请点击《2025工业智能体应用现状与趋势展望报告》或扫描上方图片二维码获取完整报告

在全球制造业加速向智能化迈进的背景下，工业智能体正逐渐成为推动产业升级和重塑市场格局的关键力量。面对经济环境的不确定性、市场需求的多元化以及可持续发展的迫切要求，传统制造业正处在重要转型时期。如何通过智能化手段提升工业生产效率、降低经营成本，已成为业内普遍关注的议题。

2025年9月23日，在第二十五届中国国际工业博览会上，西门子联合至顶科技正式发布《2025工业智能体应用现状与趋势展望报告》。报告通过对中国制造业200余家企业的广泛调研，呈现工业智能体在特征分类、应用现状、落地挑战和未来趋势的洞察，并为行业发展提供参考路径。

西门子大中华区总裁兼首席执行官肖松博士（左）与至顶科技首席执行官兼总编辑高飞在工博会现场进行深度对话

工业智能体以“自主决策、持续适应和人机协同”为核心特征

智能体与以往所提到的聊天机器人和副驾驶有所不同。早期的人工智能应用多集中在聊天机器人（Chatbot）与副驾驶（Copilot）层面，前者提供基于文本或语音的交互，后者在特定任务上辅助人类完成操作，具备一定程度上的智能体功能。智能体（Agent）则指能够感知环境、自主推理、做出决策并执行动作以实现目标任务的系统，其通过传感器感知外部环境与内部状态，并依据逻辑判断与目标分析，借助执行器对环境产生影响。

近年来，以大模型为代表的人工智能技术突飞猛进，为智能体在各行各业的渗透提供了重要支撑，其在工业领域的应用价值日益凸显。工业智能体是指在工业环境中，通过融合工业机理和人工智能技术而开发、部署和运行的，能够对生产设备、工艺流程和物流管理等环节进行自主控制与优化的系统。工业智能体具有自主决策、持续适应和人机协同三大典型特征。从工业智能体分类来看，按功能类型分为执行型、决策型和协作型智能体；按服务范围分为场景级、环节级和产业链级智能体；按部署方式分为云端、本地和边缘智能体。

工业智能体在多场景探索实践，未来发展前景广阔

报告调研中国制造业200余家企业的相关部门负责人，覆盖装备制造、汽车与交通、电子与半导体等多个细分领域，全面呈现工业智能体在制造业中的应用图景。当前，工业智能体处在早期发展阶段，在生产制造、研发设计、运行维护等多个制造环节初步落地。伴随企业对工业智能体的认知不断提升，未来具备广阔发展空间。

在应用场景方面，生产制造成为首要落点。生产制造所包含的自动排产、工艺控制、质量检测等落地场景较为丰富，智能技术提质增效的成果较为显著。研发设计紧随其后，特别是与仿真技术结合展现出较大潜力；运维服务和供应链管理的应用也逐渐增多，反映出企业在提高设备稳定性、优化物流和库存管理方面的需求。工业智能体在企业的不同业务环节存在应用潜力，未来随着企业认知的加深和技术的发展，应用场景有望进一步拓展和深化。

在部署智能体的考虑因素方面，企业普遍看重工业智能体的稳定性与可靠性。食品饮料行业某头部企业的AI负责人表示：“ROI关乎公司决策，我们需要考虑人员、资源等投入如何转化为实际收益，智能体与现有系统的兼容性和未来的可拓展性都与ROI相关。”工业智能体的部署是一个复杂的决策过程，需要企业从多个维度进行评估，以确保能够实现预期的智能化效益。

虽然工业界对于智能体表现出积极的探索态度和良好的价值预期，但目前的落地过程中仍面临多重挑战。部署成本高成为首要挑战，专业人才的缺乏与技术的不成熟同样成为掣肘。汽车行业某头部企业的AI负责人表示：“智能体是典型的Product/Market Fit工作，团队人员需要既懂技术又懂现场，才能打通开发和业务之间的壁垒。然而，这样的专业人员目前很稀缺。”装备制造行业某头部企业的AI负责人表示：“无数据，不智能。当前工业智能体面临的最大问题是数据打通难，标准不一和设备多样导致数据孤岛，加之数据质量不足，难以支撑落地效果。”综合来看，进一步解析工业智能体广泛应用所面临的挑战，一方面人才短缺和技术不成熟是落地成本高的潜在因素；另一方面，相关因素叠加反映出AI技术与工业场景的对接壁垒。

