来源：安邦智库(ANBOUND)

2025年7月26日，世界人工智能大会（WAIC）现场，网易旗下工程机械智能化品牌网易灵动召开露天矿山具身智能技术发布会，正式推出全球首个专为露天矿山挖掘机装车场景打造的具身智能模型——“灵掘”。在网易灵动展位，观众通过智能座舱实时体验了千里之外内蒙古矿山的无人挖掘机自动装车功能。“没想到AI也能帮助我们干危险的工作了！”观众们对挖掘机丝滑的无人操作发出惊叹。“灵掘”作为全球首个“端到端”工程机械具身模型，依托多模态数据驱动的自主学习技术，彻底颠覆传统开发模式。“灵掘”实现了三大突破：（1）技术路径革新：摒弃传统分模块开发与场景定制模式，首创端到端一体化模型，实现泛化性能质的飞跃；（2）数据“飞轮”驱动：训练数据直接来自真实矿山作业场景，精准攻克仿真数据无法解决的场景难题；（3）全面国产化：基于自研国产框架打造，核心算法与硬件芯片完全自主可控，保障技术安全与供应链稳定。在煤矿的严苛环境中，“灵掘”单机装车效率已达人工80%，近70%作业时间无需人为干预，成功适配极寒、高粉尘等严苛环境与多型号矿卡。内蒙古某露天煤矿代表在实测后评价道，“这项技术让AI成为矿山的‘铁臂战友’，装车3精度和连续性远超预期，为行业安全与效率提升开辟了新路径。”此次发布深度响应国家能源局“2025年大型露天煤矿实现智能连续作业和无人化运输”的战略目标，为《智能化煤矿建设指南》提供了可规模化落地的技术范本。

2025年6月6日，工信部两化融合工作领导小组会议举行。会议审议了《工业和信息化部信息化和工业化融合2025年工作要点》，研究部署推进两化融合的思路举措。其中提到，要以工业智能体为抓手深化人工智能工业应用，带动工业数据集、工业大模型的创新迭代。会议提出，要推进数字化网络化智能化升级，加快提升软硬件产品供给能力，激发企业转型升级内生动力，强化要素保障和资源配置，营造以融合促创新的良好氛围。关于人工智能，会议明确，要实施“人工智能＋制造”行动，加快重点行业智能升级，打造智能制造“升级版”；强化工业软件、智能传感器等关键核心技术攻关；加快建设工业高质量数据集，夯实人工智能工业应用的数据底座；加大“小快轻准”数字化产品和低成本数字化通用工具的培育力度。当前，我国制造业数字化转型、智能化升级的步伐正在加快。智能工厂是智能制造的主要载体，工信部数据显示，目前全国已建成3万余家基础级智能工厂、1200余家先进级智能工厂、230余家卓越级智能工厂，智能工厂梯度培育行动取得了初步成效。据了解，这些卓越级智能工厂分布在31个省（区、市），覆盖了超过80%的制造业行业大类。

那么，到底什么是工业智能体？工业智能体本质上讲是智能体技术在工业场景中的应用延伸，它基于自主感知环境、决策和执行任务的智能系统，旨在提升生产效率和质量。这一系统通过传感器收集数据，并独立规划工作流，调用工具执行特定操作，例如自动化生产线控制或预测性维护。在工业领域，它融合了理解、规划、反思和进化机制，实现设备协同与资源优化，从而减少人为干预。华为等单位联合编制的《工业数字化/智能化2030白皮书》提出，工业智能体如同人体，工业软件是大脑，工业云底座是心脏，工业边缘引擎、数字工业装备是四肢，先进工业网络是贯通全身的神经，工业数据是无处不在、流动的血液，端到端安全则是免疫系统。国家工业信息安全发展研究中心工程师刘劲松等业内专家普遍认为，“工业智能体是智能体技术与行业Know－How深度融合的产物，能实现对生产设备、工艺流程和物流管理等环节的智能化控制与优化，是制造业数字化转型从‘信息化建设’迈向‘价值创造’的关键推手。”亚信科技工程总监刘长水表示，“工业智能体是AI Agent技术在工业垂直场景中的应用深化，本质上是‘工业机理＋大模型＋业务系统’的融合体。”

尽管视角不同，业内人士普遍看好工业智能体的价值，认为工业智能体是未来推动工业智能化转型的“必答题”。国际咨询机构数据显示，已经应用了大模型及智能体的中国工业企业的比例，从2024年的9.6%提升到2025年的47.5%。其中，35%的企业已在多环节开展应用；已经应用大模型及智能体的企业中，超过73.7%的企业应用场景在10个到几十个左右。工业智能体相比传统自动化系统的本质区别在于，拥有自主决策能力，能实时感知环境并动态生成决策；具备更好的复杂系统协同能力，能打通工业设计、生产、供应链等多个环节；能自主形成知识沉淀并复用。阿里云智能副总裁安筱鹏表示：“工业智能体改造制造业，带来的不仅仅是工具的革命，也是一个革命的工具。如果把AI应用落地当做一场足球赛，那么软件智能体就是把球踢进对方球门的前锋。其中，左前锋是传统ERP、CRM等软件，被AI重新改造升级，形成各种工业级的AI Agent；右前锋则是AI原生的Agent，赋能制造业升级。”

