制造业智能体换挡：从单点工具到企业级协同

制造业智能体换挡：从单点工具到企业级协同

中国制造业总体规模连续16年保持全球第一。制造业人工智能应用普及率每提升一个百分点，就有数千家规模以上企业迈入智能化行列。人民日报金轩文章的测算，把这一规模效应说得很直白。渗透率变化更直观：IDC数据显示，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%。工业智能体从示范项目变成产线旁的常备工具，只用了一年。

中国一汽的表述很有代表性。董事长邱现东在2026年战略研讨会上把“人工智能+汽车”列为抢先机的抓手，要求AI全面融入研、产、供、销、服、管全链条，并明确提到抓好数字员工和智能体建设、加快建设AI中试基地。整车厂智能体建设不再停留在IT部门试验，已写入战略议程。

渗透率上来后，新问题随之而来。早期制造业上AI，解决的是单点场景：识别一次质量缺陷、预测一台设备故障、生成一份排产建议。工具接入岗位，效率局部改善。当Agent数量从个位数增加到十几个、几十个，企业的关注点变了——从“有没有智能体”转向“多个智能体能不能一起工作”。

一笔紧急订单的五种“正确答案”

界面新闻对爱化身科技的报道，给出一个典型两难。一笔紧急订单，交付周期压缩30%：订单智能体主张保高价值客户，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连续满负荷运行，质量智能体要求增加检验批次。每个判断单独看都成立，却无法同时执行。优先保交付可能扩大设备与质量风险，坚持维护则订单延期，临时更换供应商又抬升成本、带来来料不稳定。

这时企业面对的不是算法准确率，而是经营排序：收入、交付、利润、质量、设备安全，谁优先？目标冲突时谁拍板？一个智能体行动之后，其他智能体能否及时感知业务状态的变化？如果这些问题仍要靠计划、采购、生产、设备、质量负责人反复开会协调，那只是把AI接进了不同岗位，没让AI进入统一的经营闭环。

制造业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。智能体变多以后，四类矛盾集中暴露。目标不一致——排产盯产能与交付，采购盯成本与供应稳定，设备盯可靠性，质量盯合格率，缺少统一优先级时，每个智能体都正确完成了自己的任务，整体结果却可能更差。上下文不一致——同一张订单，在ERP显示“已下达”，在MES已部分投产，在WMS仍然缺料，销售侧已经承诺提前交付；数据被记录了，但没有形成AI能共同理解的业务世界。行动边界不清——排产智能体能否直接调整计划，采购智能体能否自动