工信部发布“人工智能+”高价值场景 推动AI与制造业深度融合

一、基本情况

  2026年4月，工业和信息化部宣布，将以制造业为主战场、应用牵引为主线，发布一批“人工智能+”高价值场景，探索一批典型应用，建设一批特色智能体，提供一批新型智能终端，研制一批新标准，培育一批产业应用人才，打造一批优质企业，全面推动人工智能与制造业深度融合。

  这一重要部署是在武汉举行的中国人工智能产业发展联盟第十七次全体会议上提出的。工信部科技司副司长杜广达在会上作出上述表述，标志着我国人工智能产业发展从“技术突破”阶段全面迈向“场景深耕”与“产业赋能”的新阶段。

  此次政策发布有着坚实的产业基础作为支撑。数据显示，2025年我国人工智能核心产业规模超1.2万亿元，企业数量超6200家；“人工智能+制造”专项行动深入实施，规上制造业企业人工智能技术应用普及率超30%；国产开源大模型全球累计下载量突破100亿次，中国成为AI专利最大拥有国，在全球占比达60%。

  国际数据公司（IDC）报告显示，中国工业企业的智能体渗透率已从2024年的9.6%提高到2025年的47.5%，人工智能正从“单点试点”迈向“全行业普惠”的关键跨越。

二、产业现状与政策背景

  当前，人工智能正加速从消费端向生产端渗透，成为制造业转型升级的关键变量。2026年全国两会，“打造智能经济新形态”首次写入政府工作报告，“十五五”规划建议明确提出“全面实施‘人工智能+’行动”。

  从全球视野看，制造业正成为人工智能竞争的新高地。据市场研究机构预测，全球制造业人工智能市场规模将从2025年的340亿美元增长到2030年的1550亿美元；另据智研咨询数据，2025年全球工业AI智能体市场渗透率为7.2%，市场规模367亿元，预计2026年全球工业AI智能体市场渗透率将达7.8%，市场规模将达496亿元。在中国市场，2025年中国工业AI智能体市场渗透率为7.4%，市场规模148亿元；预计2026年渗透率将扩大至7.9%，市场规模将达204亿元。

清华大学主办的“AGI-Next”峰会上，行业专家形成共识：以对话为核心的“Chat”范式已告终结，AI竞争转向“能办事”的智能体时代。中国信通院院长余晓晖指出，当前人工智能正加速迈入智能原生时代，四大趋势值得关注：一是基座大模型能力持续突破，编程能力从“代码补全”快速迈向“全栈开发智能体”；二是以OpenClaw为代表的智能体框架加速崛起，智能体应用生态迎来爆发式增长；三是智能体规模化应用持续激活智能经济，Token消费攀升带动云服务快速增长；四是智能体快速普及带来的数据隐私、权限滥用等安全风险不容忽视，安全治理须与应用推广同步推进。

  在制度建设层面，2026年1月，工信部等八部门印发《“人工智能+制造”专项行动实施意见》，以加快推进人工智能技术在制造业融合应用，打造新质生产力。同月，工信部印发《工业互联网和人工智能融合赋能行动方案》，围绕基础设施、要素支撑、融合应用、产业生态四个方面，提出到2028年工业互联网和人工智能融合赋能水平实现显著提升，推动不少于5万家企业实施新型工业网络改造升级，在20个重点行业打造一批高质量数据集。

三、政策核心内容

  此次工信部提出的一揽子举措，覆盖了从场景培育、技术支撑、人才培养到产业生态的全链条。

发布一批“人工智能+”高价值场景

  这是此次部署的核心任务。在工信部科技司指导下，中国人工智能产业发展联盟联合多行业单位开展试点探索，形成以“一景一档案、一业一图谱，以景带需、以需引用，以用促发展”为核心的场景培育思路，构建攻关级、验证级、推广级三级场景档案体系。以电子信息行业为例，已初步梳理39个应用场景，覆盖产品全生命周期。

建设一批特色智能体

  智能体是此次政策部署的关键载体。智能体是一种具备自主性、响应性、社会性和主动性的软件实体或物理实体，能够基于自身感知和知识独立做出决策。工信部信息通信管理局副局长谌凯此前表示，建议推动智能终端“万物智联”，培育智能产品生态，大力发展智能网联汽车、人工智能手机和电脑等新一代智能终端，探索推进智能体互联网建设，打造一体化全场景覆盖的智能交互环境。

提供一批新型智能终端

  2026年政府工作报告明确提出，深化拓展“人工智能+”，促进新一代智能终端和智能体加快推广，推动重点行业领域人工智能商业化规模化应用，培育智能原生新业态新模式。

配套举措同步推进

  杜广达表示，下一步将实施“模数共振”行动、人形机器人实景实训行动、人工智能应用服务商培育行动等，打造“模型—数据—场景”的良性互促；分级分类推动人工智能重点标准研制；推动人工智能伦理治理技术化、标准化、工程化；建设中国—金砖国家人工智能发展与合作中心等载体。此外，2025年4月，工信部已印发《智能制造典型场景参考指引（2025年版）》，从工厂建设、产品研发、生产管理、生产作业等8个重点环节凝练出40个典型场景，为智能工厂建设提供了标准化指引。

