2026年開年，工業智慧體發展迎來政策與産業共振的“黃金期”。工業和信息化部等八部門聯合印發《“人工智能+製造”專項行動實施意見》，明確了2027年前推出1000個高水準工業智慧體的核心目標，為産業發展注入了強勁動力。在此背景下，美的、海爾等製造業龍頭及産業鏈企業加速佈局，以全場景智慧體矩陣為核心推進智慧製造落地。

　　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，推動工業智慧體從單點試點邁向規模化普及，成為驅動製造業從“規模擴張”向“品質躍升”轉型、培育新質生産力的核心驅動力。

　　政策再加碼

　　2026年開年，工業智慧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+製造”專項行動實施意見》提出，到2027年，推動3-5個通用大模型在製造業深度應用，形成特色化、全覆蓋的行業大模型，推出1000個高水準工業智慧體，打造100個工業領域高品質數據集，推廣500個典型應用場景。

　　與此同時，深圳、重慶等多地開年後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，為工業智慧體落地提供精准保障。

潘悅　製圖

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

　　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》記者採訪時稱：“工業智慧體正在成為‘AI+製造’的核心抓手，本質原因在於其角色已經從‘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的投入産出比，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發佈的2025年中國工業企業調研顯示，已應用大模型及智慧體的企業比例，從2024年的9.6%快速提升至2025年的47.5%；其中，在研發、製造、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，工業智慧體正在從單點試驗走向跨環節協同應用。

　　專家認為，政策賦能將加速智慧體在研發、生産、供應鏈等全價值鏈的滲透，推動製造業從“自動化”邁向“自主化”，催生黑燈工廠、柔性製造等新型生産形態，重塑産業競爭優勢。

　　企業加速佈局

　　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，年複合增長率達到37.7%，這意味著AI已經從“概念投入期”進入“可規模化擴展期”。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+製造”市場保持35%左右的年複合增長率是相對合理且可持續的區間。

　　伴隨“AI+製造”産業鏈的持續進階，從製造業龍頭到産業鏈企業，都在以全場景智慧體矩陣為核心，加速智慧製造落地。

　　2026年1月，美的旗下美雲智數對外發佈了美擎AIGC3.1平臺及智慧體工廠解決方案，構建起覆蓋研發、製造、供應鏈、行銷、管理全價值鏈的智慧體矩陣，累計落地158個核心場景。美的方面稱，在製造端，通過TPM、模具等智慧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，智慧體實現端到端交貨週期縮短39%，庫存週轉天數減少30%。

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

　　專注于鐳射雕刻機賽道的深圳科技企業xTool也于1月份正式發佈全球首個AI創作智慧體——AImake。作為行業首個具備“製造語境感知”的智慧體，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鐳射製造領域的技術門檻。

　　3月份，華為聚焦破解AI智慧體落地困境，推出了AI數據平臺，為企業數智化轉型築牢數據基座。

　　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智慧體軟體，能夠滿足工業企業應用場景需要，它改變了軟體産品的人機交互模式，進一步推動了産品的技術升級，並豐富了公司的産品線。

　　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”業務智慧體系列，包括製造、行銷、財務、供應鏈、人事、綜合運營企業等各個業務場景的AI智慧體，正陸續在頭部客戶實際場景中落地。

　　規模化落地障礙待破

　　業界認為，在政策助力下，工業智慧體正加速落地，推動智慧製造轉型升級，但在規模化落地過程中，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，工業智慧體的研發與部署需要算力、演算法、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+製造’産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，中國製造企業對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應用的付費意願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；市場競爭過於激烈，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“懂智慧、熟行業”的産品和服務仍然稀缺。

　　此外，也有業內人士表示，部分製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、安全管理不規範等問題，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，不同企業的系統介面、數據格式不相容，增加了AI應用的集成成本與落地難度。