指南由中国信通院、清华大学人工智能研究院等联合发布，系统梳理工业与 AI 融合的现状、行业应用、落地方法与未来趋势，为企业智能化转型提供全流程指引，助力实现工业智能普惠化。
⠀
- 技术演进阶段：AI 技术正从生成式 AI 向自主智能体（Agentic AI）和物理智能（Physical AI）迈进。感知类 AI 在工业领域应用成熟，生成式 AI 在创成式设计、生产排程等场景落地，高阶 AI 仍处于探索阶段。
- 落地双轨特征：小模型率先在制造端落地，适配生产制造场景的精准判别需求；大模型在研发、营销服务端快速渗透，契合知识密集型场景的生成与推理需求，二者长期共存协同。
- 核心挑战：AI 可靠性与泛化能力不足、技术更新与工业稳定性存在矛盾、企业数据与技术就绪度不够、场景碎片化导致复制难，投资回报率（ROI）难以量化。
- 汽车行业：聚焦智驾系统研发、生成式设计、智能生产排程等场景，乾崑智驾 ADS3.0 端到端模型实现 “有路就能开”，丰田 AI 工具缩短汽车外观设计周期，广汽通过 Agent 提升研发效率，代码质量提升 20%。
- 半导体行业：覆盖芯片设计、制造工艺优化、良率根因分析等，英伟达 ChipNeMo 模型提升芯片设计问答准确率 46%，Intel 通过 AI 将良率根因寻找时间从数天缩短至几分钟。
- 机械装备行业：发力智能机器人、AI 辅助设计、生产排程等，华为 CloudRobo 平台支持多类型机器人端云协同，谷歌与伯克利大学联合方案实现机器人自主导航成功率 85%。
- 制药行业：赋能靶点识别、药物设计、临床试验优化，西安某医院借助盘古大模型将先导药研发周期缩短至 1 个月，成本降低 70%；雷公大模型整合千万级中医药文献，提供精准治疗方案。
- 钢铁行业：聚焦高炉参数调优、视觉检测、降碳管理，宝武集团与华为合作的高炉预测大模型，铁水温度合格率稳定在 90% 以上，巴西某企业通过 AI 实现吨钢碳排放降低 8%。
- 石化行业：落地地震数据处理、工艺参数实时调优、智能巡检，中国石油全波形反演大模型使勘探效率提升 10 倍，煤气化 RTO 工艺自动化率从不足 10% 提升至 95%。
- 煤矿行业：侧重安全监管、掘进质量管控、洗选工艺优化，山能矿山大模型实现防冲监管实时告警，重介选煤 AI 系统使精煤产率提升 0.2% 以上。
- 三层架构：第一层重新定义智能业务，明确场景价值；第二层聚焦 AI 开发与交付，构建技术体系；第三层强调持续运营，优化应用效果。
- 五阶推进：围绕业务场景、流程、组织、数据、IT 五个关键阶段逐步落地，实现从试点到规模化推广。
- 八步执行：通过明确目标、场景识别、流程重塑、数据和知识工程、AI 建模与发布、业务融合、持续运营、组织变革，形成完整闭环。核心包括以 ROI 为核心设定量化目标，用 “场景十二问” 筛选高价值场景，构建 “机器阅读理解（MRC）” 语料体系支撑模型训练。
- 工业 “新六化”：涵盖工业装备数字化、网络全连接、工控系统开放化、工业软件云化、数据价值化、智能普惠化。其中工控系统从封闭架构走向云边端网协同，智能普惠化推动 AI 从大企业向全行业渗透。
- 关键方向：算力底座平权降低中小企业使用门槛，工业数据标准化打破孤岛，工业知识通过图谱与模型沉淀复用，行业生态成熟催生数据即服务（DaaS）、模型即服务（MaaS）等新模式。
- 行业倡议：推进数据与互通标准建设，树立可复制的标杆项目，培育 “行业运营商” 模式，搭建工业知识联盟与智能体创新平台，加强复合型人才培养与数据安全保障。
工业与 AI 融合已进入规模化落地的关键期，呈现技术协同化、场景多元化、应用普惠化特征。企业需立足自身场景，借助 “三层五阶八步” 方法论，平衡技术创新与业务需求，通过大小模型协同、数据与知识双轮驱动，实现提质增效。未来随着工控系统开放化与智能普惠化推进，工业 AI 将从头部企业试点走向千行万业，重塑工业生产模式。
