文章核心观点 - 深圳市工业和信息化局印发《深圳市“人工智能+”先进制造业行动计划（2026—2027年）》，旨在抢抓智能化与工业化交汇融合的历史机遇，加快人工智能技术与制造业全过程、全要素深度融合 [1] - 计划提出到2027年，在“人工智能+”先进制造业领域，建成国家人工智能应用中试基地（消费领域移动终端方向），建设工业智能体创新中心，组建工业知识联盟，开放百个应用场景，打造百个垂直行业模型及工业智能体，推广百个示范应用，形成“一基地、一中心、一联盟、百场景、多应用”的发展格局 [3] 打造重点支撑平台 - **打造工业智能体创新中心**：加快省级工业智能体创新中心建设，争取国家级制造业创新中心布局，支持研发具备环境感知、自主决策、动态适应能力的工业智能体，聚焦研发设计、生产制造、供应链管理等工业场景，搭建供需对接平台，构建自主可控技术基座，研发专用工具链，打造开放共享生态 [5] - **发展工业软件及工业知识联盟**：支持企业将工业知识、行业经验转化为标准化模型，重点攻关工业操作系统、CAD、CAE、EDA等关键工业软件的大模型适配开发，支持重点场景工业大模型产业化，形成自主工业软件产品 [5] - **研发轻量化工业小模型**：把握工业大模型小型化发展趋势，支持利用剪枝、量化和蒸馏等模型压缩技术，研发轻量化场景化工业小模型，实现边缘低延迟决策与普惠化部署 [5] - **构建工业知识数据库与开放社区**：搭建工业知识共建平台，汇聚企业、高校、科研机构力量，构建覆盖研发设计、生产制造、供应链管理等环节的行业级知识，形成上规模的工业知识数据库，建设开放社区平台，牵引龙头企业开放应用场景，降低中小企业智能化门槛，提供普惠服务 [6] 赋能重点产业集群 - **人工智能赋能半导体与集成电路**：推动人工智能技术应用于半导体产业链关键环节，利用AI优化芯片设计、软件代码等领域效率，以AI芯片为突破口做强半导体产业，面向AI手机、AI眼镜、智能机器人等各类AI终端需求，研发高性能、高能效专用SoC主控芯片，支持存算一体、存内计算等新型架构处理器 [1][8] - **支持车规级芯片国产替代**：面向新能源汽车万亿级市场，支持14nm及以下车规级高阶智驾AI芯片、智能座舱SoC芯片、域控制器MCU、中央域控SoC/MPU芯片的国产替代 [8] - **人工智能赋能机器人**：支持世界模型、视觉-触觉-语言-动作（VTLA）等多模态交互技术研发，构建具备交互、预测与决策功能的具身智能基座大模型及其训练、推理技术体系，培育长序列推理与自主学习能力，支持建设具身智能技术试验场，开放工业制造领域焊接、装配、喷涂、搬运等细分场景并实现落地应用，推动机器人进工厂、进车间、进仓库、进港口、进园区 [8] - **人工智能赋能低空经济**：建立无人机自主能力演进体系，搭建智能仿真平台，打造低空数字孪生系统，深度集成人工智能技术，支撑无人机感知、决策等能力的模拟与测试，逐步培育空中具身智能，构建“空中智慧道路系统”，支撑空域智能设计、航道智慧规划，实现全空域智慧感知、无人机智能管理及多无人机自动化协调应用，赋能巡检、载人飞行、物流运输、低空观光、航拍测绘、农林植保等应用场景 [9] - **人工智能赋能电子信息制造**：强化龙头企业引领作用，联合产业链上下游企业发掘潜在应用场景，支持人工智能在产品设计、产品检测、运营管理、质量检测、安全生产、数据分析等核心环节深度应用，打造一批标杆示范项目，聚焦终端产品创新升级，支持AI手机、AI眼镜、AI+潮玩、AI+智慧屏等重点产品研发创新，培育新的产业增长点 [9] - **人工智能赋能医药和医疗器械**：加快药物研发、细胞与基因治疗、精准医疗服务的研发创新与成果转化，推进人工智能技术在药物新靶标/靶点发现验证、药物设计、超高通量药物筛选、DNA编码化合物库筛选、计算机辅助药物设计和虚拟筛选、药物治疗相关基因位点筛选等核心环节的技术创新，支持建设一批人工智能药物研发重大平台载体，加速人工智能+生物技术（AI+BT）深度融合，强化大模型企业与高端医疗器械企业协同引领作用，联合产业链上下游开展医疗装备及关键零部件联合创新，开放医学影像辅助诊断等规模化真实应用场景，打造“AI+医疗器械”标杆应用 [10]

