摘要：IDC在汉诺威工博会2026观察中提出尖锐判断:工业AI的差异化能力不在于模型质量,而在于上下文深度。MES如果不能尽快进化,将成为工业AI时代最薄弱的一环。
汉诺威工博会2026留给制造业的最大信号，并不是“AI又多聪明了”,也不是"机器人又多灵活了",而是一个更隐蔽、更关键的问题:未来十年的工厂,到底由谁来控制?
工厂入口之争
IDC在对汉诺威工博会2026的观察中提出了一个非常尖锐的判断:几乎所有工业AI演示都从一个聊天框开始。工程师对话、设备对话、工人对话、管理者对话,仿佛只要给每套系统加上一个"自然语言入口",工厂就进入了智能时代。但真正的问题恰恰在这里:一个工厂里,到底能容纳多少个这样的入口?IDC的回答很直接–越少越好。最终的格局,很可能不是每个系统都拥有自己的前端,而是一个系统成为工人真正使用的交互入口,其他系统退到后台,成为数据、模型、流程和执行能力的支撑层。
这意味着,工业AI的竞争正在从"谁的模型更强"转向"谁掌握工厂现场的上下文"。在消费互联网里,入口意味着流量;在工业现场,入口意味着过程控制权。谁拥有一线工人的操作界面,谁就能沉淀操作意图、异常处理、工艺经验、设备状态、质量反馈和流程偏差。长期看,这些信息会比单次模型调用更有价值,因为它们构成了工业AI真正的训练土壤。
上下文深度才是护城河
IDC报告中最值得反复咀嚼的一句话是:工业AI的差异化能力不在于模型质量,而在于上下文深度。一个连接真实物理、过程历史、传感器遥测、运营知识和操作员经验的"物理感知工业数据架构",比运行在其上的任何算法更有竞争优势。
这句话其实戳中了当前工业AI落地的核心矛盾。过去一年,很多企业讨论工业大模型,常常把注意力放在模型参数、推理能力、Agent框架和多模态能力上。但真正进入工厂以后,问题立刻变得更粗粝:设备数据是否可信?工艺参数是否能和质量结果对应?异常停机记录是否完整?工人的临场处置是否被数字化?一条产线的节拍、瓶颈、能耗、换线、维修和良率,是否能被统一纳入可计算的上下文环境?
如果这些基础不存在,再强的模型也只能做"漂亮的问答"。它可以解释概念,可以生成报告,可以总结故障原因,但很难真正介入生产过程。相反,如果企业已经拥有高质量的工业数据织物,能够把设备、工艺、物料、人员、计划、质量和能源连成一张动态网络,那么哪怕模型本身不是最强,也能形成更强的现场智能。工业AI不是单点智能,而是过程智能;不是通用问答,而是带着上下文理解生产系统的状态变化。
MES:Must Evolve Soon
这也是为什么MES在这轮变革中突然变得危险起来。IDC把MES重新解释为"Must Evolve Soon",也就是"必须尽快进化"。MES过去是制造执行系统,是工厂的脊柱,既是操作执行系统,也是生产记录系统。但现在,它正在同时受到来自上方和下方的挤压。
从上方看,APS高级计划与排程系统正在变得越来越智能。新一代算法不再只是给出静态计划,而是能够基于订单变化、设备状态、物料约束、人员能力和交付优先级,生成实时、上下文丰富、可以执行的动态计划。问题是,APS如果已经能动态重排序,MES却仍然只能按照固定工单、固定路径、固定节拍执行,那MES就会从"脊柱"变成"卡点"。IDC明确指出,如果MES不能足够快地接收和执行APS产出的动态重排序,就可能被视为最薄弱环节。
从下方看,生产现场本身也在改变。过去的工厂强调固定产线、固定工位、固定路径、固定工艺节拍;而现在,非结构化生产单元正在兴起,多功能机器人、无线机器、AMR驱动的物料路由,以及更灵活的单元化制造,正在逐步替代传统固定产线。客户需求也在变化:更快配置、更快换线、小批量、多品种、多功能自动化。这种环境天然是不确定的,现场不是按照一张预先画好的流程图运行,而是在不断重组。
这对MES提出了根本性挑战。传统MES擅长管理确定性流程:工单下发、工序报工、质量记录、设备状态、物料追踪。但未来MES必须管理半确定甚至非确定性流程:一台AMR临时改道,一个机器人从A任务切换到B任务,一个工人根据现场异常重排工序,一个APS根据交期变化重新生成执行计划。MES如果仍然只是"电子化工单系统",就会被更轻量、更灵活、更接近现场的工具替代。
MES的下一代形态
所以,MES的下一代形态不应该只是"加一个AI助手",而应该演化为工业AI时代的执行编排层。它既要向上理解计划系统的动态意图,也要向下感知设备、机器人、人员和物料的实时状态;既要保持生产过程的可追溯和可审计,又要支持更灵活的临场调整。换句话说,MES未来不只是记录"发生了什么",还要参与判断"接下来应该怎么做"。
人的经验成为工业AI上下文的一部分
