| S/N | 企業(yè) | 典型應(yīng)用 | 所在地 |
|---|---|---|---|
| 1 | 寶信軟件 | 寶聯(lián)登鋼鐵行業(yè)大模型 | 上海 |
| 2 | 樹根科技 | 根靈工業(yè)大模型 | 廣東·廣州 |
| 3 | 埃斯頓 | 工業(yè)機(jī)器人 | 江蘇·南京 |
| 4 | 卡奧斯COSMOPlat | 天智工業(yè)大模型 | 山東·青島 |
| 5 | 華為 | AI視覺質(zhì)檢 | 廣東·深圳 |
| 6 | 新松 | 工業(yè)機(jī)器人 | 遼寧·沈陽 |
| 7 | 工業(yè)富聯(lián) | GenAI設(shè)備助手 | 廣東·深圳 |
| 8 | 中控技術(shù) | AI時(shí)序大模型TPT | 浙江·杭州 |
| 9 | 越疆科技 | 協(xié)作機(jī)器人 | 廣東·深圳 |
| 10 | 徐工漢云 | HANYUN OS工業(yè)操作系統(tǒng) | 江蘇·徐州 |
| 11 | 拓斯達(dá) | 工業(yè)機(jī)器人 | 廣東·東莞 |
| 12 | 東土科技 | 工業(yè)AI安監(jiān)超腦 | 北京 |
| 13 | 埃夫特 | 工業(yè)機(jī)器人 | 安徽·蕪湖 |
| 14 | 博實(shí)股份 | 工業(yè)機(jī)器人 | 黑龍江·哈爾濱 |
| 15 | 朗坤智慧 | 蘇暢瑤光工業(yè)大模型 | 江蘇·南京 |
| 16 | 航天云網(wǎng) | INDICS-MAID垂域大模型 | 北京 |
| 17 | 新時(shí)達(dá) | 工業(yè)機(jī)器人 | 上海 |
| 18 | 依柯力Inkelink | 依柯力工業(yè)AI數(shù)字員工 | 上海 |
| 19 | 賽意信息 | AI中臺(tái)善謀GPT | 廣東·廣州 |
| 20 | 思謀科技 | SMore ViMo智能工業(yè)平臺(tái) | 廣東·深圳 |
| 21 | 能科科技 | 樂倉生產(chǎn)力中臺(tái) | 北京 |
| 22 | 海柔創(chuàng)新 | 箱式倉儲(chǔ)機(jī)器人 | 廣東·深圳 |
| 23 | 日聯(lián)科技 | 工業(yè)X射線智檢 | 江蘇·無錫 |
| 24 | 和利時(shí) | XMagital智能系統(tǒng) | 北京 |
| 25 | 維拓科技 | MBSE數(shù)字工程PDP | 江蘇·南京 |
| 26 | 創(chuàng)新奇智 | 奇智孔明AInnoGC工業(yè)大模型 | 山東·青島 |
| 27 | 浩辰軟件 | 浩辰AI樓梯 | 江蘇·蘇州 |
| 28 | 視比特機(jī)器人 | AI+3D視覺 | 湖南·長沙 |
| 29 | 格創(chuàng)東智 | 天樞AI視覺檢測系統(tǒng) | 湖北·武漢 |
| 30 | 阿丘科技 | AI視覺檢測 | 北京 |
| 31 | 遠(yuǎn)舢智能 | 遠(yuǎn)舢OS數(shù)字工業(yè)操作系統(tǒng) | 北京 |
| 32 | 廣域銘島 | Geega工業(yè)AI應(yīng)用平臺(tái) | 重慶 |
| 33 | 恒遠(yuǎn)科技 | 產(chǎn)線大腦 | 山東·煙臺(tái) |
| 34 | 中科迪宏 | TimesAI深度學(xué)習(xí)開發(fā)平臺(tái) | 安徽·合肥 |
| 35 | 諦聲科技 | 工業(yè)AI聲學(xué)檢測 | 北京 |
| 36 | 賽美特 | 全自動(dòng)化智能制造平臺(tái)（CIM） | 江蘇·蘇州 |
