34家领航工厂、千余工业智能体:智能制造开始出现一组可以细算的产业数据

34家领航工厂、千余工业智能体:智能制造开始出现一组可以细算的产业数据:读者提供的主题配图
读者提供的主题配图。

工业智能体超过1000个,日均调用词元超过3亿,人工智能场景应用比例超过70%。这组数字出现在工业和信息化部等六部门新公布的第二批领航级智能工厂培育名单相关报道中。2026年11月19日,新华社披露第二批34家领航级智能工厂正式公布,当天34家企业在南京举办的2026世界智能制造大会上共同发布“领航工厂培育行动”。加上此前一批,全国累计培育49家领航级智能工厂。当天《经济参考报》还介绍,这34家工厂已经累计带动近4000家上下游企业开展数字化、智能化升级。智能制造经历多年项目建设之后,第一次有越来越多的数据可以把工厂组织、AI调用、生产效率与产业链带动放在一起观察。

领航级位于我国智能工厂梯度培育体系的最高层级。整个体系按照基础级、先进级、卓越级和领航级分层推进,目的是让企业先获得数字化设备接入、生产管理和数据应用的基本能力,再把高复杂度的工业智能系统放到真实工厂中运行。此次名单的行业范围覆盖装备制造、钢铁、电子信息、汽车、医药、服装等领域,消费品企业首次以领航级工厂身份出现在这一批名单中。小米汽车、赛力斯、中兴通讯、东方汽轮机、沈鼓集团等企业的案例,展示出不同生产方式如何组织智能体、数字孪生和跨系统业务协同。各家企业的产品、工艺和自动化底座差别很大,因而这些案例比单一的软件演示更能说明工业AI进入工厂之后的具体形态。

一个工厂为什么会出现几十个智能体

34家领航工厂、千余工业智能体:智能制造开始出现一组可以细算的产业数据:读者提供的正文架构图
读者提供的架构示意图;具体数字与事实以正文及参考文献为准。

中兴通讯的案例很有代表性。根据11月19日发布的报道,其工厂组织数十个智能体,覆盖研发、排产、质量检测和资源调度等任务,并通过信息流驱动生产、实物流回传状态,支持300多款机型柔性换线。一个手机或通信设备制造现场,产品规格、物料版本、工站参数和订单优先级都在持续变化;从订单生成到设备执行,往往需要多个独立系统协调。单个通用智能体很难同时拥有全部专业知识、操作权限和精确计算能力,按照工程岗位与业务职责拆分智能体,更便于分别控制数据范围、工具能力和任务结果。

例如排产智能体需要订单交期、设备可用性和工艺路径;质量智能体需要检测图片、缺陷编码、批次和工艺参数;设备维护智能体查询故障记录、备件寿命和传感器趋势;研发智能体关注BOM变更、替代材料与产品测试。各角色共享经过授权的数据底座,通过任务编排交换结构化结果。订单变化时,排产系统产生新计划,工艺参数与设备配置随后更新,视觉质检再把现场结果反馈给质量和研发团队。企业报道中的“双流”协同,指向的就是信息流与实物生产之间的持续相互作用。

这种协作还依赖清楚的事件与状态记录。智能体要知道一张工单执行到哪个阶段、哪个工站已经完成首件验证、某项物料替代是否经过审批,才能决定下一步调用哪个系统。PLM、MES、ERP、QMS与设备控制层因此需要在设备号、订单号、BOM、工艺版本和质量批次上形成明确关联。工业智能体在这个结构中承担理解任务、检索资料、组织工具和处理异常的职责,工业软件与现场自动化系统继续保存确定性执行的数据与规则。

34.4%与19.3%的效率数字应如何理解

同批报道披露,第二批领航工厂全员劳动生产率平均提升34.4%,生产效率平均提升19.3%。这是被纳入培育名单的工厂群体的统计口径,反映这些企业围绕智能制造建设形成的综合改善,而非某一个AI模型单独产生的效果。劳动生产率涉及产值或产出与人员投入的关系,生产效率可能对应生产周期、设备产出和工艺能力等不同维度。企业要复用经验,需要把工厂总体指标继续拆解到设计迭代、生产准备、换线、制造、检验、维修和库存等业务流程。

在大型装备制造中,设计与制造的衔接往往比单台设备自动化更能影响交付。东方汽轮机探索将高端发电装备的设计、工艺和制造内容组织成“积木式”可组合模块,报道给出的总装周期缩短幅度是40%。高端装备存在大量客户化选型和小批量定制需求,标准化模块可以减少设计复用、工艺准备和跨车间协作中的重复劳动。一套模块化设计数据不仅服务三维模型,还可以向工艺卡、装配步骤、检验规则和供应链采购清单传递。与工业智能体结合之后,自动检索可复用模块、检查设计变更影响和生成工艺草案就拥有了可操作的数据基础。