行业标准与评估体系启动 - 中国信通院正式启动首批可信AI工业智能体评估工作 [1] - 评估依据《智能体技术要求与评估方法行业应用工业》技术规范，该规范由中国人工智能产业发展联盟智能体创新与应用工作组联合上海移动、南方电网、广西电网、中国石化、中国石油等多家企业共同编制完成 [1] 评估框架与核心能力域 - 评估立足工业行业对复杂性、可靠性的要求，结合智能体能力特性，从技术到应用展开全面评估 [1] - 评估覆盖基础能力、业务场景、服务应用3大能力域，共计20余个能力项 [1] 基础能力评估项 - 基础能力部分主要评估工业智能体在感知、认知、决策、执行等方面的基本技术能力 [1] - 具体能力项包含工业数据采集、工业数据加工、机理融合、生产规划、协同控制等 [1] 业务场景评估项 - 业务场景主要评估工业智能体场景应用的丰富程度 [1] - 评估覆盖产品研发场景（如研发设计、工艺仿真）、生产管理场景（如生产优化、运行维护、质量控制）以及运营管理场景（如供应链管理、经营管理） [1] 服务应用评估项 - 服务应用主要评估工业智能体服务应用的成熟度 [1] - 具体能力项包含业务效果、智能交互、混合部署、系统兼容、安全保障、运维监控等 [1]

《上海市支持先进制造业转型升级三年行动方案（2026—2028年）》核心要点 - 上海市发布三年行动方案，旨在重塑产业版图并拓展至商业航天等新领域，目标到2028年新增年产值10亿元以上制造业企业100家，累计超过600家，并带动产业链新增规上工业企业500家 [1] 产业投资与增长基础 - 2025年上海工业投资同比增长20.0%，其中制造业投资同比增长22.8%，为未来增长提供坚实基础 [2] - 2025年上海规上工业总产值跨越4万亿元大关，创历史新高 [1] 产业结构调优路径 - 方案提出“结构调优升级行动”，对传统优势产业如石化、钢铁和有色金属进行优化提升，推动向新材料、特种精品钢和轻合金转型 [3] - 对集成电路、生物医药、人工智能三大先导产业，重在“战略引领”，支持全产业链突破和全栈创新 [3] 智能化与数字化转型 - 方案将开展“AI+制造”赋能行动，支持企业应用人工智能大模型等技术打造行业模型和工业智能体 [4] - 具体目标：到2028年，推动大型企业实现智能工厂全覆盖，机器人密度提高到600台/万人，智能制造装备数字化水平达到70%以上 [4] 新兴赛道布局 - 方案积极引导企业投资布局低空经济、商业航天、具身智能、生物制造、智能终端等新兴领域 [5] 研发创新激励措施 - “创新攻关强基行动”对企业基础研究投入提供分档财政补助：年投入≥1亿元补助1000万元，5000万元至1亿元补助500万元，1000万元至5000万元补助200万元 [6] - 此举旨在强化企业创新主体地位，提升规上制造业企业研发费用占营收比重 [6] 资源要素保障 - 金融支持：推动金融机构提供低息、高额度、长期限的制造业贷款，并对企业备货关键原材料等的贷款给予0.8%至1.3%的贴息 [7] - 空间供给：妥善解决工业用地续期问题，支持企业根据实际需要确定工业厂房容积率 [7] - 方案还涉及人才引育、物流配套、降本增效等多维度支持 [7] 成本控制与盈利能力 - 上海持续推进工业降本增效，2025年1—11月工业企业每百元营收成本降至81.5元 [8] - 2025年上海工业企业利润率达到6.3%，高于全国水平1个百分点 [8][9] 现代化产业体系蓝图 - 2026年上海将锚定新型工业化，高质量绘就“2+3+6+6”现代化产业体系的“实景画” [10]

