行业动态
阅读: 352 评论: 0 点赞: 0 发布时间：发布日期：2026-07-22 16:28:46
7月17日，工业和信息化部等六部门办公厅联合发布《关于开展2026年度智能工厂梯度培育行动的通知》。说实话，我第一眼看到"梯度培育"四个字的时候，以为又是常规的政策表态——毕竟这类文件每年都有，措辞套路也差不多。但仔细读完附件里的《智能工厂梯度培育要素条件（2026年版）》后，我发现这次不太一样。
不一样在哪里？它第一次把"工业智能体"写进了政策标准文本，第一次给AI技术在工厂里的应用比例划了硬杠杠——卓越级智能工厂AI应用场景比例不低于三成，领航级不低于六成。这不是建议，是评估指标。达不到，就评不上。
更关键的是，这套梯度体系不是空中楼阁。基础级面向所有规上工业企业自愿自建，先进级在基础级上叠加网络化能力，卓越级要求"国内领先"，领航级直接对标"全球引领"。从底到顶，四级台阶，每一级都有明确的准入门槛和评估标准。对于正在做数字化转型的制造企业来说，这等于国家给你画了一张路线图——你现在在哪一级，下一步该往哪走，清清楚楚。
我把四级梯度的核心要求整理了一下，方便对比：
有个细节值得注意：2025年卓越级的AI场景比例要求是不低于两成，今年提到了三成。一年涨了十个百分点。领航级维持六成不变，但新增了"工业智能体"的硬性要求。这说明什么？政策制定者在释放一个明确信号——AI在制造业的应用不是"锦上添花"，而是"硬性门槛"，而且门槛在加速抬高。
我跟几个做制造业数字化的朋友聊过这个话题。他们的反馈很一致：以前跟客户谈AI，客户问的是"能省多少钱"；现在客户问的是"能不能帮我评上卓越级"。评估标准正在变成采购决策的驱动力，这比任何市场宣传都管用。
这次通知里最让我意外的，是"工业智能体"这个词正式出现在了政策文件里。通知原文写道：领航级智能工厂应"开发一批工业智能体，探索建立从数据、模型到工业智能体的一体化管理体系，打造人工智能深度融合的新一代智能制造系统"。
"工业智能体"不是一个新词。过去两年，学术界和头部企业都在讨论这个概念——简单说，就是把大模型的推理能力、领域知识库、实时数据感知和执行控制能力打包在一起，形成一个能在工厂里自主决策的"数字员工"。但之前它更多停留在论文和白皮书里，政策文件中几乎没有出现过。
现在不同了。六部门的通知把它写进了领航级智能工厂的评估要素条件里，这意味着它不再只是技术概念，而是政策认定的"未来制造模式"的核心组件。对于做工业软件、AI平台、智能制造解决方案的企业来说，这是一个巨大的市场信号——谁能在工业智能体领域先跑出来，谁就拿到了领航级评定的入场券。
但说实话，工业智能体要真正落地，难点不在模型本身，而在数据。通知里提到的"从数据、模型到工业智能体的一体化管理体系"，说到底就是三件事：第一，数据得采得全、采得准，这是基础；第二，模型得懂行业know-how，通用大模型直接拿来用是不行的，必须经过行业数据微调；第三，智能体的决策结果得能执行下去，跟产线设备、MES、ERP系统打通。这三件事，每一件都不简单。
我自己观察到一个趋势：做得好的企业，往往不是AI能力最强的，而是数据底子最扎实的。某汽车零部件企业花了一年半时间做设备数据采集和清洗，看起来没什么产出，但等他们开始训练工业智能体的时候，发现模型准确率比同行高出一大截——原因很简单，garbage in garbage out，数据质量决定了智能体的上限。
《要素条件》从五个方面设立了智能工厂建设的关键绩效指标：能力提升、价值效益、生产运营效率、可持续发展、推广应用。这五个维度不是随便列的，每个都有具体的量化要求。
能力提升看的是数字化、网络化、智能化的综合水平——你的设备联网率多少？核心业务系统覆盖率多少？AI应用场景多少？这些都有硬指标。