| 37 | 艾普工華 | UniMax?MOM | 湖北·武漢 |
| 38 | 云道智造 | AI仿真PaaS平臺(tái) | 北京 |
| 39 | 泊松軟件 | Geoshape Vertex智能體 | 廣東·深圳 |
| 40 | 卓世科技 | 天璇MaaS平臺(tái) | 北京 |
| 41 | 圖漾科技 | 3D ToF智能工業(yè)相機(jī) | 江蘇·南京 |
| 42 | 達(dá)智匯 | 伏羲工業(yè)AI中臺(tái) | 江蘇·蘇州 |
| 43 | 德信科技 | AI智能運(yùn)營平臺(tái) | 北京 |
| 44 | 個(gè)元科技 | AI視覺檢測系統(tǒng) | 廣東·深圳 |
| 45 | 設(shè)序科技 | 閃設(shè)3D智能設(shè)計(jì) | 天津 |
| 46 | 熾橙科技 | CCHub智能化連接工具鏈 | 浙江·杭州 |
| 47 | 跨維智能 | 3D視覺引導(dǎo)解決方案 | 廣東·深圳 |
| 48 | 智眸未來 | 精密金屬件智能檢測裝備 | 北京 |
| 49 | 優(yōu)云智聯(lián) | 制造智能運(yùn)營系統(tǒng)MIOS | 山東·青島 |
| 50 | 辛孚科技 | 流程工業(yè)AI | 廣東·廣州 |
| 2025.12 DBC/CIW/eNet16 | |||
展臺(tái)上，觀眾正與AI進(jìn)行工業(yè)質(zhì)檢的效率對決，僅此一項(xiàng)應(yīng)用，已在紡織、光伏、汽車輪轂等領(lǐng)域?qū)崿F(xiàn)規(guī)?；瘡?fù)制。AI與工業(yè)的深度融合已從早期的單點(diǎn)技術(shù)應(yīng)用，逐步演進(jìn)為系統(tǒng)性重構(gòu)的新型工業(yè)化路徑。
走向規(guī)劃化落地
在“十五五”規(guī)劃建議明確提出“促進(jìn)實(shí)體經(jīng)濟(jì)和數(shù)字經(jīng)濟(jì)深度融合”的背景下，中國AI與工業(yè)融合正經(jīng)歷從概念驗(yàn)證，到規(guī)?；涞氐霓D(zhuǎn)變。
早期AI在工業(yè)領(lǐng)域的應(yīng)用主要集中在質(zhì)量檢測、能耗管理等單一場景，而當(dāng)前已逐步向研發(fā)設(shè)計(jì)、生產(chǎn)制造、運(yùn)營管理等全流程滲透。在制造業(yè)腹地，工業(yè)視覺質(zhì)檢已從嘗鮮走向必需；在現(xiàn)代化港口，智能調(diào)度系統(tǒng)通過AI算法統(tǒng)籌岸橋、軌道吊、集卡的高效協(xié)同作業(yè)；在農(nóng)業(yè)領(lǐng)域，搭載智能感知系統(tǒng)的無人機(jī)實(shí)現(xiàn)農(nóng)藥、肥料變量施用，節(jié)省投入成本的同時(shí)有效減少環(huán)境污染。
與一些發(fā)達(dá)國家偏重基礎(chǔ)模型研發(fā)不同，中國的技術(shù)落地深深扎根于全球最完整的工業(yè)體系和超大規(guī)模市場的沃土中，形成了治理范式從經(jīng)驗(yàn)驅(qū)動(dòng)轉(zhuǎn)向智能決策，產(chǎn)業(yè)政策從定點(diǎn)扶持轉(zhuǎn)向生態(tài)構(gòu)建的戰(zhàn)略升維。
軟件定義工廠
傳統(tǒng)的自動(dòng)化改造主要集中在“機(jī)器換人”，而新一代智能制造則向“軟件定義工廠”演進(jìn)。