政策文件核心内容 - 八部门联合印发《“人工智能+制造”专项行动实施意见》，是“十五五”时期推动AI与制造业深度融合的纲领性文件 [2] 具体量化目标 - 到2027年，推动3—5个通用大模型在制造业深度应用，推出1000个高水平工业智能体，打造100个工业领域高质量数据集 [3] - 到2027年，推广500个典型应用场景，培育2—3家生态主导型企业，选树1000家标杆企业 [3] 实施路径与核心抓手 - 政策抓手聚焦“算力—模型—数据—场景”四件套 [4] - 强化算力供给，支持训练芯片、端侧推理芯片、AI服务器、高速互联、智算云操作系统等关键技术，推动大模型一体机、边缘计算服务器、工业云算力部署 [4] - 培育重点行业大模型，发展“云—边—端”模型体系，推动模型轻量化部署，加快在工业场景落地 [5] - 开展“模数共振”行动，推动建立企业首席数据官制度，推进数据管理能力成熟度国家标准贯标，发布制造业高质量数据集建设指南，形成“以模引数、用数赋模”的闭环机制 [5] 对锂电行业的直接影响 - 对锂电产业链而言，政策意味着将AI从点状算法推向产线级、工艺级的“可复制能力” [6] - 政策提出的大模型要“深度嵌入生产制造核心环节”，点名排产调度、工艺优化、预测性维护、机器视觉质检、产线实时监测与风险预警等能力，对应锂电工厂核心需求场景 [6] - 引入“工业智能体”新口径，推进技术攻关与应用推广，研制开放协同的智能体协议和接口，推动云化部署 [6] - 锂电企业竞争可能从拥有单点AI能力，升级为能否沉淀出跨产线复用的数字工程师或数字班组，形成可调用的智能体群 [6] 安全与合规要求 - 政策提出攻关深度合成鉴伪、工业模型算法安全防护、训练数据保护、对抗样本检测、智能终端安全测评等关键技术 [7] - 要求建设工业安全大模型，并通过知识库优化、训练语料纠错、生成内容标识等方式增强可解释性、降低“幻觉风险” [7] - 提出研究制定工信领域人工智能分类分级、评估评测、应急处置等安全政策标准 [8] - 对锂电等高安全敏感行业，审计、追溯、数据安全与评测基准将成为模型上线的门槛 [9] 保障与激励措施 - 提出统筹资金渠道支持“AI+制造”技术研发与赋能应用，发挥国家人工智能产业投资基金作用，开展新技术新产品新场景的大规模应用示范行动 [9] - 鼓励地方给予企业“算力券”“模型券”等支持，引导错位发展、防范“内卷式”竞争 [10] - 对锂电产业链，关键变量在于各地如何将数据集、场景开放、标杆工厂、就绪度评估等落地为可申报、可验收的项目清单 [10]

文章核心观点 - 工业AI需求已从头部企业探索转向全行业提质降本增效的刚需 中国工业正处在数字化向智能化跨越的关键拐点 “人工智能+工业”是产业升级核心引擎 [1] - 工业AI正从概念探索迈向规模化应用新阶段 全球市场高度重视但落地阶段因区域差异而分化 中国厂商可依托技术积累与产业链优势 以多元化路径渐进式拓展海外市场 [1] 国内市场 - 工业AI需求转向全行业提质降本增效的刚需 预计到2028年中国工业企业AI支出规模将接近90亿元人民币 年复合增长率达38% [1][2] - 预计到2030年全球活跃智能体数量将突破22.16亿个 年复合增长率达139% 工业领域活跃智能体是最重要组成部分之一 [1][2] - 智能体数量快速增长将与工业AI规模化需求形成共振 智能体作为任务编排与流程执行载体 有助于将AI从点状能力升级为可运营的生产力 加速规模化落地 [2] - 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》 明确提出到2027年推出1000个高水平工业智能体的目标 [4] - 同期 国家发改委、国家能源局发布《关于推进“人工智能 +”能源高质量发展的实施意见》 与前述政策形成合力 共同推动AI与制造、能源等工业领域深度融合 [4] - 工业具有强行业差异与强流程约束 