关于企业看重的工业智能体价值，主要侧重在提升生产工作效率和降低运营成本方面，同时在产品质量、决策管理、节能降碳等维度也有一定体现。工业智能体对企业的赋能是多方位的，随着应用场景的深入，其价值将在更多领域得到挖掘和体现，成为推动企业发展的重要力量。

整体调研结果显示，中国制造业企业对工业智能体的认知正在快速提升，智能体落地领域不断拓展。要真正实现工业智能体的规模化和深层次应用，仍需解决成本、人才、技术和数据等方面的瓶颈，从而推动整个制造业实现智能化转型。

工业智能体趋势展望：自主化、系统赋能与价值共创

工业智能体逐渐成为推动工业制造转型升级的重要引擎，越来越多的企业开始探索相关应用，通过智能体推动生产方式变革、提升效率并保持竞争力。未来工业智能体将呈现三大趋势：从自动化到自主化、从单点突破到系统赋能、从封闭创新到价值共创。

趋势一 从自动化到自主化：见证制造全流程智能跃迁

传统工业自动化系统依赖人工预设的逻辑和流程，难以灵活适应复杂环境。自主化系统在自动化基础上增加自主决策和动态自适应能力，能够在多变环境中实现最优调整。从自动化到自主化的演进趋势正在制造流程的各个环节体现出来。例如西门子推出覆盖研发、工程与运维等关键环节的生成式工业人工智能助手Industrial Copilot，全面赋能工业价值链，见证AI技术为行业客户实际应用中的可量化价值。

不过，自主化的目标并不是完全替代人工，而是将人从繁琐事务中解放出来，专注于创新与价值创造。在这一过程中，人机回圈（Human-in-the-loop）理念尤为重要。人机回圈的理念强调在智能决策中始终保留人的判断与干预，让机器的自主感知与学习能力与人的价值引导形成互补，共同推动制造业从“可控”走向“可进化”。

趋势二 从单点突破到系统赋能：工业模型与智能体重塑制造体系

工业智能体是连接人工智能技术和工业应用场景的主要载体，其应用范围与效果与人工智能模型能力的发展与演进息息相关。在早期工业场景中，通常借助单一任务的小模型完成质量检测和故障预警等特定任务。工业领域的模型应用形成“大模型支持决策、小模型执行落地”的“大小协同”格局。当前，小模型能力呈现集合化与平台化趋势，形成具有工业领域泛化能力的垂类大模型。西门子正加速打造工业基础模型（Industrial Foundation Model），该模型能够理解时间序列、图纸参数、工艺配方和三维建模等工业语言，并进一步生成智能建议。

工业领域模型的演进也直接影响智能体的能力拓展。装备制造行业某头部企业AI负责人表示：“当前大多数工业智能体都是针对简单且独立的线性工作流，价值点相对分散，但大型制造业无疑会从单点智能体走向系统智能体，而多智能体之间的协同需要统一的平台打通和系统管理。”由此可见，工业智能体不仅针对单一场景深挖数据价值，也向着平台化、系统化的方向发展，实现多智能体协同，从而让整个制造体系具备更强的自主和优化能力，向着更高程度的数字化与智能化演进。

趋势三 从封闭创新到价值共创：开启工业智能体生态共建时代

在工业智能体持续拓展应用场景、提升价值维度的进程中，单凭企业内部资源进行封闭创新已经难以应对市场挑战，基于开放生态体系的共创共生模式应运而生。各方在数据、模型、技术、人才等方面共同协作，为工业智能体的发展添砖加瓦。在数据层面，制造企业、科技公司、科研机构等多方加强合作，推动工业领域高质量数据的全面采集与互通；在技术层面，分享人工智能技术前沿成果，加强人工智能技术与工业自动化、数字化技术的深度融合；在人才层面，开展交流与合作，培养既懂场景又懂技术的复合型专业人才。

西门子通过打造数字化商业平台西门子Xcelerator，赋能不同行业、不同规模的企业实现数字化和低碳化转型。该平台汇聚了领先的工业人工智能解决方案，让包括工业智能体在内的工业AI技术更易获取，也更易规模化落地。

未来，随着各方积极参与到创新开放、跨界互联的生态合作中，人工智能技术将与更多工业场景更快、更好地对接，工业智能体的能力边界也将不断拓展，从“数据赋能者"成为“范式重构者"，持续撬动工业价值链的智能跃迁。

（内容转载自至顶网）