工業(yè)互聯(lián)網(wǎng)與人工智能的結(jié)合，正在重新定義新型工業(yè)化發(fā)展范式。具體而言，制造業(yè)正經(jīng)歷從經(jīng)驗(yàn)驅(qū)動(dòng)向智能決策的根本轉(zhuǎn)變，產(chǎn)業(yè)組織形態(tài)也從線性鏈條向網(wǎng)絡(luò)生態(tài)演進(jìn)。
按需供給成為這一變革的核心特征。這意味著生產(chǎn)系統(tǒng)能夠?qū)⒖蛻粜枨笾苯印?dòng)態(tài)地轉(zhuǎn)化為精準(zhǔn)的生產(chǎn)指令，其關(guān)鍵在于打通ERP、MES等傳統(tǒng)工業(yè)軟件間的系統(tǒng)壁壘，構(gòu)建一個(gè)覆蓋設(shè)計(jì)、生產(chǎn)、物流的全鏈條智能中樞。此舉旨在實(shí)現(xiàn)生產(chǎn)流程的全要素?cái)?shù)字化映射與資源配置的全局優(yōu)化。
在這一深刻轉(zhuǎn)型中，智能體的角色變得不可或缺，可通過融合多模態(tài)交互、大小模型協(xié)同與靈活的工具調(diào)用等技術(shù)，構(gòu)建起從環(huán)境感知到?jīng)Q策執(zhí)行的完整閉環(huán)系統(tǒng)。這有效打通了工業(yè)軟件層與物理設(shè)備層之間的交互鏈路，解決了大模型在工業(yè)場景中“有腦無手”的實(shí)踐難題，從而推動(dòng)制造系統(tǒng)從固化的自動(dòng)化，向可持續(xù)演進(jìn)、自主優(yōu)化的高階智能化躍升，最終成就真正自適應(yīng)、可重構(gòu)的軟件定義工廠。
數(shù)據(jù)、算力與工業(yè)需求的深層矛盾
在當(dāng)前眾多挑戰(zhàn)中，數(shù)據(jù)碎片化、低質(zhì)化及共享意愿低是工業(yè)AI落地的首要障礙。這直接導(dǎo)致用于訓(xùn)練的高質(zhì)量工業(yè)數(shù)據(jù)語料庫十分匱乏，不少工業(yè)大模型雖具備通用知識(shí)，卻在具體產(chǎn)線、工藝或質(zhì)檢場景中表現(xiàn)不穩(wěn)定，難以滿足工業(yè)場景中對精度、可靠性與可解釋性的嚴(yán)苛要求。
這一困局的背后，是更深層的結(jié)構(gòu)性矛盾。許多制造業(yè)企業(yè)，尤其是流程復(fù)雜的大型企業(yè)，其內(nèi)部數(shù)據(jù)往往沉淀于數(shù)十個(gè)相互獨(dú)立的“煙囪式”系統(tǒng)中，格式不一、標(biāo)準(zhǔn)各異。更關(guān)鍵的是，數(shù)據(jù)被視為核心資產(chǎn)與商業(yè)秘密，企業(yè)在缺乏明確價(jià)值回報(bào)和可信安全機(jī)制的情況下，普遍缺乏共享與流通的內(nèi)在動(dòng)力。這就形成了一個(gè)惡性循環(huán)：數(shù)據(jù)因不流通而難以增值，因難增值而更不愿流通，最終制約了整體產(chǎn)業(yè)智能水平的躍升。
從投資角度看，人工智能應(yīng)用的成效高度取決于數(shù)據(jù)獲取的全面性和精準(zhǔn)度，同時(shí)也需要相應(yīng)的模型和算力支撐。這一技術(shù)需求與供給之間的錯(cuò)配，成為了AI+工業(yè)深度發(fā)展的主要瓶頸之一。
結(jié)語
在這場由AI驅(qū)動(dòng)的工業(yè)革命中，中國正以“場景驅(qū)動(dòng)型”路徑探索工業(yè)智能化的獨(dú)特道路，逐漸構(gòu)建起開放融合的產(chǎn)業(yè)生態(tài)，為全球工業(yè)智能化貢獻(xiàn)中國智慧與中國方案。
（文/楚風(fēng)）
e-Mail：lab@enet16.com
