AI在制造业中的应用现状与核心挑战 - 制造业对AI的拥抱普遍存在焦虑与迷茫，系统性推进困难且效果常不及预期，麻省理工学院2025年调研显示，仅约5%尝试系统性利用AI的企业取得成功 [2] - 当前制造业AI应用多处于“点状智能”阶段，主要辅助特定环节，尚未达到端到端的智慧工厂水平 [4] - AI在研发环节能提升效率但核心创新贡献有限，例如谷歌DeepMind的GNoME工具通过图神经网络发现了超过528种潜在锂离子导体，相当于此前总量的25倍，但这仍属辅助范畴 [4] - 在设计环节，生成式AI在平面设计上提升速度，但在复杂工业设计（如汽车整体造型）中多局限于概念启发，难以深度考虑物理约束与成本，特斯拉等领先企业最终设计仍需工程师干预 [6] - AI在芯片或电路板等高精度产品的布局优化上初显价值，如英伟达的AI辅助芯片设计工具，但整体渗透率较低 [6] - 在生产制造环节，AI在品质检测和预测性维护上成效显著，例如博世某产线采用AI品质检测，准确率达99.8%（高于人类的95%），单件检测时间从20秒缩短至约5秒，检测成本下降约50% [6] - 预测性维护系统（如GEAviation）据称每年可节省数亿美元 [6] - 在智能排产、流程优化、工艺参数动态调整和个性化制造等领域，AI影响有限，2025年麦肯锡报告显示，88%的企业使用AI，但仅6%的企业报告AI对利润（EBIT）产生了企业级影响 [6] - 在销售服务环节，由于容错率相对较高且任务与大模型能力匹配，应用进展不错 [7] - 在供应链管理环节，AI未来潜力大，但目前受数据孤岛、规则复杂及不确定性等问题限制，落地效果有限 [7] - 总体而言，AI在制造业的应用多依赖传统机器学习，而非前沿大模型，且停留在孤立优化阶段，尚未实现系统集成 [8] 制造业AI落地滞后的根源 - 制造业AI落地滞后的根源在于行业固有复杂性、物理交互挑战和高标准要求，与当前AI技术范式不完全匹配 [10] - 制造业复杂性体现在：生产系统链条长且高度耦合；数据和知识复杂，跨越多领域且碎片化；行业差异巨大，知识复用困难 [11] - 与物理世界的深度交互增加了难度，当前大模型在具身感知、物理规则理解和空间推理等方面存在显著局限 [11] - 物理世界数据来源复杂（如各种传感器、PLC、CNC机床），数据格式、协议、频率不同，且常伴有噪声、干扰和不准确问题 [12] - 仿真与真实情况差距大的问题难以解决，导致仿真中训练的策略在现实中易失败 [12] - 制造业对实时性要求极高，决策延迟可能导致产品报废、设备损坏或人身安全威胁 [13] - 制造业容错率低，高端制造业对错误几乎是零容忍，例如理想汽车MEGA车型因冷却液缺陷召回导致损失超过11亿元 [13] - 大模型速度不够快且存在“幻觉”问题，其可靠性成为深度赋能制造业的重大挑战 [13] 缩小差距：智慧工厂AI需发展的核心能力与企业战略 - 要缩短理想和现实之间的差距，技术需进步，企业也需有适配的AI战略 [15] - 核心能力一：开发真正适配制造业的工业大模型，模型需掌握专业领域知识（可通过微调、RAG等方式实现，难点在于高质量领域数据），并具备更好的可靠性、更快的速度 [16][17] - 核心能力二：AI需具备全面感知和获取全链条关键数据的能力，智慧工厂需构建深度数字孪生系统（如西门子的工业元宇宙概念），进行实时推演和优化 [18] - 需解决制造业数据来源复杂、分散在不同系统与设备中的问题，进行数据归集、清洗、对齐 [18] - 工业大模型训练需要大量高质量标注数据（如资深工程师对复杂故障的判断），成本高于语言模型的自监督学习 [18] - 核心能力三：AI必须在复杂条件下（物理、安全、合规、商业约束）进行深度理解和高质量决策，实现多目标优化并应对不确定性，需具备持续在线学习、从错误中自我改进的能力 [19] - 核心能力四：AI需要具备具身智能，以理解并操控物理世界，并统筹多供应商设备和机器人间的协同，确保顶层集成 [1][20] - 上述所有能力需在极高可靠性、安全性和确定性下运行，以确保生产连续性和零风险 [21] - 企业需制定长期和短期AI战略：短期可以点带面，在匹配场景（如大模型辅助知识问答、缺陷检测、预测维修）落地AI以积累经验；长期应专注构建高质量数据资产，通过数据合作在工业AI生态中占据上游位置，并逐步扩大AI利用广度和深度，最终打造端到端的智能工厂 [22]

