在全球供應鏈動態(tài)調(diào)整、地緣政治壓力與技術浪潮（尤其是生成式AI）的三重沖擊下，制造業(yè)正經(jīng)歷一場前所未有的深度轉(zhuǎn)型。傳統(tǒng)的“生產(chǎn)型制造”模式難以為繼，向“服務型制造”與“智能產(chǎn)品生命周期”演進成為必然。

工業(yè)人工智能已經(jīng)走過了單純的概念普及期，正式邁入了應用落地的深水區(qū)。正如IDC調(diào)研數(shù)據(jù)所揭示的那樣，中國工業(yè)企業(yè)應用大模型及智能體的比例正在經(jīng)歷一場驚心動魄的躍升，從2024年的9.6%激增至2025年的47.5%。

這不僅僅是一場技術的升級，更是一場認知的革命。在傳統(tǒng)的工業(yè)軟件架構中，我們習慣了ERP、MES等軟件各自為政，像一個個孤島。然而，隨著生成式AI的爆發(fā)，這些沉睡的數(shù)據(jù)被喚醒了。

轉(zhuǎn)型深水區(qū)遇見AI重塑行業(yè)

當前，全球制造業(yè)的數(shù)字化轉(zhuǎn)型已從早期的“上云、上系統(tǒng)”基礎建設階段，邁入以“數(shù)據(jù)驅(qū)動”和“智能決策”為核心的深水區(qū)。其驅(qū)動力復雜多元：全球供應鏈的動態(tài)變化、日益嚴苛的跨國法規(guī)合規(guī)要求、地緣政治帶來的不確定性，共同構成了宏觀環(huán)境的“壓力測試場”。與此同時，產(chǎn)品本身也日趨復雜，軟硬件高度集成，其研發(fā)、制造、服務的全生命周期考量因素呈指數(shù)級增長。

在全球范圍內(nèi)，工業(yè)AI的投入呈現(xiàn)爆發(fā)式增長。根據(jù)IDC的預測，到2028年，全球工業(yè)企業(yè)AI支出規(guī)模將接近2.2萬億元人民幣，年復合增長率達到63%。IDC進一步預測，到2030年，70%的中國頭部制造企業(yè)將借助AI智能體構建數(shù)據(jù)模型并管理混合云工作負載，從而將質(zhì)量成本降低2%。

而在中國，工業(yè)企業(yè)擁抱AI的速度遠超預期。IDC數(shù)據(jù)顯示，我國工業(yè)企業(yè)應用大模型及智能體的比例，從2024年的9.6%快速提升至2025年的47.5%，其中在研發(fā)、制造、供應鏈等多個環(huán)節(jié)同時應用的企業(yè)比例也從1.7%躍升至35%。兩會期間工信部透露的數(shù)據(jù)同樣顯示，2025年我國人工智能核心產(chǎn)業(yè)規(guī)模已超1.2萬億元，企業(yè)超過6200家，規(guī)上制造業(yè)企業(yè)AI技術應用普及率超30%。

面對這樣一個千億級甚至萬億級的賽道，工業(yè)軟件廠商的布局邏輯正在發(fā)生深刻變化。對此，PTC執(zhí)行副總裁兼首席營銷與可持續(xù)發(fā)展官Catherine Kniker認為，當前的制造業(yè)正面臨供應鏈動態(tài)變化、法規(guī)合規(guī)要求趨嚴、地緣政治復雜多變與AI技術快速崛起的多重挑戰(zhàn)，同時產(chǎn)品軟硬件一體化帶來的系統(tǒng)復雜度大幅提升。

面對此，PTC正在從傳統(tǒng)PLM向著智能產(chǎn)品生命周期（IPL）轉(zhuǎn)型。Catherine Kniker表示，PTC IPL戰(zhàn)略的核心，正是通過數(shù)字主線拉通設計、制造、交付全流程數(shù)據(jù)，讓AI賦能工業(yè)生產(chǎn)的每一個業(yè)務環(huán)節(jié)。

