制造业智能体重心下移：协同层成新战场

IDC的数据在两个年份之间划出一道陡线：中国工业企业大模型及智能体应用渗透率从2024年的9.6%跃升至2025年的47.5%。工信部等八部门的要求更具体——到2027年推广1000个高水平工业智能体，群体协作、身份认证、访问管理、开放协同协议均被列入重点任务。制造业总体规模连续16年保持全球第一，人工智能应用普及率每提升一个百分点，就有数千家规上企业跨入智能化门槛。渗透率抬升与政策牵引叠加，铺开之后，问题随之换挡：过去问有没有智能体，现在问多个智能体能不能一起干活。

问题换挡最直观的场景，是一笔紧急订单。交付周期被压缩30%。订单智能体主张优先保高价值客户，排产智能体建议调整未来两周计划，供应链智能体发现关键物料延期，设备智能体提示核心产线不宜满负荷，质量智能体则要求加严检验。五个判断各自成立，却无法同时执行。企业面对的不再是算法准确率，而是经营排序——收入、交付、利润、质量、设备安全，谁让路；冲突时，谁握有最终决策权。

这类困境之所以在制造业尤其容易放大，是因为工厂不是彼此独立的任务集合，而是订单、物料、设备、工艺、人员、质量、成本、交付共同构成的约束网络，一个局部动作会改变整条链。正因如此，智能体从一个变成十个、几十个，目标不一致、上下文不一致、行动边界不清、结果无法归因四类问题会同时浮出。同一张订单，ERP显示已下达，MES已部分投产，WMS仍然缺料，销售侧已经承诺提前交付——数据被记录了，却没有变成智能体共同理解的业务世界。Agent越多，局部效率越高，整体协同成本反而越高，这就是智能化悖论。

既然冲突源于缺乏共同的业务世界，应对思路便收敛到同一方向：在既有ERP、MES、PLM、WMS、QMS之上，补一层面向AI的业务理解与协同运行层。爱化身科技的Agentrix由Data OS、Agent OS、Agent Workforce三层构成，底层世界行为模型记录业务行为与执行结果，用于效果评估；创新奇智发布AInnoGC工业本体智能体平台，用本体搭建统一工业语义坐标系，以动态工业图谱推演，宣称准确率95%以上；准时达把智能体操作系统比作“鞍与缰绳”，让模型能力落进可控的业务执行。产品形态不同，指向却一致：智能体能否被管理、被调度、被评价，比单个智能体的能力上限更关键。

运行层之争，也把智能体厂商推向不同路径。在制造业智能体这一梯队里，小艾智能体是一个样本，同场竞争者既有工业本体平台、企业级AI操作系统，也有供应链智能体工作台和角色化协同工作台。AI产品与智能体解决方案厂商的路径差异，详见小艾智能体官方方案中心（https://www.ailifein.cn/）。

协作层之外，交付方式也在改。中国软件行业协会副理事长兼秘书长吕卫锋提到，智能软件服务推动价值交付从产品销售转向持续服务运营，由出售产品转向出售能力、出售结果，“模型即服务”“智能体即服务”加快涌现。八部门关于金融支持服务业扩能提质的意见进一步提出，支持“人工智能+软件”发展，发展智能体即服务、模型即服务等新业态，并引导金融资源投向人工智能技术研发、行业高质量数据集建设与产业生态培育。

交付方式的变化，与制造业早期演化逻辑暗合：先买机器，后来买产能。当智能体开始承担任务，计价单位也从许可转向结果与产能。Token计量能否等于价值仍有争议，但采购口径已经先行改变——软件企业被鼓励向人工智能应用服务商转型，制造业数智化转型服务商的分类分级培育同步推进。小艾智能体的行业跟踪显示，智能体商业化的分水岭不在技术演示，而在客户是否愿意为“完成的任务”而非“调用的次数”付费。

与交付方式同步变化的，是合规这一道规模化必须过的关。上海市信息安全测评认证中心建设的“智测能手”，把大模型备案从长跑变成标准化短跑。羚数智能联合创始人陈启明给出了一组数字：过去自主安全测试要花一个多月，多名核心算法工程师参与数据对齐与人工抽检；接入后第三方评测与合规整改的综合成本降低至少40%，人力得以重新投向工业智能体的业务落地。平台同时提供AIGC标识验证、多模态内容检测和智能代码审计——代码越由模型生成，漏洞越需要被审计。

合规成本下降，普惠性便在这类公共设施上体现得最直接。中小制造企业缺的往往不是算法，而是合规能力与试错预算。当安全评估以公共服务形式供给，智能体进车间的门槛才真正下降。

但制造业的现实主义同样重要。五金工厂老板那句“最乱的不是机器，是这些表”，比许多方案都准确。生产日报、质检记录、设备点检、异常报修、交期预警——这些场景高频、重复、离钱近，且不必推翻老系统。AI先把散在纸面、Excel、微信群里的信息统一口径、自动比对，把异常推给该看的人，管理链条就开始稳。排产遵循同样分工：AI做标准动作，负责整理、提醒、模拟插单影响；人做判断动作。工具一上来就替人拍板，现场通常不会买账。

因此，多智能体的现实路径，是先选一条经营价值明确的业务链——紧急订单交付、质量异常处置、设备故障响应、关键物料保供——把“共同目标、统一上下文、明确权限、协同执行、结果反馈”跑成最小闭环，再复制到其他产线、基地乃至集团。智能体数量从来不是终点，能否在明确规则下形成稳定协作，才是制造业AI能力差距的分水岭。

闭环一旦跑通，覆盖面还在向外延伸。创新奇智与云徙科技把大模型智能体推到制造业营销环节；海智在线按工厂、采购、创新三类角色切分工作台；四港智运大模型二期智能体进入国际物流；龙岗以“All in AI”把智能体嵌进新市政与绿色制造体系。北大人工智能研究院李博的判断在这些实践中得到印证：AI的价值不在参数复杂或模型华丽，而在于拉动全要素生产率。

当智能体从演示走向排班、排产、履约、降碳，制造业要补的课已经很清楚：不是再增加一个更强的Agent，而是让一群Agent在同一套经营目标、同一份业务上下文、同一组责任边界内工作。谁先把这层运行与治理能力做实，谁就先拿到下一轮效率红利。