·聚焦:人工智能、芯片等行業

歡迎各位客官關注、轉發

前言：

AI正在從屏幕走向車間，從文本走向工況，從對話框走向生產線。

不過工廠不是一個適合講浪漫故事的地方，工業側AI比的是誰更會“做事”。

作者| 方文三

圖片來源 | 網絡

工業AI的拐點在場景開始變多

早期工業AI更多停留在“項目制交付”階段：企業愿意試點，真正大規模復制卻并不容易，

現在變化開始出現。

一方面，大模型、多模態模型和智能體技術降低了工業知識建模的門檻。過去依賴專家系統和人工規則沉淀的場景，現在可以通過行業模型、工藝知識庫、設備數據和現場反饋，形成更強的推理能力。

另一方面，制造企業自身的數字化基礎也在提高。MES、SCADA、ERP、工業互聯網、邊緣計算、機器視覺、傳感器和自動化設備的普及，讓AI可以接入更多實時數據和執行系統。

政策層面也在加速推一把，圍繞“人工智能+制造”的相關行動，已經把工業大模型、工業智能體、高質量數據集和典型應用場景列為重點方向。

2026年工信部與國家數據局啟動的“模數共振”行動，精準擊中了工業AI落地的核心痛點：數據與模型的脫節。

此前工業數據被鎖在企業的信息孤島中，單靠市場機制難以流通，而政策杠桿正在撬開這道壁壘。

加上八部門印發的《“人工智能+制造”專項行動實施意見》，明確到2027年推出1000個高水平工業智能體、推廣500個典型應用場景，工業AI已從企業的單點嘗試，上升為國家制造業升級的核心抓手。

如今，工業大模型開始介入核心生產環節：中控技術的流程工業時序大模型TPT 2，能替代多個專用軟件實現自主決策；智元機器人“遠征A3”完成萬臺量產，已部署到汽車柔性裝配、3C分揀等產線。

視覺檢測誤檢率降至工業可接受范圍、預測性維護實現自主判斷、具身智能走出實驗室。

資本過去最大的焦慮是“技術很酷，但誰來買單”，而現在這個問題有了答案。

思謀科技三年營收復合增長率近50%，累計交付14萬個工業AI智能體，服務特斯拉、京東方等730家全球客戶。

黑湖科技營收年增速超60%且全面盈利，其“拆單Agent”將人工耗時從2-3小時壓縮至分鐘級，“報價Agent”把響應時效從6小時縮短到秒級。

當AI能直接轉化為良率提升、成本下降、效率提高的財務數據，83%的制造企業愿意為其付費，76%的項目能在18個月內收回投資。

一級市場從“賭技術”到“賭交付”

資本的嗅覺永遠最敏銳,2025年中國AI領域融資總額達4759億元，其中先進制造AI項目融資282億元，具身智能賽道融資117億元，較2024年增長近2倍；2026年節奏進一步加快，僅具身智能一個領域，截至5月的融資額就已超過2025年全年。