值得注意的是，AI的應用價值呈現(xiàn)出雙重性。一方面，它是對現(xiàn)有流程的“賦能”。正如PTC全球資深副總裁兼大中華區(qū)總裁劉強所言，AI無法創(chuàng)建工業(yè)軟件中原生的、關鍵的業(yè)務數(shù)據(jù)（元數(shù)據(jù)），也無法替代沉淀在工業(yè)軟件中的數(shù)十年行業(yè)知識（Know-How）。AI的作用是“讓軟件更好用，效率更高”，例如通過自然語言交互降低復雜系統(tǒng)的操作門檻，或自動化部分重復性工作流。

另一方面，AI正在“重塑”業(yè)務模式。這在以資產(chǎn)為核心的服務管理領域表現(xiàn)得尤為突出。傳統(tǒng)的現(xiàn)場服務系統(tǒng)多以工單和客戶滿意度為中心，而PTC ServiceMax則強調(diào)“以資產(chǎn)為核心”，關注設備全生命周期的運行狀態(tài)、維護歷史與性能數(shù)據(jù)。

PTC ServiceMax總經(jīng)理兼AI首席戰(zhàn)略官Joseph June表示，這種模式從根本上改變了企業(yè)對服務的理解，目標從執(zhí)行單次任務，轉(zhuǎn)向最大化資產(chǎn)的全生命周期價值，實現(xiàn)“通過服務獲取營收”的轉(zhuǎn)型。生成式AI的引入，使得系統(tǒng)能夠結合資產(chǎn)歷史數(shù)據(jù)與實時上下文，通過自然語言交互提供前瞻性維護建議、甚至自主規(guī)劃操作，推動服務模式從“被動響應”轉(zhuǎn)向“前瞻性自主運營”。

深水區(qū)的“礁石”，工業(yè)+AI仍有挑戰(zhàn)

如果說2025年是中國企業(yè)AI化轉(zhuǎn)型的加速之年，那么2026年則是工業(yè)AI從“淺灘區(qū)”真正邁向“深水區(qū)”的關鍵之年。然而，表面的熱潮之下，落地過程中的挑戰(zhàn)也浮出水面。有行業(yè)人士直言：“制造業(yè)領域高質(zhì)量工業(yè)數(shù)據(jù)少、共享難，一些企業(yè)想做智能化改造，卻發(fā)現(xiàn)數(shù)據(jù)像一個個孤島，連不起來，也用不起來。”

在近期舉辦的西門子RXD大會上，西門子董事會主席、總裁兼首席執(zhí)行官博樂仁道出了工業(yè)AI與消費級AI的根本區(qū)別：“在工業(yè)場景中，我們需要100%可靠的AI?！?/p>

這意味著，工業(yè)AI面臨的挑戰(zhàn)遠不止技術本身，而是涉及數(shù)據(jù)、安全、可靠性、組織變革等多個維度。具體來看，當前工業(yè)領域應用AI主要面臨三個挑戰(zhàn)。

挑戰(zhàn)一：數(shù)據(jù)“沉睡”與語義孤島。中國工業(yè)企業(yè)經(jīng)過三四十年信息化建設，MES、ERP、SCADA等系統(tǒng)一應俱全，沉淀了海量數(shù)據(jù)，但這些系統(tǒng)彼此孤立，數(shù)據(jù)格式、語義標準不統(tǒng)一，數(shù)據(jù)與業(yè)務知識無法有效聯(lián)動。正如創(chuàng)新奇智CTO李凡所分析的，數(shù)據(jù)不僅分散在各系統(tǒng)中，更重要的是缺乏統(tǒng)一的語義坐標系，導致AI無法真正“理解”數(shù)據(jù)背后的業(yè)務含義。有行業(yè)專家直言，如果AI在生產(chǎn)線上“胡說八道”，代價就是整批次的產(chǎn)品報廢。

