Autodesk CEO：工業AI容錯低，定製垂直AI將定義未來價值
觀點Autodesk CEO稱工業領域通用大模型“差不多對”致命，定製垂直AI憑高精度和低總擁有成本將成工業軟體核心價值。
本頁只整理 AI 在製造與工業環節的落地場景、產品與政策，不作供應商排名或採購建議；人形機器人與具身智慧本體另見站內機器人專題。
製造與工業 AI：已經落地了什麼、誰在做、多少錢
20 個落地場景、15 個產品、8 個政策節點;資料 2026-09-13 核自官方頁與權威報道,價格為參考區間、會變;「—」= 未核到、不猜。
製造業是中國 AI 落地裡少數「已經跑出規模」的行業之一。最成熟的一段是工業視覺質檢：3C、新能源電池、面板、半導體產線上，深度學習缺陷檢測已經是可採購的成熟產品，思謀科技、創新奇智、阿丘科技、凌雲光、海康機器人與海外的康耐視（Cognex）都有在售軟硬體。往上一層，工業大模型與工業智慧體開始承接排產、工藝引數最佳化、裝置診斷這類過去靠老師傅經驗的活：華為雲盤古的預測模型已用於高爐、配煤等冶金場景，百度智慧雲的決策智慧體「伐謀」面向生產排程、工藝最佳化與物流規劃，中控技術把時序大模型 TPT 用在流程工業。世界經濟論壇 2026 年 6 月公佈的全球燈塔網路已有 238 座工廠，其中中國過百座，端到端智慧化是這批工廠的共同特徵。
沒做到的部分同樣清楚。工業大模型多數仍是「一廠一案」的專案制交付，公開定價幾乎沒有，複製到第二家工廠通常還要重做資料與工藝適配；高質量工業資料集稀缺，是官方檔案也點名要補的短板。工業智慧體目前主要停在給人提建議、給人寫程式碼，真正閉環下指令到產線控制的案例還少，多數工廠把它擋在 DCS／PLC 之外。工業軟體裡的 AI 大多是效率增強（智慧標註、程式碼補全、文件檢索），還沒有替代設計與模擬本身。另外，本頁不覆蓋人形機器人與具身智慧本體，那一段請看站內機器人專題；這裡只收工業機器人上的 AI 應用，比如視覺引導抓取與上下料。
2026 年最大的變化來自政策與落地節奏兩頭。2025 年 12 月，工信部等八部門印發《「人工智慧＋製造」專項行動實施意見》並於 2026 年 1 月公開，提出到 2027 年推動 3～5 個通用大模型在製造業深度應用、推出 1000 個高水平工業智慧體、打造 100 個工業領域高質量資料集、推廣 500 個典型應用場景。2026 年 5 月，國家網信辦、國家發展改革委、工信部聯合印發《智慧體規範應用與創新發展實施意見》，把智慧體的安全、審計與追責要求正式立規。2026 年 7 月，六部門繼續開展年度智慧工廠梯度培育行動，把「人工智慧等新技術廣泛深度應用」寫進卓越級的評價口徑。
落地場景表20 個場景
每行一個場景:代表產品分國內 / 海外,成熟度三檔(試點 → 規模 → 商用,判不準往低檔寫),價格檔只寫核到的形態與區間。
| 場景 | 代表產品(國內) | 代表產品(海外) | 成熟度 | 典型使用者 | 價格檔 | 大陸可用 |
|---|---|---|---|---|---|---|
| 工業視覺質檢（外觀缺陷檢測） 本行業裡最成熟的一段，已是標準可採購產品，但換產線、換料號通常仍需重新標註與訓練。 來源 ↗ | 思謀科技 / 創新奇智 / 阿丘科技 / 凌雲光 / 海康機器人 | Cognex | 商用 | 3C、新能源電池、面板半導體、汽車零部件產線的質檢工位 | 按專案採購按專案採購；軟硬體一體交付，官網均未公開報價 | 可用 |