目前，工业智能体已在多个场景内有所应用。国家工业信息安全发展研究中心工程师刘劲松等业内专家将工业智能体按功能划分为执行型智能体、决策型智能体、协作型智能体，基本涵盖了智能体的主要角色与职责；按照服务范围划分，则可以分为场景级智能体、环节级智能体和产业链级智能体。专家们指出，工业智能体通过感知工业现场环境，基于决策结果调用相关工具逐步实现既定目标，在研发设计、生产制造、运行维护、供应链管理和经营管理等场景中发挥重要作用。

越来越多的企业积极着手布局工业智能体。西门子尝试打造面向工业自动化的AI智能体，突破传统辅助应答模式，打造能够自主执行完整流程的系统，预计帮助用户提升50%的生产效率。华为依托盘古大模型推出工业智能体，实现全链式智能服务，降低企业18%的运营成本。联想推出制造领域智能体矩阵，在研发设计、生产优化、供应链协同、客服服务等关键场景实现智能驱动，交付效率提升82%。

当前，智能体在智能问答、文档审核、文档生成等方面应用较广。工业智能体的核心应用价值主要体现在两个方面：其一是对海量数据的快速索引；其二是与应用系统相结合，融合各种结构化与非结构化数据库，完成更全面的内容输出。工业智能体带来的最明显的价值就是工业生产效率提升、成本优化、产出质量提高。过去由经验规则驱动控制的生产流程，现在有机会交由AI实现基于数据驱动的控制，大幅提升作业效率。

2025年7月11日，工信部发布《信息化和工业化融合2025年工作要点》，明确提出“提升智能化水平”的重要任务，要求编制制造业企业人工智能应用指南，加强人工智能技术在工业领域的深度融合应用。实施“人工智能＋制造”行动，支持企业在重点场景应用通用大模型、行业大模型和智能体。华为工业数字化产业发展总监郭小龙强调：“面对工业数字化的发展趋势，我们可以认为工业数字化就是一场马拉松，没有终点，只有持续进化。”业内专家将工业智能体的部署过程概括为数据筑基、场景切入和生态扩展三个阶段：（1）数据层面，标准化和公开化是两个关键词。董晓健认为，政府应推动建设更多公开、可用的行业数据集。刘长水表示，企业应建立更加标准化的数据清洗流程，降低标注成本。（2）场景层面，强调先试点再推广。刘长水根据行业实践经验，推荐企业优先从单点业务切入，选择数据较完整、流程较清晰的业务，再逐步扩展至全业务和复杂系统，以降低探索成本。（3）生态层面，多智能体协同将成为未来发展的重要路径。科技部前副部长李萌表示，当前，“基础－垂类”协同并进、“大型－小型”融通适配、“中心－边缘”梯次接续的模型体系正在逐步形成，智能体的发展已经进入突破阶段。

总体来讲，工业智能体的核心优势在于其综合性与通用性：既能够像人一样理解论文、图纸等非结构化信息，又能灵活调用传统AI小模型，解决特定领域的专业问题。在工业场景下，这种能力尤为关键，这也是大模型从通用场景转向工业应用的关键支点。工业智能体要具备更强的能力，需要大小模型联合发挥作用。大模型做推荐，小模型做执行。目前，由于技术条件等因素的限制，工业智能体尚不成熟，但看待它的眼光应该放长远。在产学研用协同的基础上，推动算法模型、工业知识图谱、数字孪生等技术深度融合，智能体必将从辅助工具走向生产力主体，推动工业制造业从经验驱动向认知驱动跃迁。就趋势而言，未来发展方向聚焦于技术创新与产业融合，推动工业智能体向更高层次的智能化演进。一是智能体技术突破场景边界，借助任务规划、外部资源搜索和代码生成能力，实现从单一指令执行到全流程自动化的转变，加速其在制造业、物流等领域的渗透。二是混合专家模型（MoE）等高效推理架构的兴起，提升算力效率，降低训练成本，为工业实时决策提供支撑。三是多模态融合与人机协作增强，结合脑机接口、元宇宙等前沿技术，创造新赛道，如人形机器人在危险环境作业或远程工业控制。最终，工业智能体将驱动产业向全面自动化、自适应和可持续方向进化。（LEQ）