文章核心观点 - 山东能源齐翔腾达热电厂通过部署融合先进过程控制系统与工业大模型的智能优化控制平台，成功实现了锅炉控制的智能化升级，在提升环保效益的同时也获得了显著的经济效益 [1][2] 技术方案与实施 - 公司采用的并非简单的自动化升级，而是以“效益+环保”为核心，构建了数据驱动、多变量协同的智能控制解决方案 [2] - 技术方案从燃烧优化与环保优化两大维度精准发力，通过建立软测量与自动在线寻优机制，创新形成基于能量平衡的燃煤协调控制策略 [2] - 系统对给煤、风量调节等关键环节实施精准调控，从源头降低煤炭消耗，并突破传统人工经验局限，通过环保优化控制系统实时采集数据并提前动态调整风煤配比与药剂投加量 [2] 运行效果与效益 - 系统投运后，锅炉控制从依赖老师傅经验的“老中医模式”转变为由“会思考的AI大脑”自动优化，解决了传统控制方式滞后和偏差的问题 [1][2] - 系统运行半年来，降低了锅炉的二氧化碳排放，并累计减少了氮氧化物、二氧化硫及烟尘等污染物排放556.4千克 [2] - 该智能优化控制平台预计每年可为企业节约成本84.3万元，实现了环保与经济效益的双赢 [2] - 系统能够自动完成参数调整，并能发现意想不到的优化空间，操作效率显著提升 [2]

市场表现总结 - 2026年2月5日，A股市场弱势调整，三大指数集体收跌，其中创业板指领跌1.55% [1][4] - 上证指数收盘4075.92点，下跌0.64%；深证成指收盘13952.71点，下跌1.44%；沪深300指数收盘4670.42点，下跌0.60% [2] - 北证50指数跌幅最大，达2.03%；科创50指数下跌1.44% [2] - 沪深两市成交额2.18万亿元，较上一交易日缩量3048亿元 [6] - 全市场超3700只个股下跌，呈现普跌格局 [6] 行业与板块表现 - 行业板块表现分化，美容护理、银行、食品饮料涨幅居前，分别上涨3.21%、1.57%、1.31% [3] - 有色金属、电力设备、通信板块跌幅居前，分别下跌4.57%、3.41%、2.39% [3] - 概念板块中，赛马概念、免税店、网红经济表现活跃，涨幅分别为1.89%、1.33%、1.30% [3] - 光伏电池相关概念板块（如BC电池、TOPCON电池、HJT电池、钙钛矿电池）以及金属铅概念跌幅居前，其中BC电池概念跌幅最大，达5.18% [3] - 盘面上，大消费板块（食品饮料、零售、影视院线、旅游酒店）轮番活跃，大金融板块午后走强，商业航天概念局部活跃，算力租赁概念回暖 [4] - 下跌方面，有色金属、电网设备、油气等板块跌幅居前，其中贵金属概念集体大跌 [4] 宏观与政策消息 - 工信部表示将突破算力芯片、工业大模型等关键技术，并做优应用生态 [5] - 中国人民银行2026年信贷市场工作会议要求，建设多层次金融服务体系，着力支持扩大内需、科技创新、中小微企业等重点领域 [5] - 商业航天领域取得进展，首个卫星测发技术厂房诞生，未来可将单箭发射效率提升100%，组网成本降低30%以上，保障每年60次以上的高频发射能力 [5] - 《黄金行业“十五五”发展规划（讨论稿）》专家研讨会提出加大黄金高端新材料研发投入 [5] - 广东省提出拓展无人驾驶公共交通运营区域，扩大智能网联汽车道路测试与示范应用范围 [5] - 海外方面，美联储新主席提名进程受阻，中短期内美联储货币政策不具备趋势性收紧的基础 [6] 经济基本面与市场展望 - 国内方面，随着去年年底至今年年初一揽子稳增长政策集中落地见效，内外需回暖推动工业产销改善、PPI降幅收窄，上下游盈利空间修复 [6] - 但2025年规上工业企业全年盈利增速仅为0.6%，低于GDP增速，盈利水平有待进一步提升 [6] - 短期市场展望：政策面、资金面、汇率等因素对股市的支撑仍在，春季行情下半场的启动阶段或暂时以震荡上行方式为主，同时需要注意阶段性调整和获利了结风险 [6] - 中长期市场展望：随着监管层释放出“降温”信号，基本面和业绩面可能重回主导，市场风格也可能从周期、科技领涨走向风格再平衡 [6] 配置建议 - 红利板块仍具有底仓配置价值 [6] - 可以适度关注顺周期和传统消费的估值修复机会 [6]

