计算机行业研究：再谈工业AI：立足跨模型架构AI中台，落地垂类Agent场景

计算机行业研究：工业AI发展分析与投资建议

核心内容概览

工业AI正在经历从技术探索到商业落地的关键阶段。当前，工业AI面临“数据高复杂度+结果高可靠+运行低成本”的“不可能三角”挑战，但随着技术演进与成本下降，这一瓶颈正在逐步被突破。本文重点分析了工业AI中台和垂类Agent在工业场景中的应用前景，并给出了相关投资建议。

主要观点与关键信息

1. 工业AI落地前提：数据高复杂度、结果高可靠、运行低成本

• 工业场景具有数据高复杂度、结果低容错率、成本敏感性高的特点。
• 小模型在生产控制等场景应用成熟，但难以处理非结构化数据和复杂任务。
• 大模型虽能处理复杂任务，但部署成本高、运行效率低。
• “多模态大模型any2any”技术趋势有望降低非结构化数据处理难度。
• “大模型指挥+小模型执行”融合架构，可实现研发设计、生产制造、营销运维全链条的“既要、又要、还要”。
• “机器换人”拐点逐渐临近，算力成本下降与人力成本上升形成共振。

2. 工业AI中台：回应高频迭代需求，商业化处于渗透率0到1阶段

• 工业AI中台具备“开源大模型+云API”混合推理、多模型综合管理、模型全生命周期管理、可观测性四大核心能力。
• 赛意信息中标4,867万元AI中台项目，支持数据处理、大模型训练与微调、AI应用开发等端到端能力。
• 中控技术发布流程工业时序大模型TPT，已在数十家大型企业实现落地，推动流程工业智能化。
• 2025年中控技术推出“时序智能+认知智能”双引擎架构，提升异常识别、优化推演、自主决策能力。
• 工业AI中台建设存在算力整合、模型管理、工业数据治理、领域Knowhow、工程化交付五大壁垒。

3. 工业AI应用：生产控制类成熟度较高，垂类Agent初现曙光

• 生产控制环节AI应用占比超57%，典型场景包括表面缺陷检测、生产过程控制优化、质量关联分析等。
• 垂类Agent在多个行业开始落地，如：
  • 赛意信息在PCB行业实现MI参数解析→BOM成本查询→自动生成报价的全流程自动化。
  • 中控技术基于TPT大模型实现电解液桶“洗、检、存”零人工干预。
  • 宝信软件发布钢铁行业大模型，推出废钢智能检判SaaS化平台。
  • 鼎捷数智通过PLM+DeepSeek构建知识问答智能体，实现优选物料智能推荐与数字设计工程师功能。
  • 金蝶国际在单据审核、财务分析、人才招聘、征信等多个场景落地Agent，实现智能化服务。
  • 广立微推出SemiMind+INF-AI平台，支持智能问答、缺陷分类、模型优化、良率分析等功能。

4. 投资建议

• AI大模型问世2年多后，工业AI应用有望突破“不可能三角”。
• 建议关注工业AI中台+垂类Agent的落地进展。
• 推荐关注的标的包括：
  • 中控技术：流程工业时序大模型TPT，推出订阅制商业模式。
  • 赛意信息：AI中台项目中标，推动PCB行业智能化。
  • 鼎捷数智：PLM+DeepSeek构建知识问答智能体，打造数字设计工程师。
  • 宝信软件：发布钢铁行业大模型，推出废钢智能检判平台。
  • 金蝶国际：基于金蝶云·苍穹开发企业服务智能体，覆盖多个垂类场景。
  • 广立微：SemiMind+INF-AI平台，支持智能问答、缺陷分类、模型优化等功能。

风险提示

• 工业AI落地节奏不及预期：技术路线不确定性可能影响应用进展。
• 工业数据隐私与安全风险：涉及核心工艺数据，存在知识产权争议与合规风险。
• 传统工业软件企业转型风险：复合型人才缺口可能制约技术落地效率。

技术演进与应用趋势

• Agent技术：具备记忆、规划、执行、工具四大能力，推动人机协作向“数字劳动力”阶段发展。
• OpenAI五阶段路线图：当前处于Level3（Agent智能体），未来将向Level4（创新者）和Level5（组织者）演进。
• 工业AI协作方式：从Embedding模式（AI辅助）到Copilot模式（人机协同），再到Agent模式（自主决策）。
• 工业AI中台：通过模型与数据的“无痛”迭代，推动企业智能化升级。

总结

工业AI正从技术探索迈向商业化落地，其核心在于构建“工业AI中台+垂类Agent”的融合架构。随着多模态大模型的演进、算力成本的下降、数据治理能力的提升，工业AI在生产控制环节已实现较高成熟度，而在经营管理、研发设计等环节，垂类Agent的应用正逐步显现。当前，工业AI中台已成为推动行业智能化转型的关键基础设施，具备显著的商业价值与技术优势。在技术与商业模式不断演进的背景下，工业AI有望成为未来制造行业的重要驱动力，相关企业具备较高的投资价值。