從黑湖科技10億元D輪融資躋身獨角獸，到眸深智能半年完成五輪融資，一條從天使輪到D輪全覆蓋的融資鏈條，正在工業AI賽道全面鋪開。

上一輪工業AI投資追捧“技術大牛”和“通用平臺”，但事實證明，工業場景沒有放之四海而皆準的解決方案。

資本流向還在向產業鏈上游遷移，靈巧手、力控關節、3D視覺、工業AI芯片等核心部件，以及VLA大模型公司成為最搶手的標的。

這說明工業AI已跨過簡單的系統集成階段，開始向底層硬科技扎根。

同時，國家AI產業投資基金與各地專項基金形成合力，常州50億元AI基金、蘇州500億元基金群相繼落地，為工業AI提供了長周期的“耐心資本”。

資本喜歡AI，并不等于天然喜歡工業AI。

消費級AI有流量，有入口，有用戶增長曲線；基礎模型有技術壁壘，有平臺敘事，有全球化想象空間。

工業AI過去給投資人的感受往往更重，銷售周期長，交付復雜，回款慢，客戶集中，毛利結構容易被項目制拖累。

但當AI投資越來越擁擠，單純依靠模型參數、Demo效果和概念包裝，已經很難構成長期壁壘。

相比之下，產業場景反而重新顯出吸引力。

制造企業并不為“AI概念”付費，它們為良率提升、停機減少、能耗下降、庫存優化、交付周期縮短、安全事故降低付費。

這些指標足夠具體，也足夠剛性。只要效果能夠被驗證，預算就能從數字化、自動化、設備維護、質量管理和安全生產等多個口徑釋放出來。

一個通用聊天機器人可以迅速被模仿，但一個深度嵌入半導體良率分析、鋰電池缺陷檢測、鋼鐵高爐控制、汽車焊裝質檢、化工安全巡檢的工業AI系統，并不容易被簡單復制。

它背后沉淀的是工藝數據、現場知識、設備接口、交付經驗和客戶信任。

AI模型負責理解與決策，機器人負責執行，傳感器負責感知，工業軟件負責流程承載，邊緣計算負責低延遲部署。

這個組合一旦跑通，工業AI就不只是軟件工具，而會成為智能制造基礎設施的一部分。

資本追逐是一套能夠嵌入工廠、產線和供應鏈的智能系統。

工業AI終局不是贏家通吃

關于工業AI的市場規模，不同口徑指向同一個結論：這是一個萬億級別的藍海。

華為預測2026年中國工業級AI推理市場將超7000億元，全球工業AI市場到2034年將突破1900億美元。

而目前中國工業AI智能體的滲透率僅7.4%，從7.4%到100%的巨大空間，正是資本持續下注的根本原因。

但工業AI從來不是一個輕松的生意，它的挑戰藏在制造業的每一個細節里。工業場景高度非標，不同行業的工藝邏輯天差地別，同一行業不同工廠的設備、流程也各不相同。

這是大量的一線部署、調試和運維工作，這注定了工業AI無法像消費互聯網那樣實現“零邊際成本復制”。

即便是頭部企業也面臨著盈利難題：思謀科技2025年營收近11億元，仍虧損9.91億元；黑湖科技雖已盈利，也不得不將出海作為下一階段的核心戰略。

這也決定了工業AI的終局不會是一家通吃，它的競爭壁壘從來不是大模型的參數規模，而是對行業工藝的深度理解、對碎片化場景的覆蓋能力，以及在真實產線上持續交付的系統工程能力。

從AI軟件走向AI+硬件+場景

從當前投向看，工業AI正在形成幾條清晰主線。

①工業大模型和行業智能體。它們瞄準的不是通用聊天，而是工業知識推理、設備診斷、工藝優化、生產調度、質量分析和供應鏈協同。核心壁壘也不只是模型本身，更在于能否拿到高質量行業數據，理解復雜工藝流程，并構建可靠的工業知識系統。

②機器視覺和智能質檢。在電子制造、鋰電池、光伏、半導體、汽車零部件等行業，缺陷檢測、尺寸測量、表面瑕疵識別、異常判斷都是典型剛需。

AI視覺的價值非常直接：提升檢測準確率，減少人工誤判，降低返工和報廢成本。隨著多模態能力增強，視覺質檢還有機會從“識別缺陷”走向“解釋缺陷成因”。

③具身智能和工業機器人：機器人是工業AI最具想象力的載體之一。但它的現實機會，并不只在人形機器人身上，更藏在物流搬運、分揀、巡檢、裝配、焊接、噴涂、倉儲和柔性制造中。

當工業機器人接入AI感知與決策能力，就會從“重復動作機器”演進為“可適應環境的執行系統”。

④邊緣AI和工業算力：工業場景對低延遲、穩定性和數據安全要求很高，并非所有任務都適合上傳云端處理。

設備側、產線側、園區側的邊緣推理能力，會成為工業AI規模化的重要基礎。

⑤工業軟件智能化：CAD、CAE、PLM、MES、ERP、SCM、EAM、QMS等工業軟件，都可能被AI重新增強。

未來的工業軟件不只記錄流程，還會參與推理、預測、生成和決策。這一層不一定最熱鬧，卻可能最穩。

結尾：

技術真正改變經濟結構，往往發生在更安靜的地方。

資本不再只追逐會說話的AI，也開始尋找能干活、能降本、能提效、能進入真實產業系統的AI。

部分資料參考：36氪：《港股IPO，輪到工業AI了？》，經濟參考網：《報告：2025年中國AI投資呈脫虛向實、投早投小趨勢》，科技日報：《促進人工智能技術與制造業應用“雙向賦能”》，智研咨詢：《工業AI智能體》

本公眾號所刊發稿件及圖片來源于網絡，僅用于交流使用，如有侵權請聯系回復，我們收到信息后會在24小時內處理。

請務必注明：

「姓名 + 公司 + 合作需求」