| 工業多模態大模型與行業大模型 多數仍是「一廠一案」，模型要配合本廠工藝資料微調，跨廠複用成本高。 來源 ↗ | 華為雲盤古 / 寶信軟體鋼鐵行業大模型 / 思謀 IndustryGPT / 卡奧斯天智工業大模型 | — | 規模 | 鋼鐵、有色、煤礦、化工、家電等行業的大中型製造企業 | 按專案採購按專案採購；隨雲資源與實施一併計價，無公開價目表 | 可用 |
| 工業智慧體（Agent）與決策最佳化 目前多數以「給人提方案」為主，直接下指令閉環到產線控制的案例仍少。 來源 ↗ | 百度智慧雲伐謀 / 創新奇智奇智孔明 / 卡奧斯 COSMO Code | — | 試點 | 有排產、排程、工藝尋優需求的製造與物流團隊 | 按專案採購按專案採購；伐謀提供線上體驗入口，官網未公開定價 | 可用 |
| 智慧排產與生產排程（APS） 難點不在演算法而在約束建模，產線實際約束寫不全，排出來的計劃就落不了地。 來源 ↗ | 百度智慧雲伐謀 / 樹根互聯 APS / 用友 / 鼎捷數智 | — | 規模 | 多品種小批次的離散製造工廠計劃排產崗 | 按專案採購按專案採購；通常隨 ERP／MES 專案一起交付 | 可用 |
| 工藝引數最佳化（鋼鐵、有色、化工、水泥） 據華為雲 2025 年 6 月釋出會披露，盤古預測模型在寶武高爐場景的鐵水溫度命中率在 90% 以上；此類數字均為廠商披露的單點案例，不代表行業普遍水平。 來源 ↗ | 華為雲盤古預測模型 / 寶信軟體 / 中控技術 | — | 規模 | 高爐、轉爐、裂解、水泥窯等連續生產裝置的工藝與操作團隊 | 按專案採購按專案採購；無公開報價 | 可用 |
| 流程工業時序大模型與自主執行工廠 中控技術把時序大模型 TPT 與通用控制系統 UCS、自主執行工廠 AOP 組成一套，屬於把 AI 往控制層推的方向，整體仍在驗證階段。 來源 ↗ | 中控技術 | — | 試點 | 石化、化工、油氣、電力等流程工業的控制與執行部門 | 按專案採購按專案採購；與控制系統一併交付 | 可用 |
| 預測性維護與裝置健康管理（PHM） 對裝置廠商（賣出去的機器）比對工廠自有裝置更容易做，因為聯網資料天然迴流到廠商手裡。 來源 ↗ | 樹根互聯 / 卡奧斯 | Siemens Industrial Copilot | 規模 | 工程機械、風電、泵閥壓縮機等裝置的製造商與運維方 | 按專案採購按專案採購；部分隨裝置聯網服務打包 | 可用 |
| 裝置聯網與工業資料接入 這是所有工業 AI 的前置條件，資料採不上來後面的模型都無從談起。 來源 ↗ | 樹根互聯根雲 / 卡奧斯 COSMO-Sphere / 寶信軟體寶聯登 | — | 商用 | 需要把老裝置資料採上來的製造企業資訊化部門 | 按專案採購按專案採購；含採集終端與平台訂閱 | 可用 |
| 數字孿生工廠與產線模擬 國內落地多停在視覺化與佈局驗證，用模擬資料訓練機器人策略再上線的閉環案例仍集中在少數頭部工廠。 來源 ↗ | 樹根互聯根雲智界 / 卡奧斯 | NVIDIA Omniverse / Siemens Xcelerator | 試點 | 新建產線、產線改造的工藝規劃與模擬團隊 | 按專案採購按專案採購；Omniverse 相關庫隨 NVIDIA 開發工具提供 | 可用 |
