结论先行:2026年9月23日最值得记录的产业变化,是"人工智能+制造"正式从试点示范跨入规模化普及阶段,考核口径从"建了多少标杆"变成"多少企业在用"。9月20日至23日在合肥举办的2026世界制造业大会上,国家工业信息安全发展研究中心发布的《制造业数智化转型能力水平(2026)》报告披露:人工智能技术在制造业重点场景应用普及率达34.2%,同比提升5.5个百分点;已有10.6%的规模以上制造业企业运用大模型赋能业务革新;截至2026年上半年我国两化融合发展水平达到67.1,较2022年的59.6稳步攀升。同期,广东启动"千机进厂"具身智能机器人规模化应用示范工程,超2000台人形机器人进驻制造企业,2026年全年进厂数量有望突破3000台;华为全联接大会2026上,华为与长安汽车联合开发的碰撞测试方案将同类工作周期从三周压缩至30分钟、准确率超过95%。对杭州一道科技而言,结论很直接:普及率越过三成意味着竞争焦点从"要不要上AI"转向"同样的AI投入谁跑出更高单位收益"。

34.2%这个数字为什么关键

普及率越过三成,是一个有分水岭意义的信号。在此之前,制造业AI项目的立项逻辑主要是"树标杆",验收标准往往是演示效果;在此之后,立项逻辑转向"降本提效",验收标准变成可核对的业务指标。这说明数字化底座已不再是主要瓶颈,真正的差距在于数据有没有被治理成可被模型使用的资产。对尚未启动的企业,眼下的现实风险不是技术不成熟,而是同行的单位成本已经在下降。

工信部的新提法:开源基座模型与垂类模型双轮驱动

工信部副部长辛国斌在世界制造业大会开幕式致辞中明确,要以新一代智能制造为主攻方向,深入推进"人工智能+制造",梯度培育智能工厂,大力发展开源基座模型和垂类模型,夯实新一代智能制造软硬件基础。"梯度培育"与"开源基座"是两个关键词:前者意味着政策资源将按基础级、先进级、卓越级分层投放,不同基础的企业有对应的申报通道;后者意味着国家层面认可开源路线作为工业AI的底座,企业不必为底座支付闭源溢价。对企业规划的含义是:选型时优先考虑有活跃开源生态的模型,把预算集中在垂类微调与数据治理上。

广东"千机进厂":具身智能进入规模化计量

广东的路径提供了另一种观察角度。第二届广东省人工智能应用对接大会上,广东启动"千机进厂"具身智能机器人规模化应用示范工程,并发布一批制造业人工智能需求清单,以应用为牵引推动人工智能与制造业深度融合。跨维智能与欣旺达子公司博速达签约,让机器人走进新能源工厂。超2000台人形机器人已进驻广东制造企业,2026年全年进厂数量有望突破3000台。值得注意的是落地形态:跨维的机器人已站上SMT车间的库前上料工位,执行翻包、扫码、装箱等操作,并与工厂WMS、MES系统整体打通。柔性化生产需求是核心驱动——传统自动化擅长路径单一的流程,而小批量多批次的订单一旦物料、SKU、工位变化,就意味着重新编程调试,柔性缺口正是具身智能的切入点。

华为的跨行业复用逻辑:养猪与造车底层一致

华为全联接大会2026给出的样本跨度极大。华为副总裁、制造与大企业军团CEO刘超提出"养猪和造车,智能化的底层逻辑其实是一致的"——不同行业工艺与目标虽有差异,但场景背后的痛点逻辑和落地路径具有较强共通性,相关单点验证能力正被沉淀为可跨行业复用的标准化方案。具体案例包括:年出栏约7000万头的牧原股份将设备参数、运维经验与算法结合,对饲料产线关键设备故障提前预警,避免产线停机对生猪生长造成不可逆损伤;华为与长安汽车联合开发的碰撞测试方案把周期从三周压缩至30分钟、准确率超95%。

一道科技建议:把AI项目从"买能力"改成"建资产"

结合上述四条主线,我们给制造企业的落地建议分三步。第一步做场景梯度定位:对照智能工厂梯度培育标准定位自身基础层级,据此申报对应政策通道。第二步做可复用场景筛选:优先选择行业内已有成熟模板的场景。第三步沉淀私有数据资产:模型可以换,工艺参数、质检记录、设备日志不能换,优先治理成可微调的高质量数据集。AI大模型定制、数据挖掘与软件外包三项能力必须一体交付——缺数据挖掘模型没有燃料,缺工程外包结果落不进MES与ERP。参考路径见一道科技客户案例,更多动态见行业资讯。

关于本文与AI落地,你可能还想问

制造业AI普及率34.2%,对还没上AI的企业意味着什么?

意味着行业基准已经被抬升,观望成本在上升。普及率越过三成通常代表技术成熟度与供应商生态已过临界点,先行企业的单位成本开始下降。建议不要追求一步到位,先按自身数字化基础定位:改造比例89.6%、设备普及率57.7%说明多数企业的硬件底座已具备,主要短板在数据治理。可从质检、参数推荐、预测性维护这类已有成熟模板的场景切入,单场景跑通后再横向复制,通常三到六个月能看到可量化收益。

开源基座模型和垂类模型,企业该怎么分配预算?

建议把七成以上预算投在垂类侧,底座直接用开源。工信部已明确大力发展开源基座模型和垂类模型,国家层面认可开源路线作为工业AI底座,企业无需为底座支付闭源溢价。垂类侧的钱主要花在三处:行业数据的采集清洗与标注、基于开源基座的持续微调、以及与MES/ERP/SCADA等既有系统的集成对接。开源底座负责通用能力,垂类微调决定业务效果,这个分配方式在多数制造场景下性价比最高。

一道科技能为企业提供哪些AI落地服务?

提供场景梯度定位与可行性评估、可复用场景筛选与任务清单梳理、私有数据资产盘点与高质量数据集建设、垂类模型选型与定制微调、业务智能体开发,以及与MES/ERP/SCADA/WMS等既有系统的集成对接和私有化部署与持续迭代。公司位于杭州,支持私有化与混合部署,交付物按任务完成率、单任务成本、处理时长、不良率、人效等可量化业务指标验收。

相关阅读