2026年開年，工業智能體發展迎來政策與產業共振的“黃金期”。工業和信息化部等八部門聯合印發《“人工智能+制造”專項行動實施意見》，明確了2027年前推出1000個高水平工業智能體的核心目標，為產業發展注入了強勁動力。在此背景下，美的、海爾等制造業龍頭及產業鏈企業加速布局，以全場景智能體矩陣為核心推進智能制造落地。

業界認為，政策紅利的持續釋放與企業實踐的深度落地形成雙向賦能，推動工業智能體從單點試點邁向規?；占?，成為驅動制造業從“規模擴張”向“質量躍升”轉型、培育新質生產力的核心驅動力。

政策再加碼

2026年開年，工業智能體領域迎來國家級頂層設計、地方落地細則、兩會定調的三重政策加碼。

1月，工信部等八部門聯合印發的《“人工智能+制造”專項行動實施意見》提出，到2027年，推動3-5個通用大模型在制造業深度應用，形成特色化、全覆蓋的行業大模型，推出1000個高水平工業智能體，打造100個工業領域高質量數據集，推廣500個典型應用場景。

與此同時，深圳、重慶等多地開年后也迅速出臺配套政策，聚焦資金獎補、算力支持、場景開放等方向，為工業智能體落地提供精準保障。

3月5日，政府工作報告提出：深化拓展“人工智能+”，促進新一代智能終端和智能體加快推廣。

國際數據公司（IDC）中國高級研究經理杜雁澤在接受《經濟參考報》記者采訪時稱：“工業智能體正在成為‘AI+制造’的核心抓手，本質原因在于其角色已經從‘被動工具’轉變為‘可自主執行的數字員工’。當前，越來越多企業開始關注AI的投入產出比，核心訴求從‘是否要做AI’轉向‘AI如何真正幫助提質、降本、增效’。”

IDC發布的2025年中國工業企業調研顯示，已應用大模型及智能體的企業比例，從2024年的9.6%快速提升至2025年的47.5%；其中，在研發、制造、供應鏈等多個環節同時應用的企業比例也從1.7%躍升至35%。這意味著，工業智能體正在從單點試驗走向跨環節協同應用。

專家認為，政策賦能將加速智能體在研發、生產、供應鏈等全價值鏈的滲透，推動制造業從“自動化”邁向“自主化”，催生黑燈工廠、柔性制造等新型生產形態，重塑產業競爭優勢。

企業加速布局

IDC預測，到2028年，中國工業企業AI支出規模將接近900億元人民幣，年復合增長率達到37.7%，這意味著AI已經從“概念投入期”進入“可規?；瘮U展期”。從增長區間看，在政策持續推動、企業投資回報率（ROI）逐步清晰的前提下，未來3至5年，中國“AI+制造”市場保持35%左右的年復合增長率是相對合理且可持續的區間。

伴隨“AI+制造”產業鏈的持續進階，從制造業龍頭到產業鏈企業，都在以全場景智能體矩陣為核心，加速智能制造落地。

2026年1月，美的旗下美云智數對外發布了美擎AIGC3.1平臺及智能體工廠解決方案，構建起覆蓋研發、制造、供應鏈、營銷、管理全價值鏈的智能體矩陣，累計落地158個核心場景。美的方面稱，在制造端，通過TPM、模具等智能體實現設備故障預測與工藝優化，可助力OEE（設備綜合效率）提升30%、點檢效率翻倍；在供應鏈端，智能體實現端到端交貨周期縮短39%，庫存周轉天數減少30%。

海爾智家也宣布，通過超級智能體“智小能”實現全員AI化，技術創造與應用雙軌并行，研發效率提升90%，采購成本降低10%，辦公效率提升80%，推動人與AI協同進化的全新工作模式。

專注于激光雕刻機賽道的深圳科技企業xTool也于1月份正式發布全球首個AI創作智能體——AImake。作為行業首個具備“制造語境感知”的智能體，AImake實現了從自然語言創意到可加工設計圖紙的瞬間轉化，極大壓縮了非專業用戶進入激光制造領域的技術門檻。

3月份，華為聚焦破解AI智能體落地困境，推出了AI數據平臺，為企業數智化轉型筑牢數據基座。

此外，上市公司威士頓近日也在互動平臺上透露，威士頓工業AI智能體軟件，能夠滿足工業企業應用場景需要，它改變了軟件產品的人機交互模式，進一步推動了產品的技術升級，并豐富了公司的產品線。

漢得信息表示，公司擁有自建的“得靈”B端AI應用體系，其中“靈手”業務智能體系列，包括制造、營銷、財務、供應鏈、人事、綜合運營企業等各個業務場景的AI智能體，正陸續在頭部客戶實際場景中落地。

規?；涞卣系K待破

業界認為，在政策助力下，工業智能體正加速落地，推動智能制造轉型升級，但在規?；涞剡^程中，仍面臨技術適配、數據基礎、成本收益、生態協同等多個難題，這些問題相互交織，成為制約其從試點走向普及的關鍵障礙。

業內專家指出，工業智能體的研發與部署需要算力、算法、人才等多重投入，存在技術壁壘高、資金投入大、數據安全風險高等痛點，包括工業大模型的訓練算力成本、定制化開發費用、專業運維人員成本等，對中小企業而言負擔較重。

“中短期內，‘AI+制造’產業升級面臨的最核心、最迫切的挑戰，仍然主要來自‘市場側’而非‘技術側’。”杜雁澤表示，一方面，中國制造企業對AI的認知和熱情持續高漲，政策支持、開源技術生態和人才供給也在不斷改善；另一方面，企業普遍面臨利潤空間承壓、預算趨緊的現實約束，這使得其對AI應用的付費意愿和投資節奏更加謹慎。

具體來看，杜雁澤認為，當前的核心制約主要體現在以下幾個方面：企業ROI壓力較大，AI項目必須更快、更明確地體現業務價值；市場競爭過于激烈，同質化方案和價格競爭壓縮了廠商的可持續投入能力；供需匹配仍不充分，真正“懂智能、熟行業”的產品和服務仍然稀缺。

此外，也有業內人士表示，部分制造企業尤其是中小企業，工業數據存在碎片化、標準化程度低、安全管理不規范等問題，難以滿足AI模型訓練與應用需求；同時工業AI的標準體系、評估體系尚未完全統一，不同企業的系統接口、數據格式不兼容，增加了AI應用的集成成本與落地難度。