  中国人工智能产业发展联盟作为推动行业发展的重要力量，目前成员已达1439家，工作组47个，累计编制240余项技术规范，推动40余项行业标准预研和发布。

四、典型案例与行业实践

1. 从单点应用到全流程渗透：浙江制造业的一线观察

  在制造大省浙江，人工智能正从实验室走向生产线，深度嵌入研发设计、生产制造和企业管理等环节。在中策橡胶高性能子午胎智能工厂，AI化车间能够以平均每3.1秒的速度下线一条轮胎，生产效率提升300%，产品不良率降低至0.5%。浙江锐鹰传感技术有限公司依托自研的全制程数据化管理平台，在物料采购、库存管理和物流配送等环节的响应速度提升了50%以上。麒盛科技股份有限公司研发构建了睡眠干预算法模型，以智能床产品作为早筛载体，推动制造业企业从产品提供商向方案解决商转变。

2. 从工业大模型到AI工厂：龙头企业的先行探索

柳钢集团发布“玄铁”大模型。2026年3月，广西柳州钢铁集团有限公司携手华为公司、中国移动广西公司发布了广西首个钢铁行业大模型——“玄铁”大模型，重点聚焦“AI+人、AI+数据、AI+制造”三大核心领域，已构建形成覆盖“铁前、炼钢、轧钢、物流、环保、安全”六大环节的“20+N”场景化模型体系。柳钢集团计划用3年时间推动成熟场景全面落地，实现全流程智能化覆盖率超过80%。

京东方打造行业首创AI工厂。在中关村论坛年会上，京东方展示了行业首发的AI工厂，以新一代人工智能为核心驱动力，在生产计划、生产制造、质量管理等六大场景实现质效显著提升。其中，AI排产系统通过独创的智能规划模型，实时调取全厂生产资源，实现生产计划的全局最优；AI良率管理系统可实现千亿级数据秒级查询、自动良率分析等功能。

美的集团构建智能体集群。美的集团副总裁兼首席数字官张小懿表示：“公司每天有1.3万个智能体在运行，覆盖研发、制造、供应链、营销各个环节。”在美的洗衣机荆州工厂，“工厂大脑”统一调度着14个智能体，装配套、质检、巡检、排产、供应链等各司其职，工厂智能化从以往的机械自动化迈入自主决策阶段。

山东海化打造AI数字工厂标杆。山东海化集团依托浪潮海岳大模型构建“盐化工智控大模型”，成功入选IDC中国AI数字工厂领导者案例。其打造的工艺优化智能体实现年度节电450万千瓦时，离子膜使用寿命由4年延长至5年；设备预测维护智能体故障识别准确率超过95%；智能巡检智能体实现巡检效率提升50%。

3. 从灯塔工厂到产业生态：区域实践的创新探索

江苏常州以“智能体+场景应用”破题。常州拥有海量工业数据与丰富应用场景：平均每秒下线一块动力电池的“灯塔工厂”、覆盖全市的工业互联网平台、年处理超百亿条数据的健康医疗大数据中心等，成为AI技术应用的“天然试验场”。截至2026年3月，常州人工智能相关企业超300家，市级公共算力调度平台算力规模突破2000P（FP16），一季度服务企业超800家次。

烽火通信打造AI大模型跨场景应用。烽火通信基于FitAI智能应用平台，围绕先进制造业生产全流程落地了六大核心应用场景，覆盖生产制造、运维服务、经营管理、供应链管控等核心环节。项目不仅在企业自有产线实现了规模化应用，更凭借轻量化、易部署、适配性强的特点，已快速低成本复制到湖北省内多家企业开展试点应用。

  这些案例清晰指向同一趋势：人工智能正从单个车间的技术应用，演变为影响整个制造体系运行方式的重要力量。工信部明确提出目标：到2027年推广500个“AI+制造”典型应用场景。

五、未来展望

  随着“人工智能+”高价值场景的发布与落地，我国人工智能与制造业的深度融合将进入全新阶段。此次工信部的部署，标志着政策重心从“技术突破”转向“场景深耕”，从“示范试点”走向“规模化推广”，从“单点应用”迈向“系统赋能”。

一是应用场景将更加系统化

  以“一景一档案、一业一图谱”为核心的场景培育体系，将推动人工智能应用从零散化、碎片化走向系统化、规模化。攻关级、验证级、推广级三级场景档案体系的建立，为企业提供了从技术验证到商业推广的清晰路径。

二是智能体将重塑制造模式

  从“自动化”到“智能化”再到“自主化”，工业智能体的规模化部署将推动制造模式发生根本性变革。设计智能体、工艺智能体、质量智能体、运维智能体等各类智能体的协同运行，将构建起完整的工业智能体集群，实现从“工具辅助”向“自主运行”的关键跨越。

三是产业生态将更加开放协同

  “模数共振”行动、人形机器人实景实训行动等举措的推进，以及中国—金砖国家人工智能发展与合作中心的建设，将进一步打通“模型—数据—场景”的良性循环，构建开放共赢的产业生态。

四是技术攻关与治理将同步深化

  工信部已明确提出推动人工智能伦理治理技术化、标准化、工程化，确保安全治理与应用推广同步推进。这意味着在推动产业发展的同时，数据隐私保护、模型安全性、算法透明度等治理维度也将得到同等重视。