行业最新报告显示，今年全球工业智能化市场规模预计突破3.5万亿元，我国占据的市场份额超过40%。工业和信息化部两化融合工作领导小组会议明确，以工业智能体为抓手深化人工智能工业应用，带动工业数据集、工业大模型的创新迭代。当前，加快推进面向典型场景的工业智能体研发与应用，支持一批企业开展试点建设，全面提升工业全流程智能化水平，已成为重要议题。
工业智能体是集智能化、自主化和协同化于一体的新型工业系统平台，融合了人工智能、大数据和云计算等新一代信息技术，具备高度智能决策能力以及协同与网络化能力，显著推动制造业各环节转型升级。凭借强大的数据分析能力，工业智能体改变了传统依赖个体经验的研发模式，拓展了方案创新路径，大幅压缩了研发周期。通过集成更高级智能技术，工业智能体实现系统自我管理与决策，优化生产排程、设备维护与跨系统协同。此外，自主智能的分析和决策性能赋予智能体优化销售服务方案的优势，售前自主分析市场潜在需求并设计个性化方案，售中借助虚拟场景建模等技术提供“体验+沉浸+互动”三位一体服务，售后高效回应顾客疑问并将实时数据转化为对未来市场的洞察。依托大模型支撑，智能体不仅优化了生产制造各个环节间的协同合作，提升供应链的整体绩效，还深度解析企业多板块盈利状况，为前瞻性战略制定提供支持。
一段时间以来，国内多地以“AI+制造”为牵引，制定各项政策举措、发布典型应用场景、开展专项行动，加速工业智能体从实验室走向产业一线步伐。企业也积极布局，加快攻关前沿技术，驱动工业实现智能化进阶。实践表明，工业智能体正释放巨大潜力。例如，长三角电子信息产业集群依托工业智能体搭建的协同平台，实现跨企业工艺设计效率和供应链响应速度的极大提升；浪潮云推出“海若智能体”，将计算资源、各类模型以及行业智能体整合为“智数云安”一体化解决方案。
伴随智能体的广泛应用，银泰证券预测，到2028年我国工业企业AI支出有望达900亿元。工业智能体的全面落地应用是一项系统工程，接下来，需要系统布局与推进，实现数据、技术和人才等多维度深层次联动。
突破数据瓶颈，促进数据融通。整合不同数据源是工业智能体有效应用的关键。当前，工业智能体在实际应用中仍面临数据缺失、数据孤岛和数据复杂等问题，这就需要打通产业上下游数据流，通过部署高效的企业管理系统、精准的生产管理系统和集成的ERP系统，为高级智能应用构筑坚实的数据底座、提供稳定的信息支撑，使其达到安全可靠的程度。
强化技术基础，拓展技术应用。工业场景的复杂度高，多模态信息融合对智能体的适应性、敏捷性和灵活性提出更高要求。为此，要支持企业构建兼容异构、自主可控的工业AI平台，在破解算力适配、模型压缩和调度推理等技术性难题的同时，引导技术进步与垂直行业需求深度耦合，最大限度释放工业智能体的技术价值。
重视人才培养，加强人才储备。作为大模型与工业机理、机器学习等技术融合应用的最新产物，工业智能体的全面落地离不开一大批既懂工业机理又懂AI技术的复合型人才。为此，要加强人才队伍建设，推进人工智能全学段教育和全社会通识教育，完善学科专业布局，加大高层次人才培养力度，着力提升全员人工智能素养与技能。
