| S/N | 企业 | 应用/平台 |
|---|---|---|
| 1 | 华为 | 盘古工业大模型/智能体 |
| 2 | 国家电网 | 光明电力大模型 |
| 3 | 宝信软件 | 宝联登工业大模型，宝武工业智能体平台，工业软件 |
| 4 | 汇川技术 | iFG工业智脑平台，工业机器人 |
| 5 | 中国移动 | 九天工业大模型 |
| 6 | 工业富联 | 灯塔工厂整体方案 |
| 7 | 中国石油 | 昆仑工业大模型 |
| 8 | 南方电网 | 大瓦特多智能体协同平台 |
| 9 | 中国石化 | 长城工业大模型，烽火工业智能体 |
| 10 | 浪潮云州 | 知业工业智能体 |
| 11 | 海康威视 | 观澜工业大模 |
| 12 | 中控技术 | 时间序列大模型，工业软件 |
| 13 | 华大九天 | 工业软件EDA |
| 14 | 百度智能云 | 伐谋工业智能体 |
| 15 | 国电南瑞 | 电网自动化及工业控制 |
| 16 | 中国联通 | 元景工业大模型 |
| 17 | 埃斯顿 | 工业机器人 |
| 18 | 卡奥斯COSMOPlat | 天智工业大模型 |
| 19 | 汉得信息 | 汉得灵猿（大圣）智能体 |
| 20 | 埃夫特 | 工业机器人 |
| 21 | 树根科技 | 根灵工业大模型 |
| 22 | 航天云网 | 高端能源装备智能体 |
| 23 | 赛意信息 | 善谋GPT |
| 24 | 微亿智造 | 工业具身智能机器人 |
| 25 | 维拓科技 | MBSE数字工程PDP |
| 26 | 朗坤智慧 | 苏畅瑶光工业大模型，工业互联网 |
| 27 | 徐工汉云 | 智能调度智能体、排产智能体 |
| 28 | 网易 | 伏羲工业大模型 |
| 29 | 依柯力Inkelink | e-Vision工业大模型 |
| 30 | 海柔创新 | 仓储机器人 |
| 31 | 大族激光 | 工业机器人 |
| 32 | 恒远科技 | 基于H4 OntoX工业大模型引擎的智能体 |
| 33 | 捷通华声 | 绿精灵工业智能体 |
| 34 | 智元机器人 | 工业人形机器人 |
| 35 | 越疆 | “一脑多体”具身智能平台 |
| 36 | 埃斯顿 | 工业人形机器人 |
| 37 | 和利时 | 工业管控软件/PLC梯形图智能生成Agent |
| 38 | 思谋科技 | IndustryGPT工业大模型 |
| 39 | 卓世科技 | 天璇MaaS平台 |
| 40 | 视比特机器人 | 翔云AI开发运维平台 |
| 41 | 极智嘉 | 仓储机器人 |
| 42 | 研华科技 | WISE-AI AgentBuilder智能体平台 |
| 43 | 德信科技 | 智能运营平台 |
| 44 | 浩辰软件 | 工业软件CAD |
| 45 | 节卡机器人 | 协作机器人 |
| 46 | 创新奇智 | 奇智孔明AlnnoGC工业大模型 |
| 47 | 格创东智 | 章鱼智脑工业智能体 |
| 48 | 珞石机器人 | 工业、协作机器人 |
| 49 | 远舢智能 | INOS Claw 智立方 |
| 50 | 达智汇 | 伏羲工业AI开发平台 |
| 2026.06 DBC/CIW/eNet16 | ||
2026年1月，工业和信息化部等八部门联合印发《“人工智能+制造”专项行动实施意见》，明确提出，到2027年，要推动3—5个通用大模型在制造业深度应用，形成1000个高水平工业智能体、100个工业领域高质量数据集，并推广500个典型应用场景。
2026上半年，港交所相继涌现多家市值千亿的AI公司，一个信号已经清楚：AI商业化正在从“预期”走向“兑现”，工业AI也在被推向必须加速兑现的阶段。
随着工业AI头部企业开始集中冲刺资本市场，也把一个更现实的问题推到台前：在一线产业场景中，AI到底能创造多少可审计、可规模化的价值？而当大模型、芯片企业已经享有千亿市值时，工业AI这一轮IPO热潮，究竟能兑现到什么程度？
对企业而言，将AI引入生产流程，用机器替代人工、用算法提升良品率，正在从加分项变成刚需，超半数制造商开始规模化部署工业AI。在工业价值链中，生产制造是AI最容易兑现价值的环节——效率提升与成本下降，往往可以直接转化为企业利润。
然而，“部署”这个词掩盖了关键差异。多数制造商的部署，更多集中在局部检测、预测维护等标准化场景；真正进入工艺控制、排产优化等核心环节的，仍是少数。由于工业产线对确定性有近乎偏执的要求，大模型的“概率输出”天然与之冲突，加上产线数据高度碎片化、企业对网络与数据安全的现实担忧，AI落地的深水区推进比预期更难。同时，当前工业AI的大部分部署仍停留在“检测-告警”层面——AI发现缺陷，人再处理，很难真正进入产线核心环节。要真正改写良品率和效率曲线，AI必须从“眼睛”变成“手”，能直接调用设备、调整参数、执行动作。
相关调查数据显示，全球约70%的制造企业，已经在某种程度上引入AI，用于生产、质检或供应链等环节。在部分领先市场，这一比例还在持续提升，例如英国已有超过一半制造企业在工厂层面使用AI。同时，超过七成企业计划在未来进一步加大投入。
但是在制造业内部，真正能够实现规模化并转化为利润的企业却很少。麦肯锡《2025全球AI现状调研》显示，仍有47%的制造企业停留在试验阶段，31%处于单点试点，真正实现规模化落地的，仅约15%。而在代表下一阶段方向的“生产制造智能体”上，实际采用率几乎可以忽略不计。
真正决定工业AI能不能从“少数案例”走向“规模复制”的，已经不只是算法能力，而是谁拥有更适合AI生长的产业土壤。
结语
当下，工业AI的发展仍处在阵痛期，旧的工程交付逻辑越来越重，新的标准化产业逻辑又还没有完全闭环，但这这恰恰说明，它正处在从点状试验走向真正产业化之前，最关键的一段路上。
（文/欣遇）
e-Mail：lab@enet16.com