文章核心观点 - 中国工业互联网产业在政策推动下正从规模连接阶段进入以数据驱动和智能决策为核心的“深水区”发展新阶段 [1] - 卡奥斯物联科技股份有限公司作为行业领航者之一 其赴港上市是行业新阶段的精准回应 成为观察政策蓝图如何转化为企业价值的样本 [1] - 公司正处于从规模扩张向高质量增长转型的关键阶段 其盈利能力的显著改善与财务结构的持续优化是主要亮点 [2] 业务解构：从“连接”到“智能”的价值跃迁 - 公司财务表现实现关键扭转 从2023年亏损到2024年实现净利润6514万元 2025年前九个月净利润进一步跃升至1.76亿元 [2] - 公司收入由数据智能解决方案及物联网解决方案驱动 其中数据智能解决方案收入占比从2023年的18.3%稳步提升至2025年前九个月的29.0% [3] - 绿色制造解决方案等细分赛道爆发式增长 其2025年前9个月收入是2023年全年该项业务收入的15倍以上 [3] - 数据智能解决方案毛利率常年保持在35%以上 高毛利板块对业绩的拉动效应日益凸显 [4] - 公司来自独立第三方客户的收入占比显著提升 从2023年的27.2%增至2025年前九个月的41.1% [5] - 公司已累计服务收费客户超9500家 覆盖家电、机械装备、电子、汽车及能源化工等多个垂直行业 并在全球赋能打造了17座灯塔工厂 [5] - 以2024年收入计 公司在中国基于平台的工业数据智能解决方案市场中位列第一 [5] 未来基石：构筑长期盈利的“护城河” - 公司正致力于构筑三条差异化的“护城河”以确保长期盈利增长动力 [6] - 第一条护城河是平台化能力带来的规模效应与效率红利 通过COSMOPlat平台将工业流程与知识解构封装 实现基础能力标准化、模块化 从而提升交付效率并降低边际成本 [7] - 第二条护城河是“工业大模型”与“场景化智能”深度融合带来的价值深度 通过将AI技术与具体工业场景结合提升解决方案溢价能力和客户价值 [8] - 第三条护城河是聚焦重点行业的纵深战略与生态化拓展带来的市场宽度 公司在家电、电子、汽车、化工等已有积淀的行业进行纵深开拓以形成专业壁垒 [9] - 公司募资用途中提及将用于潜在的投资与收购 通过“内生外延”双轮驱动策略快速响应市场变化并拓宽增长边界 [9] - 公司的长期盈利图景是一个以标准化平台降低交付成本、以场景化智能提升解决方案价值、以行业纵深和生态拓展扩大市场覆盖的三位一体模型 [10]

公司上市计划与背景 - 卡奥斯于2025年1月30日正式递交港交所上市申请，有望成为海尔集团旗下第九家上市公司 [1] - 公司最初于2024年9月在A股启动上市辅导，后因A股监管不确定性及全球扩张策略考虑，自愿终止A股筹备，转而寻求港股上市 [2] - 此次IPO募资计划投向工业大模型研发、市场拓展、平台能力升级及潜在投资并购等领域 [1][5] 公司业务与市场地位 - 公司是海尔集团旗下的工业互联网平台，自主研发COSMOPlat平台，主营业务分为数据智能解决方案和物联网解决方案两大板块 [2] - 以2024年收入计，公司在中国基于平台的工业数据智能解决方案市场排名第一 [2] - 2025年前9个月，物联网解决方案业务营收31.4亿元，占总营收71%；数据智能解决方案业务营收12.8亿元，占总营收29% [3] - 2025年前9个月，数据智能解决方案业务营收同比增长59.64%，物联网解决方案业务营收同比增长10.86% [3] 财务表现 - 2023年和2024年，公司营业收入分别为49.94亿元和50.70亿元，净利润分别为-8272.1万元和6513.6万元，于2024年实现扭亏为盈 [3] - 2025年前9个月，公司收入达44.2亿元，净利润为1.76亿元，经营水平持续提升 [3] - 2025年前9个月，数据智能解决方案毛利率为31.0%，物联网解决方案毛利率为12.7% [3] - 2023年、2024年及2025年前9个月，公司收到的政府补助分别为9760万元、7970万元及5050万元，累计超过2.2亿元 [1][4] 关联交易与客户集中度 - 海尔集团是公司第一大客户兼最大供应商，关联交易占比较高 [3] - 2023年、2024年及2025年前9个月，来自海尔集团的营收分别为36.07亿元、34.21亿元、25.49亿元，占总营收比重分别为72.2%、67.5%、57.7% [3] - 同期，向海尔集团的采购总额占比约为22% [3] - 公司关联交易情况与海尔旗下日日顺此前IPO受阻的问题类似，受到市场关注 [1][3] 股权结构与集团生态 - IPO前，海尔集团公司通过直接、间接及一致行动安排，合计控制卡奥斯约78.04%的投票权 [5] - 卡奥斯上市将补足海尔集团六大产业生态（智慧家庭、大健康、数字经济、机器人、新能源、汽车）中数字经济产业生态的关键拼图 [1][5][7] - 海尔集团近年来通过收购（如开利商用制冷业务、上海莱士股权、成为汽车之家控股股东等）和内部孵化（海尔生物、雷神科技上市），持续扩张其上市公司版图 [5][6]

公司上市申请与背景 - 卡奥斯物联科技股份有限公司于1月30日向港交所主板递交上市申请，联席保荐人为中金公司和汇丰银行 [1] - 公司成立于2017年4月，是海尔集团旗下的工业互联网平台，自主研发了COSMOPlat平台 [1] - 根据弗若斯特沙利文资料，以2024年收入计，公司在中国基于平台的工业数据智能解决方案市场排名第一 [1] 股权结构与控股股东 - 海尔集团公司为控股股东，合计控制约78.04%的投票权 [3] - 具体持股方式为：直接持有10.83%，通过卡奥斯数字科技持股49.11%，通过其他附属公司持股18.10% [3] 财务表现与盈利能力 - 营收稳中有升：2023年营收49.94亿元，2024年微增至50.69亿元，2025年前九个月营收达44.21亿元 [3] - 净利润扭亏为盈并大幅增长：2023年净亏损8272万元，2024年转为盈利6514万元，2025年前三季度净利润达1.76亿元，同比暴增393% [3] - 净利润率持续提升：从2023年的-1.7%提升至2024年的1.3%，再到2025年9月末的4.0% [3] - 毛利率保持稳定：2023年至2025年前九个月，毛利率在17.8%至18.4%之间波动 [4] - 期间费用率优化：销售及分销开支占收入比例从2023年的6.3%降至2025年前九个月的5.0%，行政开支占比从7.9%降至4.9%，研发开支占比从8.5%降至6.7% [4] 业务运营与客户基础 - 公司产品和解决方案已实现规模化商业应用，深耕家电、机械装备、电子、汽车及能源化工等垂直行业 [3] - 累计收费客户超过9500家 [3] 市场区域分布 - 收入主要来源于中国内地，占比在85.7%至87.5%之间 [6] - 海外市场收入：2023年约为6.24亿元，2024年约为7.09亿元，2025年前三季度约为5.55亿元 [6] - 海外收入占比：2023年为12.5%，2024年为14.0%，2025年前三季度为12.6% [6] - 截至2025年9月末，公司解决方案已在全球超过20个国家推广，服务海外企业超过50家 [6] 上市历程与募资用途 - 此次递表港交所前，公司曾筹划冲刺科创板上市，并于2024年9月在青岛证监局进行辅导备案 [4] - 转向港股上市的原因包括：A股上市制度相关的监管发展可能带来时间表不确定因素，以及考虑到公司的全球扩张策略 [5] - 本次IPO募资主要用于：加强核心平台与产品能力建设（如升级碳能源管理平台、推进工业大模型研发）；加大市场拓展和商业化投入；挖掘潜在投资并购机会；补充运营资金 [5] 全球化战略与业务布局 - 公司将依托海尔集团的国际网络和全球供应链，加速全球化布局，重点拓展美洲、东南亚、中东等新兴市场 [5] - 计划在现有泰国智能控制器工厂基础上，通过轻资产合作模式在墨西哥、印度、土耳其等地区建立交付能力，以服务当地市场及出海的中国客户，提升海外收入占比 [5] 集团上市公司体系 - 海尔集团旗下目前拥有海尔智家、雷神科技等8家上市公司，以及挂牌新三板的有屋智能 [7] - 2025年最后一天，海尔新能源科技股份有限公司也在青岛证监局进行了辅导备案 [7]