IDC报告中另一个非常重要的观察,是关于"连接工人"的重新定义。过去,Connected Worker平台常常被包装成培训工具,用来帮助新员工更快上手。但IDC认为,这只是表层价值。真正重要的是,AI视觉、IIoT、RFID、RTLS、移动终端和可穿戴设备组合在一起后,会形成一个高度可见的数据底座,让工厂变得透明;而工人与流程步骤之间的互动数据,正是AI驱动流程改进的最佳材料。
这其实意味着,人的经验正在成为工业AI上下文的一部分。过去制造业数字化最容易采集的是机器数据,比如温度、振动、压力、转速、能耗、节拍。但很多关键知识并不在机器里,而在工人的判断里:什么时候要停机?什么时候可以放行?某个异常是偶发还是趋势?某个参数波动是否会影响后续质量?这些经验长期存在于人的脑子里、班组的口头交流里、维修师傅的习惯动作里。AI如果不能捕捉这些"人-过程"的交互,就无法真正理解工厂。
因此,未来的工业AI系统不是把人排除在外,而是把人的操作行为、判断路径和经验反馈变成可沉淀、可分析、可复用的上下文资产。工人不只是AI的使用者,也是工业知识的生成者。谁能把这部分隐性知识结构化,谁就能建立比单纯设备数据更深的工业智能壁垒。
工业元宇宙的务实定位
再往前一步,就是工业元宇宙的重新定位。过去很多人听到"工业元宇宙",会想到炫酷的三维大屏、VR巡检、数字孪生展厅。但IDC这次给出的定义更务实:工业元宇宙正在发展为"超上下文决策环境"。随着数据可用性指数级增长,以及建模和表示成本下降,很多两年前经济上不可行的用例正在被解锁。企业现在可以对生产过程进行"放大缩小"“快进”“回放”,用于多场景规划、连续仿真、追溯分析和过程优化。
这就把工业元宇宙从"展示系统"拉回到了"决策系统"。真正有价值的工业元宇宙,不是把工厂画得多漂亮,而是能不能让管理者和工程师在同一个上下文里理解过程:如果订单结构变化,瓶颈在哪里?如果某台关键设备停机,物料路径如何重排?如果换一种工艺参数,质量和能耗会怎样变化?如果提前两小时发现异常,能否模拟出几种处置方案?这类能力一旦成熟,工厂管理就会从"事后复盘"走向"事前推演"。
确定性制造 vs 非确定性智能
但IDC也提醒了另一个风险:制造业运行在确定性序列之上,而Agentic AI天然具有非确定性。如何把随机性智能交给确定性制造系统,是未来治理的核心难题。
这句话非常关键。工厂不是聊天软件,不能靠"差不多正确"运行。一个AI Agent在办公场景里生成一段不完美的文本,用户可以修改;但在工厂里,一个错误的排程、一个错误的参数调整、一个错误的停机建议,都可能带来质量事故、设备损伤、交付延误甚至安全风险。因此,工业AI的关键不是让Agent"更自由",而是给Agent设计边界、权限、审计、回滚和责任链。
未来工业AI的成熟路径,很可能不是从全自动开始,而是从"可解释建议"“小范围自动化”"受控闭环"逐步推进。比如,AI先负责异常识别和原因推荐,由工程师确认;再进入参数优化和排程建议,由班组长批准;最后在低风险场景中形成自动闭环。这个过程不是技术保守,而是工业系统对安全、责任和连续性的基本要求。
工厂数字体系正在重新分层
所以，汉诺威工博会2026传递出的真正趋势,不是"AI进入工厂"这么简单,而是工厂数字体系正在重新分层。最上层是用户入口,谁成为工人和工程师每天打开的界面,谁就掌握一线注意力;中间层是上下文架构,谁能连接物理、过程、设备、人员和运营知识,谁就拥有工业AI护城河;执行层是MES、APS、机器人、AMR和自动化系统的重新编排;底层则是数据、模型、仿真和治理体系。
对中国制造业来说,这个判断尤其重要。过去我们谈工业AI,容易陷入两种偏差:一种是把AI当成模型采购,认为接入大模型就完成升级;另一种是把数字化当成系统堆叠,ERP、MES、SCADA、PLM、WMS、QMS各上一套,却没有形成统一上下文。IDC这份报告提醒我们,下一轮竞争不是"有没有AI功能",而是"能不能用AI重构工厂控制体系"。
真正值得投入的方向
真正值得投入的,不只是一个聊天框,而是一套工业AI基础设施:数据先行,上下文成型,再谈智能应用;流程先打通,责任先明确,再谈Agent闭环;MES先进化,APS、机器人和现场工人平台才能形成协同;工业元宇宙先服务决策,而不是停留在展示。
未来十年,制造业最大的入口可能不再是某个传统软件模块,而是一个能够理解工厂上下文的智能前端。它背后连接的不是一个模型,而是一整套物理感知的数据架构、动态执行系统和可审计的智能治理体系。
工厂入口之战已经开始。真正的问题不是谁先做出一个工业AI聊天框,而是谁能让这个聊天框真正理解工厂。