| RK | 企業(yè) | 備注 |
|---|---|---|
| 1 | 華為 | 盤古 |
| 2 | 國家電網(wǎng) | 光明 |
| 3 | 寶信軟件 | 寶聯(lián)登 |
| 4 | 中國石油 | 昆侖 |
| 5 | 國家能源集團 | 擎源 |
| 6 | 中國移動 | 九天 |
| 7 | 賽輪集團 | 橡鏈云聊 |
| 8 | 中國石化 | 長城 |
| 9 | 隆基綠能 | Hi-MO AI |
| 10 | 朗坤智慧 | 蘇暢瑤光 |
| 11 | ?？低?/td> | 觀瀾 |
| 12 | 國電南瑞 | 瑞智 |
| 13 | 網(wǎng)易 | 伏羲 |
| 14 | 中國聯(lián)通 | 元景 |
| 15 | 依柯力Inkelink | e-Vision? |
| 16 | 中國海油 | 海能 |
| 17 | 天光合能 | Transformer-XL時空 |
| 18 | 中控技術(shù) | AI時序大模型TPT |
| 19 | 創(chuàng)新奇智 | 奇智孔明AlnnoGC |
| 20 | 航天云網(wǎng) | INDICS-MAID |
| 21 | 樹根科技 | 根靈 |
| 22 | 視比特機器人 | 坤吾平臺產(chǎn)線自動生成大模型LineGen |
| 23 | 中國船舶 | 百舸 |
| 24 | 安恒信息 | 恒腦 |
| 25 | 南方電網(wǎng) | 大瓦特 |
| 26 | 三峽集團 | 大禹 |
| 27 | 浪潮軟件 | 海岳 |
| 28 | 中國煤科 | 太陽石 |
| 29 | 容知日新 | PHMGPT |
| 30 | 江行智能 | 源問 |
| 31 | 中國中化 | 天樞 |
| 32 | 吉利 | 星睿 |
| 33 | 雪浪云 | 雪浪 |
| 34 | 恒遠科技 | 高端裝備制造大模型 |
| 35 | 中核八所 | 龍吟 |
| 36 | 新華三 | 百業(yè)靈犀 |
| 37 | 日聯(lián)科技 | 工業(yè)射線影像AI |
| 38 | 海信 | 星海 |
| 39 | 中煤集團 | 地知 |
| 40 | 熵基科技 | BioCV系列 |
| 41 | 賽意信息 | 善謀GPT |
| 42 | TCL | 星智，小魯班 |
| 43 | 中能拾貝 | 拾貝云 |
| 44 | 思謀科技 | IndustryGPT |
| 45 | 柳鋼集團 | 玄鐵 |
| 46 | 長虹 | 云帆 |
| 47 | 達智匯 | 伏羲工業(yè)AI開發(fā)平臺 |
| 48 | 中國中車 | 斫輪 |
| 49 | 云南白藥 | 雷公 |
| 50 | 理想汽車 | Mind GPT |
| 2026.04 DBC/CIW/eNet16 | ||
加速邁向規(guī)?；涞?/h5>
人工智能正從“有能力”走向“有用處”，而工業(yè)正在成為AI落地最關(guān)鍵、也最具挑戰(zhàn)性的領(lǐng)域之一。
工業(yè)和信息化部等八部門聯(lián)合印發(fā)《“人工智能+制造”專項行動實施意見》，明確提出到2027年推動3至5個通用大模型在制造業(yè)深度應用，形成特色化、全覆蓋的行業(yè)大模型，推出1000個高水平工業(yè)智能體，打造100個工業(yè)領(lǐng)域高質(zhì)量數(shù)據(jù)集。從國家電網(wǎng)的輸電鐵塔間，到繁忙的汽車制造車間，再到精細的化工生產(chǎn)線上，一場以“自主執(zhí)行”和“可量化價值”為核心的產(chǎn)業(yè)智能化變革正全面鋪開。
當前，我國工業(yè)大模型的發(fā)展正從概念驗證階段加速邁向規(guī)模化落地，其應用深度和廣度都在持續(xù)拓展。
在生產(chǎn)制造領(lǐng)域，大模型通過實時工藝優(yōu)化和參數(shù)調(diào)優(yōu)，實現(xiàn)了從“經(jīng)驗驅(qū)動”到“數(shù)據(jù)驅(qū)動”的質(zhì)變，能夠幫助工廠大幅縮短新產(chǎn)品上市前的準備周期，顯著降低能耗和成本；在研發(fā)設(shè)計領(lǐng)域，虛擬樣機和跨主體協(xié)同設(shè)計使研發(fā)周期大幅縮短，設(shè)計效率顯著提升；在質(zhì)量檢測領(lǐng)域，自動化全檢取代了傳統(tǒng)的人工抽檢，實現(xiàn)了缺陷的標準化溯源和精準識別；在設(shè)備維護領(lǐng)域，大模型通過對設(shè)備狀態(tài)的持續(xù)監(jiān)測和預測，大大減少了非計劃停機帶來的損失。