挑戰(zhàn)二：AI幻覺與工業(yè)可靠性的矛盾。工業(yè)生產(chǎn)的特殊性決定了面向生產(chǎn)過程的工業(yè)AI必須堅守可靠、可信、可解釋的三大底線。但當前主流的大語言模型存在難以規(guī)避的技術短板：線性序列的文本處理方式缺乏對因果關系的深度認知，模型輸出的概率性和潛在幻覺不能充分契合工業(yè)領域?qū)Π踩院痛_定性的核心訴求。李凡指出，工業(yè)智能體要在生產(chǎn)制造核心場景落地，必須突破傳統(tǒng)AI“知其然不知其所以然”的局限，否則會“縱馬狂奔、一本正經(jīng)胡說八道”。

另一方面，RAG技術僅能完成已有答案的檢索調(diào)用，無法理解并執(zhí)行復雜工業(yè)約束條件；靜態(tài)模型則存在知識滯后問題，難以實時映射產(chǎn)線與設備運行狀態(tài)，導致AI應用難以真正融入工業(yè)核心業(yè)務流程。大模型在工業(yè)領域的落地困境在于，其本質(zhì)是基于海量文本訓練的自回歸模型，擅長生成連貫、合乎語境的文本，而工業(yè)核心場景則高度依賴時序數(shù)據(jù)和物理邏輯。

挑戰(zhàn)三：場景深水區(qū)的“最后一百米”。盡管AI在工業(yè)領域的應用場景廣泛，滲透到研發(fā)設計、生產(chǎn)制造、經(jīng)營管理和產(chǎn)品服務等價值鏈的多個環(huán)節(jié)，但大多數(shù)落地嘗試還停留在智能問數(shù)、內(nèi)部知識問答、客服助手等通用類場景。而在生產(chǎn)制造、預測控制等具有更高價值的工業(yè)核心場景，大模型的推進和落地相對較少，相關技術、產(chǎn)品和解決方案仍有待進一步破局。這些核心場景對模型的安全性、精準性、時效性、泛化能力以及容錯率都有著極高要求，給大模型落地帶來了挑戰(zhàn)。

除此之外，工業(yè)+AI更深層的問題與其他行業(yè)如出一轍：很多企業(yè)上AI并非出于真實業(yè)務需求，而是“別人都在上，我不上落后了，被淘汰了怎么辦？”。

知名財經(jīng)作者吳曉波曾在文章中分享了一位制造業(yè)老板的經(jīng)歷頗具代表性：“去參加AI峰會，臺上一個同行分享，說用了AI質(zhì)檢，人力成本降了30%，良率提升了5個點。我當時熱血沸騰，回來就讓團隊調(diào)研，結果匯報說：老板，咱們產(chǎn)線上的問題根本不是AI能解決的。”AI淪為技術裝飾而非業(yè)務解藥，正在成為行業(yè)通病。

工業(yè)軟件廠商的AI轉(zhuǎn)型路徑

面對這些深水區(qū)的挑戰(zhàn)，國內(nèi)外工業(yè)軟件廠商正在從不同維度尋找破局之道。從PTC的IPL戰(zhàn)略到創(chuàng)新奇智的本體智能體平臺，從西門子的工業(yè)AI“操作系統(tǒng)”到SAP的Joule智能體，廠商們的布局呈現(xiàn)出清晰的脈絡。

先來看看PTC的解題思路。面對挑戰(zhàn)，PTC推出了IPL戰(zhàn)略，從“數(shù)據(jù)主線”的角度切入。Catherine Kniker指出，PTC的核心價值就是管好前端產(chǎn)品數(shù)據(jù)，這也是我們打造IPL戰(zhàn)略的核心前提——只有做好數(shù)據(jù)的訪問和管理能力，才能讓AI技術真正在工業(yè)場景中發(fā)揮價值。

而在PTC的閉環(huán)PLM戰(zhàn)略中，ServiceMax扮演著打通數(shù)字世界與物理世界之間數(shù)據(jù)閉環(huán)的關鍵角色。其核心理念“以資產(chǎn)為中心”與傳統(tǒng)CRM系統(tǒng)以工單或客戶為中心的現(xiàn)場服務管理形成了根本性差異：傳統(tǒng)的現(xiàn)場服務系統(tǒng)聚焦于工單的具體執(zhí)行過程，而以資產(chǎn)為核心的模式則會重點關注設備本身，包括設備的基本信息、運維歷史、運行狀態(tài)以及全生命周期相關的數(shù)據(jù)。

