“工业行业智能体（Agent）目前正处于‘点状应用’尝试与基础打底阶段，”鼎捷数智执行副总裁刘波指出。
工业数字化已是老生常谈的话题，作为实体经济的支撑，工业行业的发展史远远长于数字化历史。在数字化发展过程中，由于各企业发展程度、投入程度不同，工业企业的数字化进程也参差不齐。
当智能体时代来临，工业领域开始从数字化向数智化转型，但对于不同数字化程度的企业而言，智能体落地的道路亦不尽相同。
国产工业软件正在崛起
中国工业的数字化转型可以追溯到2000年前后，彼时，随着中国制造业创新能力的提升与发展，中国开始追求更高的产品附加值，并在此基础上，提升产品创新和研发的能力，而创新研发能力的增强又进一步反哺了企业数字化发展。
诸如达索、西门子、PTC等国际巨头，通过“软件免费+服务收费”的商业模式占据了市场主导位置，以主要的研发设计管理平台PLM（产品生命周期管理）软件为例，在当时，国外PLM软件（如Teamcenter、Windchill）占据高端市场90%以上份额。
不过随着云计算的兴起，国内工业软件行业步入了快速发展的时期。从市场规模上看，工业软件整体收入从2012年729亿元增至2023年2824亿元，PLM细分市场增速达18.9%，2025年预计突破400亿元；IDC发布的《中国PLM市场分析及厂商份额，2023：创新左移》报告中显示，2023 年中国 PLM 软件市场（不含咨询、实施服务收入）总规模达到28.8 亿元人民币。
这种增速自2020前后进入全行业的放缓，不过当AI大模型问世之后，近两年来软件行业找到新的增量，出现了明显回升。以工业领域为例，中研普华产业研究院《2025-2030年中国工业软件行业市场发展运行形势与竞争格局分析报告》中预计，2030年市场规模将突破6575亿元。
AI带来软件产业增量
工业软件与AI的融合引领产业未来发展方向。工业软件巨头纷纷收购AI企业，并通过AI的能力提升工业软件产品的智能化水平。
对此，刘波告诉笔者，AI大模型的问世给工业软件行业带来新增量的同时，也在技术上带来了一些改变，“例如在知识检索、理解生成等多个维度皆有所提升。在刘波眼中，核心的增值部分主要基于数据，“从目前发展上看，工业AI应用已经开始大范围涌现，从理论走进现实，步入了点状应用尝试阶段。”
与此同时，在AI时代，中国工业软件能否实现弯道超车，也成为了业内关注的焦点。在生成式AI浪潮来临之前，国产工业软件在全球市场中的占有率仍然偏低。中国工业软件市场规模仅占全球份额的6.7%，在各细分领域的市场占比虽有增加，但企业综合实力与国外仍存在明显差距。
无论是国家还是企业，皆已开始重视工业软件的发展，并取得了一定的成绩，2024年上半年，中国工业软件产品收入达1324亿元，同比增长9%，整体保持持续增长态势。
国家层面加紧部署AI+工业软件专项行动，支持企业试点开发AI+CAE、AI+EDC先导产品，中试验证平台为国产工业软件产品化研发和规模化应用奠定基础。
工信部在今年6月审议的《工业和信息化部信息化和工业化融合2025年工作要点》中也提出，以工业智能体为抓手深化人工智能工业应用，带动工业数据集、工业大模型的创新迭代。
根据Gartner 发布的“2024年AI技术成熟度曲线”，整体来看，AI技术正逐步从期望膨胀期向泡沫破裂低谷期过渡，但不同的AI技术成熟度差异较大。随着技术不断进步，AI在企业中的应用已从初期的实验阶段转向更实用、更具效益的应用。
已有多个场景落地
从应用上看，已经有一些场景用大模型技术提高效率、提升良品率等。目前大模型已经在包括PDM（Product Data Management，产品数据管理）、CAD（Computer Aided Design，计算机辅助设计）、PLM等工业软件场景中有所应用。