公司新产品发布 - 公司发布名为“海康观澜工业大模型产线场景方案”的新产品，用于包装配件的AI质检 [2] - 该方案依托海康观澜工业大模型能力，能够精准识别配件错放、漏放问题，并实时拦截风险 [2] 产品核心优势与性能 - 方案部署便捷，无需复杂调试即可直接上产线，实现分钟级部署 [2] - 方案能自动切换检测模型以适应产线调整，实现“零延迟”换产，高效适配柔性产线 [2] - 系统部署灵活，可适配不同形态配件的识别需求 [4] - 对于形态简单的配件（如螺栓、支架），仅需拍摄1-8张图片即可实现分钟级配件注册和算法部署，无需额外训练 [4] - 对于形态不规则的配件（如塑料袋螺丝包），仅需少量样本照片启动大模型训练，系统即可自动捕捉特征并实现精准识别 [4] - 凭借灵活的检测逻辑，该检测系统使公司工厂配件包装实现了100%全检 [5] 应用场景与解决的具体问题 - 方案旨在解决工厂配件包装体量大、规格多变场景下的质检难题 [2] - 以公司智造工厂为例，生产节奏快（工人平均每10秒完成一组包装），且产线频繁切换，传统人工方式难以确保配件不错漏 [2] - 传统“元素管控”方式（按组分装）耗人力、费时间，且错漏问题难以快速追溯 [2] - 传统传感器方案仅能判定“取件次数”，无法识别品类与数量匹配，且配件规格变动时维护成本高 [3] - 在移动与交通工厂的道闸主机平铺式包装场景中，方案能自动识别配件种类和数量，错漏时立即报警并提示缺失物品，引导员工补放 [3] - 在网络摄像机的配件堆叠包装场景中，方案通过高精度预训练手部检测大模型，识别工人手部是否进入正确料盒区域及完成有效取件动作，取件次数不足或拿错区域会触发警报 [4] 方案成效与应用范围 - 方案实现了质量与效率的双重提升，并支持全流程可视化追溯，让质量问题有据可查 [5] - 目前该方案已广泛覆盖汽车零部件、电子产品组装、家电产品总装、医药用品分拣等场景 [5]

海康威视工业大模型在智能制造中的应用 - 公司推出“海康观澜工业大模型产线场景方案”，旨在解决柔性制造中配件包装环节的高频重复作业与频繁换产带来的质量管控难题 [1] 传统解决方案的局限性 - 传统传感器方案仅能通过“取件次数”判断包装完成状态，无法识别具体品类和数量是否匹配订单要求，且在计数不足时缺乏主动提醒 [3] - 当配件规格发生变动时，传统传感器工装需要重新调整，导致维护成本较高 [3] 工业大模型方案的核心优势 - 该方案依托海康观澜工业大模型能力，能够精准识别配件错放、漏放问题，并实时拦截风险 [1] - 系统部署灵活，无需复杂调试即可直接上产线，实现分钟级部署 [1] - 当产线调整时，系统能自动切换检测模型，实现“零延迟”换产，高效适配柔性产线 [1] 在平铺式包装场景的应用 - 在道闸主机装箱等平铺配件场景中，操作员完成摆放后，产线相机会自动拍照，大模型算法随即识别画面中的配件种类和数量 [3][5] - 一旦识别出错漏，系统会立即发出NG报警，屏幕同步提示缺失物品，引导员工快速补放，形成质检闭环 [5] 系统的灵活性与适应性 - 对于形态简单的配件（如螺栓、支架），仅需拍摄1-8张图片，无需额外训练即可实现分钟级的配件注册和算法部署 [7] - 对于形态不规则的配件（如塑料袋螺丝包），仅需拍摄少量样本照片启动大模型训练，系统便能自动捕捉特征，实现多角度精准识别 [7] 在堆叠式包装场景的应对策略 - 面对网络摄像机配件堆叠放入包装盒的复杂场景，系统通过内置的高精度预训练手部检测大模型来“解题” [9] - 该模型能精准识别工人的手部是否进入指定料盒区域以及是否完成有效取件动作 [9] - 一旦拿取次数不足或拿错料盒区域，系统会触发NG警报，督促工人复核 [9] 方案实施成效与应用范围 - 该检测系统使海康威视工厂的配件包装实现了100%全检，在质量和效率上均获得提升 [9] - 系统支持全流程可视化追溯，让质量问题有据可查 [9] - 目前该方案已广泛覆盖汽车零部件、电子产品组装、家电产品总装、医药用品分拣等多种工业场景 [9]

