【新书节选】AI+工业：从”制造”到”智造”的革命之路 —— 《AI产业全景图谱》

来源：中信建投证券研究
原文发布：2026年7月2日
出处：《AI产业全景图谱：技术范式、投资机遇与未来生态》，中信出版集团，武超则等著

一直以来，工业场景与AI的结合都十分紧密，典型的如机器视觉、工业软件、工业机器人等垂直AI场景应用。这一轮以ChatGPT为代表的通用AI快速爆发后，其在工业场景的应用稍慢于C端的生活场景和B端的办公和编程等场景。

其面临的问题主要有三点：

工业的垂直属性强，高度依赖难以数据化的行业经验与物理规则
资本开支投入的回报时间长，短期见效慢
工业要求高可靠性、稳定性，而AI大模型幻觉问题在工业场景会被放大

随着AI能力的快速提高，具身智能机器人逐步进入工厂产线，上述问题正在得到解决。

工业智能化发展路径：双主线突进

当前，工业智能化正沿两条主线突进：

增量市场

新能源汽车、光伏等新兴制造领域从零构建AI原生工厂，将视觉质检、预测性维护等模块嵌入产线设计底层，如智能制造服务商为车厂搭建的全链条数字孪生系统。

存量改造

传统重工业通过渐进式部署突破关键瓶颈，例如钢铁企业用参数优化模型降低能耗，化工企业利用DCS（分散控制系统）等智能控制系统提高流程工业生产效率。

技术的价值不在于替代人工，而是通过穿透生产黑箱，释放规模制造体系的系统性潜能。

从政府多次在政策报告中提到将加快人工智能在制造业的落地应用，再到头部企业投入上百亿资金建设智能产线，无一不昭示着：当AI将分散的专家经验凝炼为可复用的工业智能时，传统制造的效率边界正被重新定义。

展望未来：三重确定性趋势

展望未来，AI+工业的爆发将呈现三重确定性趋势：

技术端：多模态大模型加速与OT（运营技术）设备、控制协议融合，催生具备自我诊断能力的”自治体产线”
场景端：过去的自动化装备如工业机器人将装上大脑，应对更多的柔性化场景
生态端：头部智能制造服务商逐步沉淀行业知识引擎，形成覆盖装备、工艺、供应链的垂直型工业大脑

值得注意的是，这场变革非单纯的技术升级，而是生产关系的重构——当钢结构企业一年内用2000台焊接机器人替代传统老焊工，当机器视觉的缺陷检测识别率超过99%，当港口无人吊车吞吐效率提升400%，印证了效率跃迁的本质是智能决策权从人到机的战略让渡。

这不仅需要企业重建以数据为轴心的组织架构，更需要决策者的前瞻布局：给予AI足够的投入回报周期，让AI在工业场景中充分打磨和提升，才能真正激活AI作为工业升维杠杆的新能量。

从需求端看，不断增长的降本增效需求与多变的市场环境为AI+工业带来广阔的市场空间。AI+工业不仅提升了生产效率，还推动了工业自动化和智能化的进程，为企业在全球市场参与竞争注入了新活力。

三大进步方向（Smart Industry观点）

Smart Industry（工业数字化转型媒体）指出，AI+工业的显著进步主要体现在三个方面：

自主控制：利用AI和机器学习，制造过程正在从自动化向自主控制的方向发展，使系统能够在没有人为干预的情况下做出实时决策和调整。
机器视觉系统：将先进的闭环控制策略与先进的感官机器视觉AI反馈相结合，使PLC（可编程逻辑控制器）能够采取自动纠正措施，以实时减少缺陷。
演化建模：在数据科学实践的早期，单点解决方案是常态，根据从可用数据中得出的各种标准选择单个模型。未来这种方法或将演变为从潜在候选模型的集合中构建模型，要求每个模型在每一次迭代中都要成功适应，开发出更符合实际物理过程和各自系统动态的高精度且稳健的模型。

AI+工业有望在流程控制、质量优化、机器人应用等领域赋能生产力的大幅提升。Smart Industry认为，AI、机器学习等技术将在未来5年或10年内为工业制造过程带来重要的影响，并在八大领域带来前所未有的商业成果。