同為國際巨頭的SAP則是從自身擅長的“流程”領域切入，讓AI深度融入業(yè)務流程，從“記錄系統(tǒng)”走向“行動系統(tǒng)”。SAP全球CEO柯睿安在2026年初的文章中指出，AI并未取代軟件，反而凸顯了那些在規(guī)模化協(xié)同中發(fā)揮核心作用的系統(tǒng)不可或缺的價值。柯睿安強調(diào)，真正的挑戰(zhàn)在于將智能體部署于端到端的供應鏈或財務關賬流程中，同時確保全面合規(guī)和審計可追溯。編排調(diào)度能力、策略執(zhí)行與流程確定性，是贏得信任的關鍵門檻。

2026年，SAP的AI智能副駕Joule正在演變?yōu)橐粋€能夠真正管理工作、具備多智能體協(xié)同能力的系統(tǒng)。在供應鏈領域，AI智能體將從概念驗證走向嵌入核心業(yè)務流程，識別風險和機遇，提出解決方案，甚至自動觸發(fā)糾正行動。SAP大中華地區(qū)總裁原欣表示，SAP的智能體本質(zhì)上是一個個專家系統(tǒng)，沉淀了SAP多年在各個業(yè)務領域的知識。

而創(chuàng)新奇智則是從平臺上著手，通過AInnoGC工業(yè)本體智能體平臺，將“本體”與“智能體”深度融合。構建從算力、數(shù)據(jù)、本體到應用的完整技術閉環(huán)，實現(xiàn)了工業(yè)場景下從“感知”到“認知”再到“執(zhí)行”的全能力覆蓋。面對“為何這樣做？”的問題，創(chuàng)新奇智CEO徐輝表示，智能體發(fā)展到當前階段，客戶規(guī)模化落地的需求已明確出現(xiàn)，而行業(yè)恰恰卡在“可靠性、規(guī)范性”的關鍵節(jié)點上。針對高可靠場景下的智能體“縱馬狂奔”問題，創(chuàng)新奇智提出了“本體”概念——給智能體“拴上韁繩”。

徐輝分享到，創(chuàng)新奇智強調(diào)工業(yè)智能體必須有深厚的行業(yè)Know-How支撐。其核心壁壘在于“上下20%的關鍵能力”：上層是深耕8大工業(yè)細分門類沉淀的獨家行業(yè)場景與高質(zhì)量數(shù)據(jù)，下層是依托本體架構+行業(yè)智能體的強工程化落地能力。目前，該平臺深度集成MES、EAM、APS、EMS等工業(yè)系統(tǒng)，可對設備智能運維、生產(chǎn)制造與供應鏈、質(zhì)量管控與追溯、全局能源與物控等核心領域?qū)崿F(xiàn)全場景賦能。據(jù)稱，基于動態(tài)工業(yè)圖譜推演可實現(xiàn)95%以上的準確率，顯著降低AI幻覺風險。

工業(yè)領域的AI革命是一場馬拉松，而非短跑。其成功不取決于單項技術的突破，而在于能否將先進AI技術與深厚的工業(yè)知識、堅固的數(shù)據(jù)基礎、靈活的業(yè)務架構以及開放的產(chǎn)業(yè)生態(tài)進行系統(tǒng)性融合。PTC等傳統(tǒng)工業(yè)軟件巨頭憑借其數(shù)十年的行業(yè)積累與完整的產(chǎn)品矩陣，正通過注入AI能力進行“進化”；而像創(chuàng)新奇智這樣的AI原生企業(yè)，則試圖以新的“本體+智能體”架構進行“重塑”。兩條路徑各有側(cè)重，但最終目標一致：幫助制造業(yè)企業(yè)喚醒沉睡的數(shù)據(jù)，跨越數(shù)字化轉(zhuǎn)型的深水區(qū)，在智能時代構建以產(chǎn)品全生命周期價值為核心的、可持續(xù)的新競爭力。這場競合，將最終決定未來工業(yè)的智能圖景。

（文｜Leo張ToB雜談，作者｜張申宇，編輯丨楊林）