| PLC 程式碼生成與自動化工程 Copilot 西門子 2024 年 4 月漢諾威工業博覽會推出，整合 TIA 博途，可生成 SCL 程式碼、解釋程式碼塊、用自然語言檢索手冊；國產自動化廠商的同類產品尚未見到公開在售的成熟版本。 來源 ↗ | — | Siemens Industrial Copilot | 商用 | 自動化工程師、裝置整合商的程式設計與除錯崗 | 按專案採購按專案採購；通過西門子 Xcelerator 市場提供，官網未公開中國區價目 | 可用 |
| AI 輔助設計與圖紙理解（CAD） 當前的 AI 能力集中在智慧標註、智慧選擇、圖紙識別與引數化改圖，屬於效率增強，還不是替代設計本身。 來源 ↗ | 中望軟體 | Autodesk / Siemens NX | 規模 | 機械設計、建築與製造工程圖紙崗 | 按席付費按席付費；國產 CAD 按訂閱或永久授權銷售 | 可用 |
| 工程模擬（CAE）中的 AI 加速 用代理模型替代部分有限元求解的做法在學界與廠商演示裡較多，工程中仍以傳統求解器為主、AI 做前後處理與尋優。 來源 ↗ | 中望軟體 | Siemens / NVIDIA | 試點 | 結構、流體、電磁模擬工程師 | 按席付費按席付費；模擬模組單獨授權 | 可用 |
| ERP／MES 裡的 AI 助手 這一層的 AI 主要做取數、問答、報表與審批輔助，屬於管理軟體的功能增強，和產線控制是兩回事。 來源 ↗ | 用友 YonGPT / 金蝶靈基 / 鼎捷雅典娜 | — | 規模 | 製造企業的財務、供應鏈、生產運營崗 | 按專案採購按專案採購；大型企業版本按專案實施，成長型企業版本按訂閱 | 可用 |
| 工業機器人視覺引導與上下料 本頁只收工業機器人上的 AI 應用；人形機器人與具身智慧本體請看站內機器人專題。 來源 ↗ | 海康機器人 / 創新奇智 / 阿丘科技 | Cognex | 規模 | 汽車零部件、家電、物流倉儲的自動化上下料與拆碼垛工位 | 按專案採購按專案採購；相機與視覺軟體按套採購 | 可用 |
| 工業讀碼與物流分揀視覺 屬於成熟硬體品類，深度學習主要用來提高髒汙、變形、低對比度碼的讀取率。 來源 ↗ | 思謀科技 ViScanner / 海康機器人 | Cognex DataMan | 商用 | 電子製造追溯、倉儲物流分揀線 | 按專案採購按專案採購；讀碼器按台採購 | 可用 |
| 安全生產與作業行為識別 落地快但誤報治理是長期成本，實際專案中人工複核環節通常無法取消。 來源 ↗ | 樹根互聯 / 阿丘科技 | — | 規模 | 工廠安全環保部門、危化與冶金現場 | 按專案採購按專案採購；按點位與攝像頭數量計價 | 可用 |
| 半導體與面板良率分析 資料敏感度高，客戶普遍要求本地化部署，模型也很難跨廠複用。 來源 ↗ | 創新奇智 / 思謀科技 / 阿丘科技 | — | 規模 | 晶圓廠、面板廠的良率工程與工藝工程團隊 | 按專案採購按專案採購；無公開報價 | 可用 |
| 工廠能源管理與碳核算 多數專案先解決計量與報表，AI 最佳化排程的部分通常排在第二階段。 來源 ↗ | 樹根互聯 / 卡奧斯 | — | 試點 | 高耗能行業的能源管理與雙碳合規崗 | 按專案採購按專案採購；平台訂閱＋實施 | 可用 |
| 低程式碼與自然語言生成工業應用 適合表單、看板、巡檢這類輕應用，涉及裝置控制與安全聯鎖的部分仍走傳統開發。 來源 ↗ | 卡奧斯 COSMO Code / 用友 / 金蝶 | — | 試點 | 工廠 IT 與業務部門的輕應用開發 | 按專案採購按專案採購；隨平台訂閱提供 | 可用 |