难以依赖消费级通用智能体 针对设计研发、仿真测试、工艺改进、质量检查、设备运维、能耗管理等细分环节的专门适配工业智能体正在快速增多 [5] - 工业智能体呈现向更强专业、更深嵌入、更可控可管的技术路线演进趋势 [5] 全球市场 - 预计到2028年 全球工业企业AI支出规模将接近2.2万亿人民币 年复合增长率达63% [6] - 中国市场的900亿人民币工业AI支出占比仍有限 海外市场在需求体量、行业多样性与付费能力上存在更大空间 [6] - 全球各区域工业AI需求呈现差异化 欧洲、北美等发达市场工业企业数字化与工业软件体系更成熟 偏好体系化、高端定制与长期服务续订 但整体成本高、交付周期长 [6] - 针对发达市场 中国工业AI厂商可从工业视觉、能耗优化、新能源场站运维等细分场景切入 以轻量部署、快速见效、性价比形成差异化补位 [6] - 东南亚等新兴市场工业AI落地意愿强但适配性方案与本地化交付供给不足 中国厂商可输出成熟的场景化方案与一体化服务 重点强化本地生态伙伴、交付标准化与运维体系建设 [6] - 出海需要同步构建三层能力 合规与数据治理能力、本地交付与合作伙伴体系、以及行业场景的可复用产品化封装 [6] - IDC全球工业研究已启动一系列与工业智能化相关的研究议题 覆盖制造业、能源行业、供应链三大主题 旨在助力中国工业AI厂商进入国际视野 强化品牌可信度与市场触达效率 [7]

工业互联网与人工智能融合的发展路径 - AI大模型正驱动平台化设计、智能化生产、个性化定制等新模式加速涌现，同时国内开源人工智能技术降低了企业智能化门槛，这要求工业互联网平台提供更深层次的应用 [1] - 面向大型企业，需要以工业软件为抓手，开展人工智能赋能工业软件的技术应用，并研发专用的多模态大模型 [1] - 面向中小企业，应发展“模型即服务（MaaS）”模式，布局多元工业智能体，以降低其应用人工智能的技术难度 [1] 新型工业网络的升级与部署 - 工业网络开放智能升级是人工智能与工业深度融合的关键支撑，政策部署提出到2028年推动不少于5万家企业实施新型工业网络改造升级 [1] - 为支撑柔性制造等动态场景，网络需具备“自感知、自决策、自执行”的能力，这是实现产线实时调整与工艺动态优化的高级应用基石 [1] - 企业可优先在生产控制、设备协同等高价值环节部署5G、时间敏感网络（TSN）、工业光网等新型网络技术，通过分阶段试点验证、分步骤落地推广，实现从“单点智能”到“全局智能”的演进 [1] 未来发展的重点部署方向 - 下一步需要重点围绕新型工业网络创新、工业高质量数据集建设、工业智能体培育和推广等方面展开部署 [2] - 需加强新型工业网络在实时性、确定性、安全性及算网控一体化方面的研究 [2] - 应在汽车、钢铁等重点行业组建创新联合体，建设一批真正有高价值的典型工业数据集 [2] - 应构建多层级的应用体系，按照“设备级-产线级-车间级-工厂级-企业级-生态级”的思路，分步推动工业智能体研发和能力提升 [2]

核心财务预测 - 预计2025年归属于上市公司股东的净利润为13,000万元至17,000万元，比上年同期下降48.38%至32.49% [1] - 预计2025年扣除非经常性损益后的净利润为10,000万元至14,000万元，比上年同期下降56.84%至39.58% [1] - 预计报告期内实现营业收入约18.6亿元，同比增长10.90% [2] - 剔除生物质能源相关资产减值因素影响后，归母净利润约3.5亿元，同比增长39.57% [2] 经营状况与战略方向 - 公司坚定锚定工业自动化与工业人工智能两大战略方向 [2] - 持续深耕能源、冶金、化工、建材、水务等国民经济基础行业 [2] - 核心主业运行稳健，业务结构进一步优化，发展韧性持续显现 [2] - 主业经营质量持续改善，订单交付节奏良好，核心客户粘性不断增强 [2] 工业人工智能业务进展 - 