政策目标与产业规划 - 政策设定了明确的工业互联网发展路线图，目标是到2028年建成超过450个具有影响力的工业互联网平台，并推动不少于5万家工业企业完成“新型工业网络”改造 [1] - 政策旨在推动人工智能与工业互联网深度融合，为工业互联网装上“大脑”，并设定到2025年核心产业规模超过1.6万亿元人民币的目标 [1] 技术演进与应用现状 - 工业互联网正从“连得上、看得见”的数据连接阶段，向基于生成式AI和工业大模型的“认知理解”与“智能决策”阶段跨越 [3] - 工业互联网已覆盖41个工业大类，累计实施超过2.3万个“5G+工业互联网”项目，黑灯工厂、无人矿山等应用已成为现实 [3] - 网络技术需向具备“自感知、自决策”能力的智能化方向演进，以支持柔性制造等高级应用，具体技术包括5G、时间敏感网络等 [7] 产业链生态与企业参与 - 政策利好刺激产业链活跃，数据显示2025年新注册的工业互联网相关企业数量同比大幅增长27.8% [5] - 行业呈现分层服务模式：大型企业倾向于构建专用大模型，而针对中小企业则推广“模型即服务”模式以降低使用门槛 [5] 实施路径与行业重点 - 工业互联网的落地实施需遵循从“设备-产线-车间-工厂”的渐进式路径，不能一蹴而就 [7] - 建议优先在生产控制、设备协同等价值深厚的环节进行技术投入与改造 [7] - 汽车、钢铁等重点行业被列为优先发展对象，需重点培育其数据集和智能体应用 [7]

行业政策与战略定位 - 中国制造业正处于“十五五”规划开局之年与全球产业格局深度重构的历史交汇点 智能制造被定位为制造业转型升级的关键支点和新质生产力发展的重要方向 [1] - “十五五”规划建议提出要推动技术改造升级 促进制造业数智化转型 发展智能制造、绿色制造、服务型制造 加快产业模式和企业组织形态变革 [1] - “十五五”规划建议将制造业明确定位为支撑整个国家经济体系的“骨架”与“根基” 并赋予其国家安全属性 标志着中国制造业发展战略从“效率优先”全面转向“安全可控与效率并重” [4] 智能制造发展现状与趋势 - 智能制造通过深度融合工业互联网、大数据、人工智能、机器人等新一代信息技术与先进制造技术 引领带动制造业智能化、高端化、绿色化转型升级 [3] - 工业大模型已成为智能化转型的核心引擎 中国工业大模型应用市场规模预计将以23%的年复合增长率持续扩张 [4] - 面向2030年 智能制造发展呈现六大趋势 包括工业大模型驱动产业重构、“人机共生”生态清晰化、工业元宇宙推动虚拟制造全球化、供应链安全与国产替代双轮驱动、梯度培育机制推动智能工厂规模化标准化落地等 [4] 关键技术与应用进展 - 在“人机共生”方面 人机协同进入“认知智能”新阶段 中国工业机器人销量稳居全球第一 协作机器人出货量突破4万台 [5] - 机器人应用从传统搬运向空中、水下、地下等非结构化环境全域延伸 纯视觉定位系统已成功替代人工执行地下管廊等高危巡检任务 [5] - 展望2030年 中国智能制造的竞争高地将集中在人机协同的“认知智能” 核心是实现机器人在开放环境中的自主学习与情境理解 [5] 企业生态与评选洞察 - 毕马威发布《第二届智能制造科技50》报告及榜单 评选覆盖工业物联网、智能制造、智能机器人、专精特新“小巨人”四大赛道 [3] - 上榜企业中 智能制造与智能机器人赛道占比超过七成 成立6—10年的成长期企业占近半数 超八成企业技术人员占比高于40% [4] - 企业地域分布呈现“东部引领、中西部崛起”的格局 [4] - 具备长期竞争力的企业特征正在转变 从单纯制造本体厂商转向能打通感知-决策-执行-反馈通路并构建行业知识库的系统解决方案提供者 [5] 具体行业应用案例 - 以汽车制造行业为例 行业正呈现电动化与智能化的深度融合 推动汽车从单纯的交通工具向智能终端转变 [4]