沈鼓集团的案例又把时间尺度拉到更长。透平压缩机、核主泵等工业装备具有复杂的定制过程,部分产品服役周期最长可达60年。研发设计、制造测试和服役运维之间的知识连接,对这类产品尤其重要。设备出厂以后,运行工况、维修件更换、试验参数和故障分析会在几十年中持续积累;若产品生命周期数据能够保留统一结构,企业便可在售后诊断和下一代产品研发中利用历史经验。沈鼓报道中的研产服一体化模式,使智能制造从生产车间延伸到了全生命周期服务。

千余工业智能体背后的工作量与算力安排

第二批工厂累计开发超过1000个工业智能体,日均词元调用超过3亿,是11月19日新闻中值得进一步研究的数据。工业企业的智能体可能承担资料搜索、工艺问答、表单生成、生产异常分析、质量报告和多系统协同等不同任务。某些场景只需要少量文本推理,另一些任务必须读取大量设备日志和工程文件,或反复调用数据库、仿真软件与控制系统接口。词元调用量显示这些系统已拥有相当规模的运行活动,也提示模型路由、缓存、任务管理和计算成本会成为日常运营的重要工作。

从工业智能算网的角度看,不同任务适合放在不同计算位置。涉及敏感工艺参数的分析可以在厂区服务器执行,实时视觉识别通常依靠边缘计算,复杂研发推理或大规模离线模型训练则可能利用更强的计算资源。智能体通过权限和工具接口使用数据,模型可按任务切换,关键执行结果写回工业软件。在生产管理层面,一个工业智能体能够处理的任务范围,通常取决于它能访问哪些准确数据、能调用哪些确定性工具以及如何与岗位人员协作,模型的参数规模只是系统设计的一个因素。

领航工厂对上下游企业的意义

34家领航工厂累计带动近4000家企业协同升级,这项指标使领航工厂具有超出自身园区的产业影响。大型制造企业通常掌握稳定的供应链标准、工艺规范、质量验收和订单协作规则。上游零部件工厂如果能够与主机厂共享必要的图纸版本、质量追溯编码和交付信息,就可以减少沟通和重复录入;下游服务企业可以借助设备资产信息完成远程诊断、配件供应和维护计划。龙头企业沉淀的工业模型、工艺数据对象和智能体工作流,还可能形成面向中小企业的标准化产品或专业服务。

行业服务商的商业空间集中在专业性较强的环节,包括CAD/CAE研发设计智能体、工艺知识整理、设备健康分析、视觉质检、质量追溯、工业时序预测和产品全生命周期数据协同。它们需要与设备厂、系统集成商、软件企业和现场工程团队共同交付。对于职业院校和应用型高校,领航工厂公开的具体业务链也能转换成实训任务:学生学习不只停留在编写单个PLC程序,还可以完成设备建模、数据采集、AI调用、工程验证和维护报告全过程。产业链的数字化能力,需要通过岗位能力与交付工具一同扩散。

从示范建设迈向可复用的工业产品

领航工厂的下一阶段成果,可以更多体现在可复用的工程模块与数据标准里。智能工厂内部常有极具行业特点的工程能力,例如换线规则库、质量缺陷知识库、设备故障诊断模型和数字孪生配置模板。把这些能力封装为可维护的智能体与软件组件,再把输入输出、版本和权限定义清楚,就可以在相近工厂之间推广。领航项目所积累的工业智能体使用记录和任务成功率,也能够帮助企业判断哪些环节适合自动化、哪些专业工具最值得继续建设。

11月19日公布的34家名单提供了一组新的观察起点:49家领航工厂的全国规模、超过1000个工业智能体的应用数量、每天超过3亿词元的运行活动,以及工厂对产业链近4000家企业的带动。把这些数字与真实的工艺、设备和订单流程一起看,智能制造产业已经进入能够系统衡量建设效率、软件复用和业务协作价值的新阶段。

参考文献

  1. 新华社,2026-11-19,我国新增34家领航级智能工厂:https://www3.xinhuanet.com/tech/20261119/e2ba05d210e144daa62d4a515f29d109/c.html
  2. 经济参考报/数字中国建设峰会,2026-11-19,我国新增34家领航级智能工厂:https://www.digitalchina.gov.cn/2026/xwzx/szkx/202611/t20261119_5394900.htm
  3. 2026世界智能制造大会相关信息,以11月19日新华社及经济参考报当日现场报道为依据。
分享到