伴随“AI+制造”产业链的持续进阶，从制造业龙头到产业链企业，都在以全场景智能体矩阵为核心，加速智能制造落地。

  2026年1月，美的旗下美云智数对外发布了美擎AIGC3.1平台及智能体工厂解决方案，构建起覆盖研发、制造、供应链、营销、管理全价值链的智能体矩阵，累计落地158个核心场景。美的方面称，在制造端，通过TPM、模具等智能体实现设备故障预测与工艺优化，可助力OEE（设备综合效率）提升30%、点检效率翻倍；在供应链端，智能体实现端到端交货周期缩短39%，库存周转天数减少30%。

  海尔智家也宣布，通过超级智能体“智小能”实现全员AI化，技术创造与应用双轨并行，研发效率提升90%，采购成本降低10%，办公效率提升80%，推动人与AI协同进化的全新工作模式。

  专注于激光雕刻机赛道的深圳科技企业xTool也于1月份正式发布全球首个AI创作智能体——AImake。作为行业首个具备“制造语境感知”的智能体，AImake实现了从自然语言创意到可加工设计图纸的瞬间转化，极大压缩了非专业用户进入激光制造领域的技术门槛。

  3月份，华为聚焦破解AI智能体落地困境，推出了AI数据平台，为企业数智化转型筑牢数据基座。

  此外，上市公司威士顿近日也在互动平台上透露，威士顿工业AI智能体软件，能够满足工业企业应用场景需要，它改变了软件产品的人机交互模式，进一步推动了产品的技术升级，并丰富了公司的产品线。

  汉得信息表示，公司拥有自建的“得灵”B端AI应用体系，其中“灵手”业务智能体系列，包括制造、营销、财务、供应链、人事、综合运营企业等各个业务场景的AI智能体，正陆续在头部客户实际场景中落地。

  规模化落地障碍待破

  业界认为，在政策助力下，工业智能体正加速落地，推动智能制造转型升级，但在规模化落地过程中，仍面临技术适配、数据基础、成本收益、生态协同等多个难题，这些问题相互交织，成为制约其从试点走向普及的关键障碍。

  业内专家指出，工业智能体的研发与部署需要算力、算法、人才等多重投入，存在技术壁垒高、资金投入大、数据安全风险高等痛点，包括工业大模型的训练算力成本、定制化开发费用、专业运维人员成本等，对中小企业而言负担较重。

  “中短期内，‘AI+制造’产业升级面临的最核心、最迫切的挑战，仍然主要来自‘市场侧’而非‘技术侧’。”杜雁泽表示，一方面，中国制造企业对AI的认知和热情持续高涨，政策支持、开源技术生态和人才供给也在不断改善；另一方面，企业普遍面临利润空间承压、预算趋紧的现实约束，这使得其对AI应用的付费意愿和投资节奏更加谨慎。