价值效益看的是钱——投资回报率、降本增效的幅度、新产品研发周期缩短比例。这一条最能打动企业老板。我见过太多数字化项目，技术方案很漂亮，但算不出ROI，最后不了了之。政策把价值效益列为评估维度，倒逼企业在立项阶段就想清楚"这笔账怎么算"。
生产运营效率看的是硬指标——OEE（设备综合效率）、良品率、交付周期、库存周转率。这些指标是制造业的"通用语言"，不管你做什么行业，这几个数字好看，说明你的数字化是真管用了。
可持续发展看的是绿色低碳——能耗强度下降比例、碳排放管理能力。最近两年，ESG和碳足迹管理从"大企业专属"变成了"全行业必修课"，智能工厂评估把这一条纳入，也是在跟国际接轨。
推广应用看的是可复制性——你的方案能不能在同行业推广？有没有形成标准化产品？这一条对软件服务商特别重要。如果你的解决方案只能在一家企业用，那叫项目；如果能复制到十家百家，那叫产品。政策鼓励的是后者。
你可能会问：这套梯度体系听起来是给大企业设计的，中小企业能吃到什么红利？
我的判断是：红利在"服务侧"，不在"申报侧"。中小企业直接去评卓越级、领航级的概率确实不大，但它们是智能工厂生态的参与者——作为供应链上的一环，大企业评领航级的时候，会倒逼上游供应商达到基础级或先进级。这就是市场传导效应。
更直接的机会在于政策配套资金。以江西为例，7月10日江西省工信厅和财政厅联合印发了《关于支持深化制造业数智化转型的若干措施》，设立了"数转券"——中小微企业通过数智化公共服务平台使用数智化产品服务，单个企业年度最高补贴20万元。省级"数智标杆"企业每家奖励200万元，行业解决方案提供商最高500万元奖补，"产业大脑"建设最高1000万元。
江西不是孤例。全国各地都在出类似的配套政策。绍兴的试点经验显示，382家试点改造企业累计获得中央资金3517万元、地方配套4289万元，撬动企业投资约5亿元。财政资金的杠杆效应非常明显——政府投一块钱，企业跟投三到五块钱。
对于做B2B软件和行业解决方案的企业来说，这意味着市场需求的结构性变化。过去企业买软件，买的是"工具"——ERP、MES、CRM，各买各的。现在企业买软件，买的是"结果"——能不能帮我达到基础级？能不能帮我从基础级升到先进级？采购逻辑从"功能导向"变成了"等级导向"。
这个变化对软件服务商的要求很高。你得理解评估标准的每一个条款，得能帮客户做差距分析，得能提供从诊断到实施到申报的全链条服务。说白了，你得从"卖软件的"变成"陪考的"。但一旦转型成功，客单价和客户粘性都会大幅提升。
最后，给正在关注智能工厂梯度培育的企业三条建议：
第一，先做差距分析，别急着投钱。很多企业一听到政策就兴奋，马上开始采购设备、上系统。但正确的第一步是对照《要素条件》做一次全面的差距分析——你现在在哪一级？缺什么？优先补什么？这件事花不了多少钱，但能帮你避免大量无效投入。晋中市工信局的做法值得参考：他们组建服务组深入企业，帮企业"精准定位痛点""锚定行业坐标"，让企业"明确自身在行业中的差距，从被动转型转为主动追赶"。
第二，数据治理先行，AI应用后行。我前面提到过，工业智能体的上限由数据质量决定。在你还没把设备数据采全、把业务数据打通之前，谈AI应用就是空中楼阁。正确的路径是：先做基础级（数据采集+流程数字化），再做先进级（系统集成+数据贯通），然后才考虑卓越级的AI应用。跳级发展不是不可能，但风险极高。
第三，关注供应链传导效应，提前布局。如果你是中小制造企业，别觉得梯度培育跟你没关系。你的大客户一旦开始评卓越级或领航级，一定会要求供应链达到对应的数字化水平。提前做好准备，等传导压力到来的时候，你就从"被要求"变成了"已就绪"，在供应商筛选中占据先发优势。
智能工厂梯度培育行动的通知只有几页纸，但它背后的产业影响会持续很多年。从"有没有"到"强不强"，从"建系统"到"用AI"，从"单点突破"到"一体化管理"——制造业的数字化正在进入深水区。能不能游过去，取决于你从今天开始做了什么准备。