| 端到端智慧化的燈塔工廠 世界經濟論壇 2026 年 6 月 22 日宣佈全球燈塔網路新增 16 家、總數達 238 座，中國佔其中一百餘座；論壇同時指出 AI 正從孤立試點轉為核心運營能力。這是評選結果而非普遍水平。 來源 ↗ | — | — | 試點 | 行業頭部製造企業的標杆工廠 | 按專案採購 | 可用 |
產品目錄15 個
- 華為雲 · 盤古大模型 華為 按專案採購 可用
面向產業的基礎模型族，含 NLP、視覺、多模態、預測、科學計算五類；在製造與工業側主要用預測模型做配煤、高爐等工藝尋優，另有礦山等行業場景。
- 百度智慧雲 · 伐謀 百度 按專案採購 可用
面向業務人員的決策智慧體，用自然語言描述問題即可求解；官網標註的三大場景是生產排程、物流規劃與工藝最佳化。
- 中控技術 · 時序大模型 TPT 中控技術 按專案採購 可用
面向流程工業的時間序列大模型，與通用控制系統 UCS、自主執行工廠 AOP 配套，用於石化、化工、冶金等連續裝置的預測與執行最佳化。
- 思謀科技 · SMore ViMo 與 IndustryGPT 思謀科技 按專案採購 可用
工業視覺軟硬體一體：ViMo 視覺智慧體軟體、Gauge 高精度測量、ViScanner 讀碼器，底層是官網所稱的工業多模態大模型 IndustryGPT；主要給 3C、新能源、精密製造的質檢與追溯工位用。
- 創新奇智 · 奇智孔明 AInnoGC 創新奇智 按專案採購 可用
工業大模型與 AI Agent 開發平台，配套 ManuVision 機器視覺與工業軟體、工業機器人；覆蓋鋼鐵冶金、面板半導體、3C、汽車裝備等行業解決方案。
- 阿丘科技 · AIDI 阿丘科技 按專案採購 可用
工業 AI 視覺軟體，做缺陷檢測分類、裝配驗證與分選分級，另有工業視覺語言模型 AQ-VLM 與整線檢測系統；客戶集中在動力電池、半導體、汽車與食品藥品。
- 卡奧斯 COSMOPlat 海爾卡奧斯 按專案採購 可用
工業網際網路平台，含企業級平台 COSMO-Sphere 與低程式碼開發平台 COSMO Code，官網稱天智工業大模型入選重點推廣的垂直領域大模型；覆蓋化工、汽車、電子、家電、能源等行業生態。
- 樹根互聯 · 根雲平台 樹根互聯 按專案採購 可用
跨行業工業網際網路平台，覆蓋裝置聯網採集、EAM／PHM 裝置健康、APS 排產、MES／QMS、工業 AI 視覺管控與零碳管理，客戶集中在裝備製造、汽車零部件、鋼鐵冶金與建材。
- 寶信軟體 · 寶聯登與鋼鐵行業大模型 寶信軟體 按專案採購 可用
寶武體系內的工業軟體與平台商，產品含寶聯登工業網際網路平台、鋼鐵行業大模型、天行中大型 PLC 與圖靈工業機器人，主要服務鋼鐵冶金全流程。
- 用友 · YonBIP 與 YonGPT 用友網路 按專案採購 可用
企業級 ERP 與雲服務，YonGPT 為其企業服務大模型，製造雲覆蓋生產製造、智慧工廠與供應鏈協同，另有 U9 Cloud 面向製造業。
- 金蝶 · 星瀚與靈基 金蝶國際 按專案採購 可用
企業管理軟體，AI 星瀚面向大型企業、雲星空面向中型企業，靈基為其 AI 原生智慧體作業系統；製造側有裝備製造、汽車零部件、電子半導體、鋼鐵冶金等行業方案。
- 中望軟體 · 中望 CAD 與中望 3D 中望軟體 按席付費 可用
國產二三維 CAD 與模擬軟體，2026 版加入智慧標註、智慧選擇、引數化改圖與圖紙識別模型，給機械設計與製造工程圖紙崗用。
- Siemens Industrial Copilot 西門子 按專案採購 可用