市场规模预测

全球：预计至2029年AI+工业市场规模有望达到583亿美元，2022—2029年复合增长率约为52%（BlueWeave Consulting）
中国：2022年我国制造业AI解决方案市场规模达204亿元，预计到2026年市场规模将达到891亿元（观研天下）

随着生成式AI技术的不断成熟和全球龙头厂商的应用落地，AI+工业市场规模有望进入快速增长阶段。

四大核心模型应用场景

目前，AI大模型在工业领域处于初步探索阶段，未来四类核心模型有望赋能工业领域多个细分场景。根据中国信通院研究，大模型在工业领域可分为大语言模型、视觉大模型、多模态大模型和专用大模型四类，截至2025年年中，大语言模型的应用占75%。

一、AI+工业软件

工业软件是工业创新知识长期积累、沉淀并在应用中迭代进化的软件产物。工业软件的根基仍然是工业行业本身，有赖于正向创新和行业创新知识的积累，是一个长期系统工程。

任何工业知识都必须先形成完整的体系，搭建出知识库和模型库，并在实践中反复应用、更改，与工程紧密结合并不断更新迭代，才有可能形成工业软件。因此，工业软件是工业创新知识的载体，依靠软件化这一关键过程，通过强大的软件工程能力才得以实现。软件平台与架构将直接决定工业软件产品的生命力。

AI与工业软件结合是产业新趋势，在研发设计、生产控制、经营管理和嵌入式软件四大类中：

AI与研发设计的结合主要在于交互与预设计
AI与生产控制的结合主要在于参数修改
AI与经营管理的结合主要在智能文本生成上
AI与嵌入式软件的结合则主要在代码自动编写上

AI与工业软件结合可以提高设计效率、优化设计质量、创造新的设计形式。CAD（计算机辅助设计）和CAE（计算机辅助工程）软件中已集成了人工智能相关功能，生成式设计是重要方向。

生成式设计可以让设计师和工程师专注于”设计”本身，而将具体的实现交给人工智能、云计算和机器学习，大大提高产出效率。

二、AI+机器视觉

工业机器视觉是软硬件一体化的集成系统，它的目的是代替人眼对被测物进行观察和判断。

据高工产研数据，2024年中国机器视觉市场规模为181.47亿元，其中2D视觉市场规模约153.32亿元，3D视觉市场规模约28.15亿元。尽管整体市场出现小幅下滑，但3D视觉市场仍实现了同比19.20%的增长。预计2025年机器视觉市场有望突破210亿元，2028年将超385亿元，2024—2028年复合增速约20%。

过去工业机器视觉系统仍主要采用传统的基于规则学习思路，主要针对垂直场景的少量数据进行小模型训练，效率较低且无法处理较为复杂场景的问题。而工业机器视觉与深度学习技术结合，实现了应用场景的拓展。基于深度学习的机器视觉，不但能够判断缺陷，还能理解缺陷的共同特征，预测新的缺陷类型，从而实现对更复杂场景的更优分析。

三、智能焊接机器人

智能焊接机器人是一种能够自动执行焊接（包括切割和喷涂）任务的工业机器人。智能焊接机器人广泛应用于钢结构、航空、造船、电子、机械等行业，可以提高焊接质量、效率和安全性。

在钢结构行业，智能化焊接市场需求迫切：

2025年对应焊工需求约35万人，渗透率每提升1个百分点带来1750台设备需求
渗透率每提升1个百分点对应4.9亿元收入增长
到2035年渗透率每提升1个百分点对应2500台设备需求、7亿元收入增长

柏楚电子等国内龙头企业已经在智能焊接领域做出创新突破，FSWELD系统通过机器视觉+AI算法实现智能化焊接。

本文节选自中信建投证券研究部武超则等著《AI产业全景图谱：技术范式、投资机遇与未来生态》，中信出版集团。本文仅供中信建投证券客户中符合《证券期货投资者适当性管理办法》规定的机构类专业投资者参考，不构成投资建议。