摘要：工信部披露“十五五”新型工业化与“人工智能+制造”路线，工业智能体、世界模型、“一业一图谱、一景一档案”、应用服务商、开源、基金、标准和安全进入政策工具箱。
摘要：
8月26日，国务院新闻办公室举行“开局起步‘十五五’”系列主题新闻发布会，工业和信息化部系统披露未来五年推进新型工业化的重点安排。人工智能部分给出的信息尤其密集：支持高端训练芯片、多模态算法等关键技术，攻关类脑智能、世界模型等前沿方向；分行业凝练高价值场景，探索“一业一图谱、一景一档案”；实施应用服务商培育专项，推出轻量化、低成本、易部署的行业解决方案；以高水平开源社区培育“人工智能+制造”开源项目，并同步推进基金、标准、安全漏洞库和风险监测体系建设。对工业AI企业而言，这次发布会透露的已经不只是方向判断，而是一套正在逐步展开的产业政策工具箱。
一、8月26日这场发布会，为什么值得工业AI企业仔细看
8月26日上午，国务院新闻办公室举行“开局起步‘十五五’”系列主题新闻发布会。工业和信息化部副部长辛国斌，以及规划司、信息通信发展司负责人集中介绍“十五五”时期新型工业化工作安排。
从政策层级看，这并非一份单独发布的专项申报通知，但它有一个明显特点：大量内容已经从宏观表述下沉到具体产业工具、技术方向和组织方式。
工业和信息化部明确提出，“十五五”时期将加快打造集成电路、航空航天、生物医药、低空经济、新型储能、智能机器人等新兴支柱产业，同时推动量子科技、生物制造、氢能和核聚变能、脑机接口、具身智能、第六代移动通信等未来产业形成新的增长点。
对于制造业数字化和工业智能，政策表述更加具体：继续深化“人工智能+制造”专项行动，推动人工智能进入研发设计、生产制造、质量检测、设备运维等制造全链条，同时建设智能工厂、高标准数字园区，推动5G、工业互联网、算力网与人工智能协同发展。
把这些内容与此前发布的《“人工智能+制造”专项行动实施意见》《工业互联网和人工智能融合赋能行动方案》放在一起看，可以看到政策正在从“人工智能进入制造业”进一步细化为三个问题：什么技术值得攻、什么场景优先做、什么企业负责把技术真正送进工厂。
这三个问题，直接关系下一阶段工业AI项目、资金、示范场景和产业资源的流向。
二、政策第一次把工业AI的技术供给讲得这么具体
工信部此次对人工智能供给侧的表述值得重点关注。
一是高端训练芯片、多模态算法继续被列入关键技术支持方向。制造业对模型能力的需求已经从文本问答快速扩展到图像、视频、三维模型、时序数据、工艺参数和设备信号，多模态能力会越来越接近工业模型的基础能力。
二是“世界模型”被明确放入前沿技术攻关方向。
这对于具身智能、工业机器人、数字孪生和物理AI都具有直接意义。传统大模型更擅长处理语言和知识，世界模型则试图学习物理环境中的状态变化、动作结果和因果关系。机器人训练、复杂装备控制、自动化产线规划、仿真推演等场景，都需要模型理解“做一个动作之后，物理世界会发生什么”。
三是人形机器人、脑机接口、智能矿山机械、农业机械、智能医疗器械等智能终端被放在同一条技术演进链条中。
这意味着政策支持的人工智能正在明显向物理世界延伸。未来几年，AI产业的一部分竞争会发生在模型层，另一部分竞争则会发生在模型、传感器、控制系统、机器人本体、工业装备和真实场景之间。
对工业AI企业而言，单独做一个聊天界面或者知识问答系统，很难再代表政策所说的“人工智能+制造”。能够连接设备、工业软件、生产数据和执行系统的智能体，更接近接下来政策鼓励的方向。
三、“一业一图谱、一景一档案”，可能成为工业AI项目新的组织方式
这场发布会里有一句很容易被忽略的话：工信部提出分行业凝练高价值场景，探索“一业一图谱、一景一档案”的场景培育新模式。
这实际上在解决工业AI落地中最麻烦的问题之一：场景很多，但需求描述长期不标准。
