行業最新報告顯示，今年全球工業智能化市場規模預計突破3.5萬億元，我國占據的市場份額超過40％。工業和信息化部兩化融合工作領導小組會議明確，以工業智能體為抓手深化人工智能工業應用，帶動工業數據集、工業大模型的創新迭代。當前，加快推進面向典型場景的工業智能體研發與應用，支持一批企業開展試點建設，全面提升工業全流程智能化水平，已成為重要議題。

工業智能體是集智能化、自主化和協同化于一體的新型工業系統平臺，融合了人工智能、大數據和云計算等新一代信息技術，具備高度智能決策能力以及協同與網絡化能力，顯著推動制造業各環節轉型升級。憑借強大的數據分析能力，工業智能體改變了傳統依賴個體經驗的研發模式，拓展了方案創新路徑，大幅壓縮了研發周期。通過集成更高級智能技術，工業智能體實現系統自我管理與決策，優化生產排程、設備維護與跨系統協同。此外，自主智能的分析和決策性能賦予智能體優化銷售服務方案的優勢，售前自主分析市場潛在需求并設計個性化方案，售中借助虛擬場景建模等技術提供“體驗＋沉浸＋互動”三位一體服務，售后高效回應顧客疑問并將實時數據轉化為對未來市場的洞察。依托大模型支撐，智能體不僅優化了生產制造各個環節間的協同合作，提升供應鏈的整體績效，還深度解析企業多板塊盈利狀況，為前瞻性戰略制定提供支持。

一段時間以來，國內多地以“AI＋制造”為牽引，制定各項政策舉措、發布典型應用場景、開展專項行動，加速工業智能體從實驗室走向產業一線步伐。企業也積極布局，加快攻關前沿技術，驅動工業實現智能化進階。實踐表明，工業智能體正釋放巨大潛力。例如，長三角電子信息產業集群依托工業智能體搭建的協同平臺，實現跨企業工藝設計效率和供應鏈響應速度的極大提升；浪潮云推出“海若智能體”，將計算資源、各類模型以及行業智能體整合為“智數云安”一體化解決方案。

伴隨智能體的廣泛應用，銀泰證券預測，到2028年我國工業企業AI支出有望達900億元。工業智能體的全面落地應用是一項系統工程，接下來，需要系統布局與推進，實現數據、技術和人才等多維度深層次聯動。

突破數據瓶頸，促進數據融通。整合不同數據源是工業智能體有效應用的關鍵。當前，工業智能體在實際應用中仍面臨數據缺失、數據孤島和數據復雜等問題，這就需要打通產業上下游數據流，通過部署高效的企業管理系統、精準的生產管理系統和集成的ERP系統，為高級智能應用構筑堅實的數據底座、提供穩定的信息支撐，使其達到安全可靠的程度。

強化技術基礎，拓展技術應用。工業場景的復雜度高，多模態信息融合對智能體的適應性、敏捷性和靈活性提出更高要求。為此，要支持企業構建兼容異構、自主可控的工業AI平臺，在破解算力適配、模型壓縮和調度推理等技術性難題的同時，引導技術進步與垂直行業需求深度耦合，最大限度釋放工業智能體的技術價值。

重視人才培養，加強人才儲備。作為大模型與工業機理、機器學習等技術融合應用的最新產物，工業智能體的全面落地離不開一大批既懂工業機理又懂AI技術的復合型人才。為此，要加強人才隊伍建設，推進人工智能全學段教育和全社會通識教育，完善學科專業布局，加大高層次人才培養力度，著力提升全員人工智能素養與技能。