满足工业级CAD的全部设计要求，也不等于具备真实工业设计场景的落地可行性。因此，规则明确、结果可校验、风险可控的任务，可在授权范围内交由智能体自主执行；涉及关键工程判断或超出预设条件的环节，仍需工程师介入。正式交付或用于生产的设计成果，最终仍须由工程师按既有质量流程复核批准。这一责任要求并非以AI能力不足为前提：在既有工程质量与责任体系下，即使AI能力不断提高，工程设计的主体责任也不会转移给AI。

这种“AI出初稿、人来终审签字”的分工，并不是限制AI能力而新增的规则，它本质上只是把工业设计领域沿用了几十年的成熟质量防线，延伸到AI生成的成果上。正如刘玉峰所言，AI生成成果的人工终审维度，完全沿用了工业领域运行数十年的CAD出图审核逻辑：从性能指标校验、全层级合规性核查，到工艺可制造性判断、量产落地可行性确认，每一个环节的判断标准都没有因为AI的加入而放宽。

商业闭环：为结果付费跑通了吗

AI在工业领域真正的考验，从来不只是技术能不能生成，而是价值能不能兑现：审核标准不放宽，意味着责任不能被转移；责任不能被转移，意味着AI必须以“交付结果”为导向。

这就把问题自然推向商业闭环——如果AI只是被买断的一套软件，风险与收益在交付那一刻就割裂了；而中控向技术订阅制转型，本质上是在重构这种关系：从“卖一套固定软件”变成“持续提供动态进化的AI服务”。

其核心逻辑是，只有帮客户真正实现节能降耗、增产增效，中控技术才能获得对应回报。“从落地节奏看，头部标杆项目已经跑通闭环，行业整体扩散才刚刚起步，但市场接受度已远超我们的预期。”褚健表示，“原来我们以为工业企业保守，都不愿意第一个吃螃蟹。实际接触下来，很多企业愿意尝试。”

“为结果付费”成立的前提，是价值可计量、风险可控、信任可积累。褚健指出，这三个条件在兴发集团、兰州石化、大唐多伦等头部客户身上已得到验证。验证来自实打实的收益：兴发集团湖北兴瑞AOP上线后，操作工从260人减至80人，建设周期缩短50%、成本降低60%，已达L3、正向L4迈进；兰州石化预期整体年效益提升达1500万元以上；大唐多伦绿电调度优化项目预计年节约标煤大于15万吨、减碳近42万吨。“收益可核算，就是商业模式闭环的证据。”褚健说道。

而这一闭环的价值，还将随着政策与产业环境的演进持续放大。“往后看，这个模式的天花板会越来越高。”褚健指出，《意见》部署“构建绿色低碳循环发展经济体系”，减碳正在从企业的社会责任变成刚性的合规要求和成本竞争力。流程工业碳排放约占全国工业碳排放量的80%，当节能降碳直接等于利润的时候，“只有帮客户赚到钱、我们才能获得回报”的逻辑就天然成立。