同样是“设备预测性维护”，钢铁、化工、煤矿、电力、汽车工厂需要的数据完全不同；同样是“工业智能体”，研发设计、工艺编制、质量分析和售后服务调用的系统、知识和权限也完全不同。
如果未来形成“一业一图谱”，政策端可能会逐步梳理每个行业有哪些高价值AI场景、需要哪些数据、对应哪些软件和设备、成熟度如何；“一景一档案”则可能进一步把单个场景的需求、技术方案、投入产出、数据要求、安全要求和实施效果标准化。
这会明显改变工业AI项目的供需对接方式。
过去很多工业AI项目需要销售和技术团队逐个企业重新定义需求。未来如果形成行业级场景图谱，服务商可以围绕标准场景形成产品包，地方政府和产业园区也更容易按照场景目录组织供需对接和示范项目。
对于做工业智能体、工业大模型、AI+CAD、AI+CAE、机器视觉、预测性维护、数字孪生的企业而言，应该开始把产品能力从“功能列表”重新整理成“行业—场景—数据—模型—工具—效果指标”的结构。
这会越来越接近政策和大型企业采购所采用的语言。
四、值得关注的新角色：应用服务商
工信部此次明确提出，将实施应用服务商培育专项行动，把制造业多年积累的经验整理出来，形成一批轻量化、低成本、易部署的行业解决方案。
这是本轮信号中非常重要的一条。
过去人工智能产业政策经常围绕模型企业、算力企业、芯片企业和平台企业展开。随着人工智能进入制造业，真正稀缺的角色开始变成“懂AI，又懂行业，还能交付”的服务商。
制造企业尤其是中小企业通常不会自己训练基础模型，也很少拥有完整的AI工程团队。它们更需要已经封装好的行业解决方案：连接现有MES、ERP、PLM、CAD、CAE、SCADA或设备数据，部署后能够完成一个明确任务，并且在成本、可靠性和安全性上可控。
因此未来的应用服务商很可能会形成几个典型方向：
工业智能体服务商，负责把大模型和企业知识、业务流程、工业软件连接起来；
模型工程服务商，负责模型部署、微调、评测、推理优化和安全治理；
工业数据服务商，负责高质量数据集、数据治理、知识图谱和数据工程；
工业软件智能化服务商，把AI嵌入CAD、CAE、PLM、MES、工艺和质量系统；
机器人和具身智能集成商，把模型、视觉、控制系统和机器人本体组合到真实生产场景。
如果应用服务商专项进一步形成名录、标准、示范项目和供需对接机制，那么工业AI市场会逐渐形成比当前更清晰的“渠道层”和“交付层”。
五、开源、基金、标准、安全，四套配套机制同时推进
除了技术和场景，工信部还给出了四类产业支撑机制。
第一类是开源。工信部提出，以高水平人工智能开源社区为载体，打造一批“人工智能+制造”优质开源项目。
工业AI长期存在重复开发问题。同一个设备协议、数据接口、知识库组件、Agent工具链，不同企业经常从头建设。政策推动工业AI开源项目，有可能首先在工业协议、工具调用、数据连接器、智能体框架、模型评测和行业数据工具上形成公共组件。
第二类是金融。工信部明确提出推动人工智能基金汇聚金融资源，加大投资力度。结合“科技产业金融一体化”专项，未来产业项目的评价会越来越重视技术、场景和产业化能力能否形成闭环。
第三类是标准。工信部表示将分级分类推动基础共性、赋能应用、安全伦理等方面标准研制和应用。工业AI项目一旦规模化，接口、数据、评测、可靠性、安全和责任边界都需要标准支撑。此前“模型能不能用”是主要问题，下一阶段“模型能否稳定、合规地进入生产系统”会越来越重要。
第四类是安全。政策提出开展人工智能安全风险监测、信息共享和通报处置，建设人工智能产品安全漏洞库，并持续推进深度合成检测、模型算法安全防护、价值对齐等技术攻关。
这会直接影响企业级Agent和工业智能体的技术架构。权限控制、操作审计、人工确认、工具调用边界、模型输出追踪、数据隔离等能力，未来可能从“高级功能”逐渐变成交付的基础要求。