全面拥抱工业人工智能浪潮，构建覆盖智能巡检、智能监盘、无人值守、智能决策等场景的“工业智能体”体系 [2] - 报告期内，工业AI相关业务实现收入约2.6亿元，占公司整体营业收入比例首次超过10% [2] - 工业AI业务标志着公司第二增长曲线已由“布局期”迈入“放量期” [2] - “黑灯工厂”愿景在能源、冶金、化工、建材、水务等关键行业落地生根 [2] 行业背景与公司定位 - 工业领域自主可控需求持续释放，客户数字化与智能化升级意愿显著增强 [2] - 公司顺应新一轮工业技术变革趋势，加速推动工业现场从“少人化”向“无人化”演进 [2] - 工业AI业务成为公司面向未来的重要价值支点 [2]

核心观点 - 工信部等八部门联合印发《“人工智能+制造”专项行动实施意见》，系统部署以人工智能技术推动制造业智能化升级，并设定了到2027年的具体量化发展目标 [2][11] 总体发展目标 - 到2027年，我国人工智能关键核心技术将实现安全可靠供给，产业规模和赋能水平稳居世界前列 [2][11] - 建成全球领先的开源开放生态，安全治理能力全面提升，为人工智能发展贡献中国方案 [4][13] 技术与应用量化目标 - 推动3-5个通用大模型在制造业深度应用 [2][11] - 推出1000个高水平工业智能体 [2][11] - 打造100个工业领域高质量数据集 [2][11] - 推广500个典型应用场景 [2][11] 产业与企业培育目标 - 培育2-3家具有全球影响力的生态主导型企业 [3][12] - 培育一批专精特新中小企业 [3][12] - 打造一批“懂智能、熟行业”的赋能应用服务商 [3][12] - 选树1000家标杆企业 [3][12] 垂直领域智能体研发方向 - 研发部署软件编程、软件需求与审计、软件测试智能体 [7][16] - 打造曲面设计、自动建模、自动编程等工业智能体 [7][16] - 研制智能排程规划、动态报表生成、界面自动化设计、数据智能监控与治理等专用智能体 [7][16] - 研发医疗、教育、金融、法律等行业智能体 [8][17] 人才培养与教育体系建设 - 开展人工智能产业人才需求预测，发布报告，支持高校院所提前布局和调整优化相关学科专业 [6][15] - 建好用好北京中关村学院、上海创智学院、深圳河套学院、国家人工智能产教融合创新平台、国家卓越工程师学院、国家卓越工程师实践基地等，设置专业课程 [6][15] - 培养既懂人工智能又懂制造业应用的复合型人才，完善人工智能认知教育培训，提升全员人工智能素养与技能 [6][15] - 加强人工智能领域高技能人才培养，依托国家相关人才工程和项目，培养科技领军人才、创新团队，超常规构建领军人才培养新模式，积极引进海外高端人才 [6][15] - 加强产学研用协同，鼓励高校和企业依托国家人工智能产教融合创新平台、示范性特色学院等，支撑人工智能拔尖创新人才培养 [9][18] - 健全企业人工智能人才引进、评价和激励机制，营造良好人才发展环境，培养兼具行业认知与技术实操能力的复合型人才 [9][18]

文章核心观点 - 中国制造业人工智能应用重点正从通用办公场景转向生产一线 旨在通过深度嵌入制造流程实现效率和成本改善 [3][4] - 美的集团计划在2026年前通过AI应用实现约9亿元的成本节约 并已在158个核心业务场景中规模化应用工业智能体 [3] - 工业智能体在制造业的推广仍面临数据质量 AI人才和场景选择等挑战 企业需先补数字化短板 [11][12] 美的集团AI应用进展与规划 - 美云智数发布工业智能体矩阵及美擎AIGC 3.1平台 对外发布的40多个智能体是从内部上万个中筛选而来 [3] - AI应用带来的成本节约效益逐年显著增长 2023年约4000万元 2024年约1.8亿元 2025年预计约6亿元 2026年预计达9亿元 [8] - 在制造环节 智能体用于产线损失分析 