工業生成式 AI 助手，整合 TIA 博途生成 PLC 的 SCL 程式碼、解釋程式碼塊、在 WinCC Unified 裡做介面配置，並支援自然語言檢索西門子手冊；另有面向運維的版本。
- NVIDIA Omniverse NVIDIA 免費＋付費 可用
物理 AI 的模擬與數字孿生工具集，用於工業設施數字孿生、機器人模擬與合成數據生成，讓策略在部署到真實產線前先在模擬裡訓練與驗證。
- Cognex VisionPro Deep Learning 康耐視（Cognex） 按專案採購 可用
機器視覺老牌廠商的深度學習檢測軟體，與 In-Sight 視覺系統、DataMan 讀碼器、3D 視覺配套；有中文官網與本地支援，面向中國製造業銷售。
最新新聞16 條
鈦媒體：工業AI落地難點在場景適配，演算法可購現場難複製
鈦媒體報道，工業AI落地關鍵在場景適配與長期穩定，而非單純識別率。
鈦媒體：工業大模型落地從演示走向生產，本體平台化積累成關鍵
鈦媒體報道，工業大模型落地正從演示轉向生產，本體平台化積累是關鍵。
創新奇智釋出工業智慧體平台，上半年首次實現調整後盈利
8月27日，創新奇智釋出升級的AInnoGC工業本體智慧體平台及三款智慧體套件，已有上百個智慧體進入製造企業生產。財報顯示，2026年上半年營收8.29億元，同比增長18.6%，首次實現半年度調整後盈利，調整後利潤320萬元，毛利率連續第六年提升至35.4%，“AI+製造”收入佔比升至81.5%。
為什麼重要工業AI龍頭從模型競爭轉向落地能力，其盈利拐點驗證了智慧體在工業場景的商業化可行性，對關注AI應用落地的投資者具有參考意義。
西門子Xcelerator強調工業Agent非套殼，聚焦產品在真實場景持續生長
西門子Xcelerator強調工業Agent非套殼，核心是讓產品在真實工業場景中持續生長。
a16z史上最大投資：All in Uber創始人，下注工業AI“從位元到原子”
沉寂八年後，Uber聯合創始人Travis Kalanick攜新公司Atoms亮相，獲得a16z聯合創始人Ben Horowitz迄今最大一筆投資。Atoms聚焦“工業AI”，將軟體、感測器、機器人與AI整合為自動化系統，覆蓋食品、礦業、自主導航機械三大方向。Horowitz稱這是他在a16z寫過的最大支票，並類比Elon Musk整合多家公司的潛力。
為什麼重要這筆投資標誌著頂級風投對AI從數字世界向物理世界延伸的押注，可能重塑食品、礦業、製造業等傳統產業的自動化程序，對AI產業鏈上下游的算力、機器人、工業軟體等領域具有風向標意義。
工業智慧體競爭轉向落地，端到端閉環能力成定價權關鍵
工業智慧體競爭迴歸本質，端到端閉環能力決定平台級定價權。
碩橙科技完成超億元D+輪融資，工業母機產業投資基金領投
工業AI企業碩橙科技完成超億元D+輪融資，由工業母機產業投資基金獨家領投。該公司成立於2016年，總部位於廈門，核心團隊來自清華大學，主打精密機床、重型軋機等裝置的預測性運維與精度管控方案。融資將用於工業大模型演算法迭代、感測硬體研發擴產，並聯動產業鏈上下游，推動國產工業母機生態智慧化升級。
為什麼重要此輪融資顯示國家級產業資本對工業AI垂直落地的重視，對關注AI在高階製造領域商業化前景的投資者具有參考意義。
智東西：工業AI落地關鍵在敢於將任務交給AI，產線廢棄物減少13%
工業AI落地需克服幻覺風險，智東西報道稱已實現產線廢棄物減少13%、產能提升10%等成果。
追知工科獲數千萬元種子輪融資，開發垂域工業智慧體