从整体规模上看，工业和信息化部数据显示，目前全国已建成3万余家基础级智能工厂、1200余家先进级智能工厂、230余家卓越级智能工厂，这些类型的智能工厂覆盖超过80%的制造业行业大类，卓越级智能工厂产品研发周期平均缩短28.4%，生产效率平均提升22.3%。截至今年3月底，工业企业数字化研发设计工具普及率为83.5%，关键工序数控化率为66.2%。
从具体场景上看，华为、阿里云推出工业大模型解决方案，将CAE仿真效率提升50%；微软Azure推出工业AI助手，可自动生成PLC代码；鼎捷数智推出了ChatCAD，能够根据订单需求，自动生成CAD图纸，帮助企业解决标准产品改型设计过程中的高频、重复、知识密集型的挑战。
目前工业领域应用智能体的场景大多具备一定的共性，主要可以分为四个类别。
第一类是数据治理类，刘波表示，许多工业企业的IT信息化建设投入虽早，但对数据仅限于收集，而并未通过治理及资产化使其发挥更大价值。传统的基于大数据的预测都依赖于应用服务商。”刘波进一步指出，，生成式AI时代的到来，让这些企业认识到数据的重要性，同时AI技术的发展也令企业在数据价值挖掘层面有了质的飞跃。比如，某服务商在汽车设计环节将研发周期压缩30%，其核心在于千亿参数中熔炼了数万份设计图纸、材料力学数据及流体动力学公式，将这些数据通过大模型的能力，进行治理并利用，实现了增效。 第二类是通过知识处理，提升员工工作水平。东软集团股份有限公司原法定代表人、董事长刘积仁曾向笔者表示，生成式AI最大的作用不是替代员工，而是让所有员工都具备优秀员工的能力。工业领域来看，通过建立知识库，并以问答的形式体现在工作流中，以设备维护场景为例，原先有一些设备细小的问题或“疑难杂症”，需要具备多年经验的老员工才能处理，但通过生成式AI的赋能后，即便是经验欠佳的新手，也能通过问答助手获得维护的技巧，从而补足了员工之间的个体差异，拉高了员工平均工作水平。 第三类是优化流程，从流程驱动转向数智驱动。这不仅局限于工业领域，原先在企业内部有很多复杂的业务流程，规模越大的企业，流程也就越复杂。流程的每个环节都需要人工进行相应的审核、操作。但通过数据及智能技术，企业可以简化这些流程，并且在一些环节，通过多模态的模型，AI可以完成审核工作。比如在财务环节，国内一些做财务SaaS软件的公司就推出了，通过AI识别技术自动识别报销小票并自动审核的工具，该AI识别还支持多语种，甚至覆盖了阿拉伯语这样的小语种。 第四类是为工业企业提供辅助决策的能力。比如在一些库存管理、原材料进货/出货情况分析等领域，AI大模型/智能体可以根据以往的数据进行分析，从而帮助企业管理者制定更为科学的管理制度和流程，帮助企业实现利益最大化。
虽然生成式AI技术已经在工业领域有了许多较为成熟的应用落地，但距离真正的智能体时代还有一段距离。工业大模型与智能体应用正从“功能替代”迈向“认知进化”，推动制造业进入“AI定义一切”的新纪元。
智能体真正的价值也尚未完全展现出来。从应用上看，智能体真正的价值在于实现“动态感知-决策-执行”的闭环能力。刘波将目前工业行业应用智能体仍局限于上述四大领域归因为两个方面：一方面，生成式AI主要还是在知识密集型领域能发挥重要作用，主要体现在检索、交互、泛化想象的能力上；另一方面，上述四个领域具有一个共性——企业数据资产最密集的地方。而想要开发出更多的应用场景，相应的高质量数据集也是必不可少的需求。
工业智能体正经历从单点替代到系统重构的过程，未来工业企业将围绕如何将这些点状应用的能力连接起来，打通各个环节，形成范围化、规模化应用等方向进行研发突破。“目前的智能体还仅仅是解决交互与连接的问题，尚未达到人们对智能体真正的预期，”刘波指出，“不过，随着通用型人工智能技术的发展，能力达到一定水平后，就能具备更丰富的能力，且对行业垂类智能体也会有推进作用。”（本文首发于，作者｜张申宇，编辑丨盖虹达）