可将每日损失拆解至具体工序和岗位并提供改善建议 替代过去数小时一次的人工盘点 [7] - 在供应链环节 智能体可快速评估突发情况（如台风）的影响范围并提供替代供应方案 [7] - 在人力资源和法务等领域 智能体参与简历筛选 面试及合同审核 在部分领域应用AI可减少90%的成本 [8] 行业应用与政策动态 - 海尔集团旗下卡奥斯工业互联网平台的工业大模型已在石油化工 能源 家电等领域落地40多个场景 在部分石化工艺优化场景中帮助企业人工和能源成本下降约10% [9] - 创维集团围绕智能电视系统布局影音 健康 创作 教育等多个智能体应用 强调关键不在智能体数量而在用户使用量 [9] - 工业和信息化部等八部门联合发布《"人工智能+制造"专项行动实施意见》 提出到2027年推动3—5个通用大模型在制造业深度应用 并培育1000个高水平工业智能体 [9] 工业智能体应用挑战与未来形态 - 挑战一：AI应用效果高度依赖业务参与程度和基础数据质量 企业数字化基础薄弱或数据不完整会影响效果 [11] - 挑战二：AI人才成本高 招聘难度大 更现实的路径是推动原有数字化团队向AI方向转型 [11] - 挑战三：需选择清晰的应用场景 否则即使投入算力设备和团队也未必能取得实际效果 [11] - 未来应用形态方向是智能体融入传统工业软件（AI-INSIDE） 而非作为独立工具存在 例如在销量预测 生产计划等业务中由AI提供后台决策支持 [13]

公司动态：美的集团AI应用进展 - 美的集团旗下美云智数发布工业智能体矩阵及美擎AIGC 3.1平台 计划在2026年前通过AI应用实现约9亿元的成本节约 [3] - 公司对外发布的40多个工业智能体是从内部上万个智能体中筛选而来 已在158个核心业务场景中实现规模化应用 [3] - 在制造环节 智能体用于产线管理 如TPM、DMS、LOSS等智能体可将每日损失拆解到具体工序和岗位并给出改善建议 [6] - 在供应链环节 智能体可快速评估突发情况（如台风）的影响范围并提供替代供应方案 [7] - 在人力资源和法务领域 智能体参与简历筛选、校园招聘面试及合同审核等流程 [8] - 公司AI应用带来的成本节约效益逐年扩大 2023年约为4000万元 2024年约1.8亿元 2025年预计约6亿元 2026年预计达9亿元 [8] - 在部分领域 应用AI甚至可减少90%的成本 [8] - 公司认为未来方向是智能体融入传统工业软件（AI-INSIDE） 而非作为独立工具存在 [12] 行业趋势：制造业AI应用深化 - 中国制造业正将AI应用重点从通用办公场景推向生产一线 [3] - 过去两年AI在企业内部最先落地于翻译、文档、人力资源等通用场景 当前重点转向对制造流程的深度嵌入以影响成本结构和生产效率 [4] - 行业关注点从智能体数量转向能真正带来效率和成本改善的场景 [5] - 海尔集团旗下卡奥斯工业互联网平台的工业大模型已在石油化工、能源、家电等领域落地40多个场景 在部分石化工艺优化场景中使企业人工和能源成本下降约10% [9] - 创维集团围绕智能电视系统布局影音、健康、创作、教育等多个智能体应用 强调关键不在智能体数量而在用户使用量 [9] - 政策层面加快推动 工信部等八部门提出到2027年推动3—5个通用大模型在制造业深度应用 并培育1000个高水平工业智能体 [9] 行业挑战：工业智能体推广障碍 - 工业智能体在更多企业尤其是中小企业中落地面临挑战 [10] - 挑战一：AI应用效果高度依赖业务参与程度和基础数据质量 企业数字化基础薄弱、数据不完整会导致应用效果打折扣 [10] - 挑战二：AI人才成本高、招聘难度大 更现实的路径是推动原有数字化团队向AI方向转型 [10] - 挑战三：需明确具体应用场景 若场景选择不清晰 即使投入算力设备和团队也未必能取得实际效果 [10] - 企业需要先补数字化短板 再谈AI的规模化应用 [11]