尤為值得關(guān)注的是，大模型正在推動制造業(yè)從“感知智能”走向“認知智能”，不僅能“看到”問題，更能“理解”問題和“解決”問題——多模態(tài)大模型在工業(yè)檢測中已能同時完成缺陷識別、成因分析和解決方案生成，形成“檢測—決策—執(zhí)行”的完整閉環(huán)。
在部分流程工業(yè)中，大模型已實現(xiàn)對關(guān)鍵工藝指標未來數(shù)分鐘趨勢的精準預測，工藝波動標準差顯著降低，這意味著工業(yè)生產(chǎn)的底層邏輯正在被重新定義：從過去依賴人工經(jīng)驗和固定規(guī)則的“剛性生產(chǎn)”，轉(zhuǎn)向能夠自主學習、動態(tài)適應的“柔性智能”。
多模態(tài)融合、智能體協(xié)同和具身智能
沿著產(chǎn)業(yè)鏈向上追溯，工業(yè)大模型正以多模態(tài)融合、智能體協(xié)同和具身智能為三大方向，推動整個工業(yè)生態(tài)發(fā)生系統(tǒng)性重構(gòu)。
在技術(shù)層面，大模型正從單一的語言處理向多模態(tài)融合快速演進。工業(yè)制造業(yè)的復雜性要求大模型不僅要理解文本，更要能夠處理圖像、視頻、聲紋、3D模型乃至時序傳感器數(shù)據(jù)。當前，主流模型多聚焦于視覺、語言與動作三模態(tài)的融合，但在工業(yè)場景中，溫度、壓力、振動等物理量蘊含的規(guī)律往往比視覺信息更具決策價值。下一階段，觸覺、溫度、聲紋等多維度感知通道的引入，將使大模型具備更全面的“工業(yè)直覺”。
在架構(gòu)層面，大模型正與工業(yè)領(lǐng)域的機理模型深度融合。通用大模型雖然在自然語言處理中表現(xiàn)出色，但面對工業(yè)時序數(shù)據(jù)時，往往難以捕捉深層次的工藝規(guī)律和設(shè)備機理。為此，一種“大模型+小模型”協(xié)同發(fā)展的模式正在形成，大模型提供通用知識和推理能力，小模型則專注執(zhí)行特定任務，兩者的融合使工業(yè)AI既具備“通識”又擁有“專長”。
在應用形態(tài)層面，智能體正成為大模型落地工業(yè)的核心載體。與傳統(tǒng)軟件不同，智能體不再是“被動工具”，而是可自主執(zhí)行的“數(shù)字員工”，它能夠感知環(huán)境變化、自主制定計劃、調(diào)用工具執(zhí)行任務，并在執(zhí)行過程中持續(xù)學習和優(yōu)化。
在更前沿的方向上，大模型正在與機器人技術(shù)深度融合，新一代架構(gòu)正在嘗試通過狀態(tài)預測賦予機器人“想象力”，實現(xiàn)“感知—建?！獩Q策”的閉環(huán)，構(gòu)建更真實的“世界模型”。
從產(chǎn)業(yè)鏈的視角來看，大模型技術(shù)的演進正在重塑工業(yè)的底層架構(gòu)：算力層以智算中心和AI芯片為根基，數(shù)據(jù)層以高質(zhì)量數(shù)據(jù)集和治理能力為支撐，算法層以大模型和開發(fā)框架為核心，應用層則通過智能體和具身智能滲透到采礦、能源、制造等核心行業(yè)。
結(jié)語
工業(yè)大模型的發(fā)展，本質(zhì)上是人工智能與制造業(yè)的一場“雙向奔赴”。工業(yè)AI不能只“看起來聰明”，而必須長期穩(wěn)定地參與生產(chǎn)過程，大模型的出現(xiàn)推動了工業(yè)軟件系統(tǒng)整合為有機的智能體網(wǎng)絡。當然，工業(yè)大模型的落地需要的不僅是算法突破，更是工業(yè)知識的深度編碼、數(shù)據(jù)治理的系統(tǒng)完善、以及產(chǎn)業(yè)生態(tài)的協(xié)同共建。
未來，工業(yè)大模型的發(fā)展將沿著更深入的行業(yè)滲透、更智能的自主決策、更緊密的人機協(xié)同三條主線持續(xù)進化，在政策推動與企業(yè)實踐的雙重驅(qū)動下，工業(yè)大模型將重新定義工業(yè)的價值。當人工智能真正嵌入工業(yè)生產(chǎn)的每一臺設(shè)備、每一個工藝環(huán)節(jié)、每一次決策流程時，中國制造將不再是規(guī)模與效率的代名詞，而是智慧與創(chuàng)新的新標桿。
（文/藍風鈴）
e-Mail：lab@enet16.com
