2026年5月8日，中央网信办、工信部、国家发改委联合印发《智能体规范应用与创新发展实施意见》，这是我国首部以“智能体”为核心的政策文件。文件将智能体定义为“具备自主感知、记忆、决策、交互与执行能力的智能系统”，并提出到2030年智能体在重点行业应用普及率达到70%。

能否称为工业智能体，核心不在于“是否使用AI”，而在于是否形成完整闭环——从感知环境到理解状态，再到自主决策与执行。这一能力，是工业从“自动化”走向“自主化”的关键节点。因此，工业智能体是专门为工业生产制造场景设计、部署、运行的，以工业大模型为核心认知与推理引擎，深度融合工业知识图谱、机理模型、领域数据与业务流程，具备环境感知、逻辑推理、任务规划、工具调用、任务执行及多主体协同能力的软件系统或软硬一体实体。

工业和信息化部数据显示，截至2026年1月，人工智能已渗透我国领航级工厂70%以上业务场景，沉淀了超6000个垂直领域模型，带动1700多项关键智能制造装备与工业软件规模化应用，形成一批具备感知、决策和执行能力的工业智能体，推动智能制造从“自动化”向“自主化”演进。

随着AI技术的发展，工业智能体将逐步渗透到研发设计、生产制造、营销服务、运营管理等环节，为工业全流程带来颠覆性变革。同时，工业智能体相关企业已经开始探索商业化，但真正实现规模化部署的企业有限，大多数仍在试点或局部应用阶段，成本、系统集成与人才等问题仍是主要瓶颈。

理解工业智能体的市场基础，要置放于我国庞大的制造业体系中。有多家机构预测，到2030年，中国智能制造装备市场规模，有望突破4.5万亿元，年复合增长率在12%～16%之间。今天的工业智能体处在一个典型临界点：技术可行、需求显现、资本进入，但大规模商业化仍在探索和验证中。在这一过程中，最容易被高估的往往是技术进展，最容易被低估的则是工程落地的复杂性。

从技术构成来看，一个典型的工业智能体通常包含几个关键部分。感知层借助视觉、振动、温度、电流等多种物理传感器，以及来自制造执行系统、企业资源计划系统的业务数据，构建对自身状态与环境变化的实时认知；决策层则依托大语言模型、时序预测模型、强化学习模型等人工智能算法，对感知信息进行深度分析，形成从“当前是什么”到“应该做什么”的推理链条；执行层通过工业通信协议与可编程逻辑控制器、机器人、自动导引车等现场设备对接，将决策转化为具体的动作指令。

值得一提的是，现代工业智能体越来越强调“闭环学习”能力，即从每一次执行的结果中吸取经验，持续优化自身的决策策略，从而实现真正的自我进化。

结语

工业智能体的出现是必然的，它正在将制造业从“自动化”推向“自主化”，从“经验驱动”推向“知识驱动”。当然，通往完全自主的工业智能之路仍充满未知与挑战，需要算法研究者、工艺工程师、设备制造商与企业管理者的持续协作。

智能制造的下一个十年，属于拥有自主认知能力的工业智能体。

（文/月辉）

e-Mail：lab@enet16.com

【DBC拟定框架简介】