六、工业智能体为什么会成为这一轮政策中的关键产品形态
如果把工信部8月26日释放的信息串起来，会发现工业智能体正好处在多个政策方向的交叉点上。
它能够使用多模态模型理解图纸、文档、图片和视频；能够连接工业软件和设备系统；能够把制造知识转化成可执行流程；能够围绕具体场景形成轻量化解决方案；同时天然需要标准、安全、工具调用和数据治理。
例如，在研发设计环节，智能体可以调用CAD、CAE和材料数据库完成设计辅助和仿真流程；在生产环节，可以连接MES、设备数据和质量系统进行异常分析；在设备运维环节，可以结合说明书、维修案例、实时传感器数据生成诊断建议，再由人工确认后触发工单。
这样的产品形态比通用大模型更容易形成制造业可计算的ROI。
工信部披露，目前我国规模以上制造业企业人工智能技术应用普及率已经超过三成，并累计建成500多家卓越级智能工厂。下一阶段的核心问题会逐渐从“有没有企业试AI”，转向“哪些AI能力能够稳定复制到更多工厂”。
工业智能体、轻量化行业模型和应用服务商，正好对应规模复制这一阶段。
七、企业接下来可以准备什么
对于工业AI企业，第一件值得做的事情是整理高价值场景资产。
不要只整理产品PPT，而要形成场景档案：客户行业、生产环节、数据来源、调用系统、模型能力、实施周期、成本、效果指标和安全边界。未来“一景一档案”如果逐步落地，这些材料很可能直接对应示范项目和场景申报。
第二件事情是补齐工业接口能力。
模型本身的重要性仍然很高，但制造业最终需要调用MES、PLM、ERP、CAD、CAE、数据库和设备控制系统。MCP、API、CLI、工业协议适配、身份权限和审计能力，会越来越决定Agent能否进入生产流程。
第三件事情是形成“小快轻准”的版本。
工信部已经明确提出轻量化、低成本、易部署。很多中小制造企业不可能一次投入数百万元建设大模型平台。能够以几十万元甚至更低成本解决一个明确问题的工业AI产品，更容易获得规模市场。
第四件事情是提前建设安全与评测体系。
未来进入大型制造企业、央国企和关键行业，模型安全、数据安全、操作审计和人工确认机制都会成为必要条件。越早把这些能力产品化，越容易进入下一轮供应商体系。
八、机会与风险
机会很明确：工业AI正在从技术试点进入产业组织阶段。模型、算力、场景、服务商、开源、基金、标准和安全正在被放进同一套政策体系中，能够提供工程化交付的企业会得到更多机会。
风险同样需要看到。
工业场景高度碎片化，如果企业只依靠定制项目，很容易陷入交付成本过高的问题；如果产品过于通用，又很难深入制造流程。未来更合理的路线可能是“平台能力标准化+行业Skill模块化+现场集成轻量化”。
另一个风险来自安全责任。工业智能体一旦拥有执行权限，其错误不再只是回答错误，而可能影响设备、工艺和生产流程。企业需要在技术上保留人工确认、权限隔离、可回滚机制和完整审计链。
工信部8月26日这场发布会给出的信号已经相当清晰：未来五年的工业AI竞争，会越来越靠近制造现场。模型能力仍然重要，但谁能把模型做成企业用得起、接得上、管得住的工业工具，谁更容易进入下一阶段的产业主航道。
参考来源
-
工业和信息化部：《工业和信息化部介绍全力抓好“十五五”规划实施、加快推进新型工业化有关情况》，发布时间：2026年8月26日。
https://www.miit.gov.cn/xwfb/bldhd/art/2026/art_934ddb14d33e4cd5b787d88a15c5c0eb.html -
中国网信网转载人民日报：《抓好规划实施 加快推进新型工业化（权威发布·开局起步“十五五”）》，发布时间：2026年8月28日。
https://www.cac.gov.cn/2026-08/28/c_1789669411718001.htm