摘要：今天工业智能领域的主线是工厂分级建设、人形机器人数字线程、制造业AI投资和国家级Physical AI基础设施。北京启动2026年度智能工厂梯度培育，把基础级、先进级、卓越级和领航级工厂放入连续评价体系，卓越级和领航级明确要求开展人工智能应用。西门子发布面向人形机器人研发的Teamcenter PLM方法，把机械、电子、软件、AI模型、配置和安全要求纳入统一BOM和数字线程。RSM制造业调查显示，88%的受访企业已经部分或全面集成AI，56%正在使用智能体AI，但数据连接、人才和安全投入仍是主要约束。日本政府支持的Noetra则计划采购27500颗NVIDIA Rubin芯片，建设面向机器人基础模型的本土算力。工业AI正在从单个应用扩展为工厂等级、工程数据、资本支出和国家基础设施共同推进的体系。
今天工业智能领域的主线是工厂分级建设、人形机器人数字线程、制造业AI投资和国家级Physical AI基础设施。北京启动2026年度智能工厂梯度培育，把基础级、先进级、卓越级和领航级工厂放入连续评价体系，卓越级和领航级明确要求开展人工智能应用。西门子发布面向人形机器人研发的Teamcenter PLM方法，把机械、电子、软件、AI模型、配置和安全要求纳入统一BOM和数字线程。RSM制造业调查显示，88%的受访企业已经部分或全面集成AI，56%正在使用智能体AI，但数据连接、人才和安全投入仍是主要约束。日本政府支持的Noetra则计划采购27500颗NVIDIA Rubin芯片，建设面向机器人基础模型的本土算力。工业AI正在从单个应用扩展为工厂等级、工程数据、资本支出和国家基础设施共同推进的体系。
北京市经济和信息化局7月23日启动2026年度智能工厂梯度培育行动。基础级工厂侧重数字化改造和网络连接；先进级强调数字化转型和网络协同；卓越级要求智能制造达到国内领先并开展人工智能应用探索；领航级则要求人工智能等新技术广泛深入应用，探索新一代智能制造系统架构和未来制造模式。
卓越级和领航级项目申报截止时间为8月15日。卓越级项目将由工业和信息化部等部门组织专家评审和现场抽查；领航级项目培育期不超过两年，达到目标后再申请验收认定。
梯度培育的价值在于，智能工厂不再是一次性示范称号，而是从连接设备、协同系统到改变生产方式的连续路径。企业申报时不能只展示看板和机器人数量，还需要证明数据贯通、场景运行、人工智能效果和经营指标。更高等级工厂还应建立模型版本、异常处理和安全治理机制，避免AI应用脱离制造系统实际。
西门子7月23日发布人形机器人PLM方法。人形机器人同时包含精密机械、执行器、传感器、电子系统、嵌入式软件和AI模型，传统表格、共享文件和分散工具在从10台原型扩大到1万台量产时难以维持一致性。
Teamcenter通过多领域BOM把机械零件、电子元件、软件和AI模型纳入同一产品结构，并连接Designcenter、Capital、Simcenter和Tecnomatix。系统可以管理研究版、试点版和量产版配置，确保特定软件或AI模型只与兼容硬件组合；发生现场问题时，团队可以追溯具体机器人使用的机械部件、软件版本、校准参数和模型版本。
人形机器人产业化的难点正在由动作演示转向配置、变更和规模制造。模型更新不能脱离本体版本，安全要求也必须追溯到零件、软件和测试证据。PLM由传统制造数据管理工具，逐步变成Physical AI产品全生命周期的控制主线。
RSM发布的2026年中型市场AI调查涵盖129家制造业受访企业。88%的受访者表示AI已经部分或全面集成，其中32%称AI已全面进入核心运营流程，56%处于部分集成阶段。使用生成式AI、语言AI、预测AI和智能体AI的比例分别为79%、63%、57%和56%。
半数受访制造企业计划在本财年投资至少100万美元，23%计划投资300万美元以上；61%的投资指向AI软件和嵌入式解决方案，45%投入数据平台和基础设施，30%投入网络安全和模型安全。84%的企业预计下一财年继续增加AI支出。
调查也显示，制造环境中大量系统和数据标准不一致，连接失败会把局部问题放大到整个企业。值得警惕的是，部分企业计划从网络安全、传统应用现代化和商业智能预算中转移资金支持AI。如果AI投资削弱了数据治理和安全基础，扩张速度越快，系统性风险越大。
Reuters 7月22日报道，日本政府支持的Noetra正在建设机器人基础模型和Physical AI基础设施。项目首年获得超过3800亿日元支持，由SoftBank、Honda、Sony等44家企业参与，并计划采购27500颗NVIDIA Rubin芯片。
Noetra预计2027年4月开始建设AI基础设施，2028年6月投入运营，为日本企业提供可自行管理数据的安全基础模型。日本政府提出到2040年在制造、造船、护理等领域部署1000万台AI机器人。
日本拥有工业机器人、伺服、传感器和精密制造基础，但通用模型和大规模训练平台相对不足。Noetra试图把国家算力、机器人厂商和行业数据整合起来。项目能否成功，取决于是否形成跨品牌机器人接口、真实工业数据共享、任务评测和可持续收费，而不仅是采购GPU和训练一个通用模型。
1. 北京市经济和信息化局：《关于开展2026年度智能工厂梯度培育行动的通知》，2026-07-23；用途：核验分级条件、申报时间和评审流程。
2. 工业和信息化部等：《智能工厂梯度培育要素条件（2026年版）》，2026；用途：补充基础级至领航级智能工厂评价要素。
3. Siemens：《Teamcenter PLM for humanoid robot development》，2026-07-23；用途：核验人形机器人多领域BOM、配置和变更管理方法。
4. Siemens：《Teamcenter》，持续更新；用途：补充PLM、数字线程和工程变更能力。
5. Siemens：《Simcenter》，持续更新；用途：补充机器人仿真和验证工具背景。
6. RSM US：《Here's what AI for manufacturers looks like in 2026》，2026-07-21；用途：核验AI采用率、投资规模和应用类型。
7. RSM US：《Middle Market AI Survey 2026》，2026；用途：补充调查样本、方法和跨行业比较。
8. Reuters：《Robot AI company Noetra is “last chance” for Japan, CEO says》，2026-07-22；用途：核验资金规模、参与企业、芯片采购和建设时间。
9. NVIDIA：《Rubin Platform》，持续更新；用途：补充Noetra计划采购的训练和推理平台背景。
10. International Federation of Robotics：《World Robotics》，持续更新；用途：补充日本工业机器人产业和全球部署背景。
---