追知工科完成數千萬元種子輪融資，專注材料加工制承環節的工業智慧體研發。
塔塔諮詢攜手輝達在班加羅爾開設工業AI實驗室
TCS與輝達合作在班加羅爾設立AI實驗室，加速移動與製造業自動化原型開發與規模化。
中國移動投資友機技術，押注工業AI基礎設施
中國移動投資友機技術，推動工業母機進入計算化階段
施耐德電氣31億美元收購工業AI公司Cognite
施耐德電氣以31億美元收購工業AI公司Cognite，將其整合進Aveva業務。
八部門發文深化AI與工業網際網路融合，加快工業智慧體推廣
工信部等八部門發文，推動AI與工業網際網路融合，加快工業智慧體推廣
SK海力士與輝達達成AI記憶體與自主晶圓廠合作
SK海力士與輝達宣佈一項多年技術合作，共同開發面向下一代AI基礎設施的先進記憶體技術。合作涵蓋針對輝達新興平台的記憶體聯合研發，以及在半導體制造中引入數字孿生與自主晶圓廠工具。此舉超越傳統供應關係，旨在構建AI驅動的設計與生產能力。
為什麼重要此次合作將AI晶片龍頭與核心記憶體供應商深度繫結，可能重塑AI基礎設施的供應鏈格局，並加速智慧製造的落地。
殼牌聯手C3 AI，用智慧體實現裝置預測性維護自動化
殼牌將採用C3 AI的智慧代理技術，從基礎異常檢測升級至全自動預測性維護。該能源巨頭已在上下游業務中部署C3 AI可靠性套件，監控超過3萬件關鍵裝置。新方案旨在進一步減少人工干預，提升裝置執行效率與安全性。
為什麼重要此舉展示了AI應用層在重資產工業中的深化落地，對關注企業級AI商業化程序的投資者具有風向標意義。
政策與准入8 個節點
- 2026-07 六部門開展 2026 年度智慧工廠梯度培育行動 工信廳聯通裝函〔2026〕343 號，繼續按四級梯度推薦專案，並按各省工業增加值排名限定推薦數量；申報要求中明確寫入人工智慧等新技術應用。 來源 ↗
- 2026-06 世界經濟論壇公佈新一批全球燈塔工廠 2026 年 6 月 22 日在大連宣佈新增 16 家、網路總數達 238 座，論壇在通稿中指出 AI 正從孤立試點轉為核心運營能力。非中國政策檔案，但是國內智慧工廠對標的主要參照。 來源 ↗
- 2026-05 《智慧體規範應用與創新發展實施意見》印發 國家網信辦、國家發展改革委、工信部聯合印發，首次在國家層面定義智慧體並提出可控、可審計、可追責要求；工業智慧體的部署需要對應做許可權與日誌設計。 來源 ↗
- 2025-12 八部門《「人工智慧＋製造」專項行動實施意見》 工信部聯科〔2025〕279 號，2026 年 1 月對外公佈。提出到 2027 年推動 3～5 個通用大模型在製造業深度應用、推出 1000 個高水平工業智慧體、打造 100 個工業領域高質量資料集、推廣 500 個典型應用場景，部署創新築基、賦智升級、產品突破等 7 方面 21 項舉措。 來源 ↗
- 2025-08 國務院《關於深入實施「人工智慧＋」行動的意見》 國發〔2025〕11 號，六大重點行動之一即「人工智慧＋產業發展」，提出到 2027 年新一代智慧終端、智慧體等應用普及率超 70%，是製造業專項行動的上位檔案。 來源 ↗
- 2025-06 六部門開展 2025 年度智慧工廠梯度培育行動 按基礎級、先進級、卓越級、領航級四檔培育智慧工廠，卓越級要求推動人工智慧等新技術深度應用，是國內工廠 AI 改造的主要牽引機制。 來源 ↗
- 2024-12 《製造業企業數字化轉型實施指南》印發 工信部、國資委、全國工商聯聯合印發，給不同規模製造企業的數字化改造路徑定口徑，是後續 AI 落地的資料與系統前置條件。 來源 ↗
