2026年1月，工业和信息化部等八部门联合印发《“人工智能+制造”专项行动实施意见》，明确提出，到2027年，要推动3—5个通用大模型在制造业深度应用，形成1000个高水平工业智能体、100个工业领域高质量数据集，并推广500个典型应用场景。

2026上半年，港交所相继涌现多家市值千亿的AI公司，一个信号已经清楚：AI商业化正在从“预期”走向“兑现”，工业AI也在被推向必须加速兑现的阶段。

随着工业AI头部企业开始集中冲刺资本市场，也把一个更现实的问题推到台前：在一线产业场景中，AI到底能创造多少可审计、可规模化的价值？而当大模型、芯片企业已经享有千亿市值时，工业AI这一轮IPO热潮，究竟能兑现到什么程度？

对企业而言，将AI引入生产流程，用机器替代人工、用算法提升良品率，正在从加分项变成刚需，超半数制造商开始规模化部署工业AI。在工业价值链中，生产制造是AI最容易兑现价值的环节——效率提升与成本下降，往往可以直接转化为企业利润。

然而，“部署”这个词掩盖了关键差异。多数制造商的部署，更多集中在局部检测、预测维护等标准化场景；真正进入工艺控制、排产优化等核心环节的，仍是少数。由于工业产线对确定性有近乎偏执的要求，大模型的“概率输出”天然与之冲突，加上产线数据高度碎片化、企业对网络与数据安全的现实担忧，AI落地的深水区推进比预期更难。同时，当前工业AI的大部分部署仍停留在“检测-告警”层面——AI发现缺陷，人再处理，很难真正进入产线核心环节。要真正改写良品率和效率曲线，AI必须从“眼睛”变成“手”，能直接调用设备、调整参数、执行动作。

相关调查数据显示，全球约70%的制造企业，已经在某种程度上引入AI，用于生产、质检或供应链等环节。在部分领先市场，这一比例还在持续提升，例如英国已有超过一半制造企业在工厂层面使用AI。同时，超过七成企业计划在未来进一步加大投入。

但是在制造业内部，真正能够实现规模化并转化为利润的企业却很少。麦肯锡《2025全球AI现状调研》显示，仍有47%的制造企业停留在试验阶段，31%处于单点试点，真正实现规模化落地的，仅约15%。而在代表下一阶段方向的“生产制造智能体”上，实际采用率几乎可以忽略不计。

真正决定工业AI能不能从“少数案例”走向“规模复制”的，已经不只是算法能力，而是谁拥有更适合AI生长的产业土壤。

结语

当下，工业AI的发展仍处在阵痛期，旧的工程交付逻辑越来越重，新的标准化产业逻辑又还没有完全闭环，但这这恰恰说明，它正处在从点状试验走向真正产业化之前，最关键的一段路上。

（文/欣遇）

e-Mail：lab@enet16.com