- 2021-12 《「十四五」智慧製造發展規劃》印發 八部門聯合印發，提出到 2025 年規模以上製造業企業大部分實現數字化網路化、建成 500 家以上智慧製造示範工廠，是本輪智慧工廠建設的總綱。 來源 ↗
公司與資本
相關上市公司: 工業富聯(601138) · SH688777(SH688777) · SH600845(SH600845) · SZ002415(SZ002415) · HK2121(HK2121) · SH688400(SH688400) · SH600588(SH600588) · HK0268(HK0268) · SH688083(SH688083) · SZ300378(SZ300378) · SZ300124(SZ300124) · 輝達 NVIDIA(NVDA) · SIEGY(SIEGY) · PTC(PTC) · ADSK(ADSK) · CGNX(CGNX) · ROK(ROK) 只列公司與程式碼,不構成任何投資建議;有本站個股頁的可點進看行情與技術面。
常見問題
AI 在製造業真的規模落地了嗎，還是隻有演示？
分場景看。工業視覺質檢已經是可採購的成熟產品，思謀、創新奇智、阿丘、凌雲光、海康機器人與海外康耐視都在售；工藝引數最佳化、預測性維護屬於多家客戶已用但仍在擴的階段；工業智慧體直接閉環控制產線的案例仍少。世界經濟論壇 2026 年 6 月的通稿也把「AI 從孤立試點轉為核心運營能力」列為新一批燈塔工廠的特徵之一，說明規模化還在進行中。
工業大模型和通用大模型有什麼區別？
通用大模型解決語言與多模態的一般能力，工業大模型要接本廠的工藝資料、裝置時序資料和行業知識，輸出的是排產方案、工藝引數、故障判斷這類結果。華為雲盤古在製造側主要用的是預測模型而不是聊天模型，中控技術做的是時序大模型 TPT。工信部等八部門 2025 年 12 月的專項行動意見也把「通用大模型在製造業深度應用」和「行業大模型」分開寫。
AI 質檢和傳統機器視覺有什麼不一樣？
傳統機器視覺靠人工寫規則和閾值，對形狀固定、對比度高的缺陷有效；深度學習方案靠樣本訓練，能處理劃痕、髒汙、異色這類難以用規則描述的缺陷，也更能適應產品外觀變化。代價是需要標註資料，換產線或換料號往往要重新訓練。康耐視的 VisionPro Deep Learning、思謀 ViMo、阿丘 AIDI 都屬於後者。
工廠上 AI 一般按什麼順序來？
從公開的平台產品結構看，通常先解決裝置聯網與資料採集，再做視覺化與報表，然後才是模型類應用。樹根互聯、卡奧斯、寶信這類平台的產品線都是這個順序排的。工信部《製造業企業數字化轉型實施指南》與智慧工廠梯度培育行動的分級口徑也把數字化、網路化排在智慧化之前。本頁不提供採購建議。
人形機器人算不算「AI＋製造」？
本頁把兩件事分開。人形機器人與具身智慧是本體與運動控制的技術路線，站內有單獨的機器人專題；本頁只收 AI 在工廠與工業流程裡的落地，包括工業機器人上的視覺引導抓取、上下料這類 AI 應用，不展開機器人本體本身。工信部的「人工智慧＋製造」專項行動同時覆蓋這兩塊，但產業成熟度差距很大。
關於本頁
本頁是「AI 行業落地」欄目的製造與工業頁:場景表、產品目錄、政策節點由編輯逐條核官方頁建表,按季度複核(下次複核 2026-12-13); 新聞流由新聞管線在打分階段按「主體是不是 AI 在製造與工業行業的落地」自動打標、每日更新,歷史條目按同一口徑回填。 只做客觀轉述,不構成任何診療、投資、購車或採購建議。