工业AI全球政策图谱|02 从1000个工业智能体到AI+软件,中国工业在下一盘什么棋?

百子嬉春图
苏汉臣|1130年
故宫博物院

把2026年的几份政策连起来看，中国工业AI的主线已经从“鼓励应用”走向“建设体系”。

今年1月公开发布的《“人工智能+制造”专项行动实施意见》，给出了中国工业AI最醒目的目标：到2027年，推动3—5个通用大模型在制造业深度应用，推出1000个高水平工业智能体，打造100个工业领域高质量数据集，推广500个典型应用场景。

如果只看这些数字，很容易把它理解成“多做模型、多做智能体”。但后续政策很快补上了一个关键前提：没有工业数据，就没有真正懂行业的AI。

3月启动的“工业数据筑基行动”，把研发设计、中试验证、生产制造、经营管理和产业协同等环节列为重点，目标不是简单汇聚数据，而是推动高质量、标准化、可流通的数据集，最终赋能行业大模型和工业智能体。政策还提出建设可信互联平台、工业数据标准库、数据集库和训练基地，说明数据被视为长期基础设施，而非一次性项目素材。

4月，工信部与国家数据局启动2026年“模数共振”行动。这个名字本身就揭示了政策思路：数据不是建完就结束，模型也不是训完就结束，两者要在真实场景里不断相互强化。

行动覆盖钢铁、石化、工业母机、汽车、电力装备、船舶、航空航天、软件等20个行业或领域，要求形成行业通识数据集、行业模型、专用模型和特色智能体，并在年底前基本形成“数据—模型—场景应用”的良性循环。

这一步非常重要。过去很多工业AI项目的问题，是“数据治理”和“模型建设”被拆成两套工程：数据团队负责建湖建仓，AI团队再从中找可用数据。模数共振强调的是反向机制——由高价值场景提出数据需求，模型在场景中产生反馈，再进一步补数据、改模型。工业AI因此从“项目建设”开始接近“持续运营”。

9月11日，工信部进一步发布《“人工智能+软件”专项行动实施方案》。到2028年，智能编程和智能开发平台计划覆盖2万家规模以上软件企业，累计组织100项软件企业智能化技改，在重点行业打造100个智能体软件标杆应用。

对工业AI行业来说，更关键的是政策第一次把CAD、CAE、EDA等通用工业软件的AI化说得非常具体：面向制图、设计、仿真实施智能化升级，同时鼓励工业企业与软件企业把工业经验、工艺参数封装为可复用的模型库和工业组件。

这意味着AI的角色正在发生变化。过去是工程师操作工业软件，AI在旁边辅助；未来更可能是工程师给出目标，Agent调用CAD/CAE/EDA和仿真、测试工具完成多步骤任务。工业软件因此不只是“国产替代工具”，也可能成为AI执行工程任务的专业能力底座。

企业侧的动作也正在对应这种体系化趋势。9月18日，华为在制造行业全球峰会上发布DIMAK特训营：Data数据工程、Infrastructure基础设施工程、Model模型工程、Agent智能体工程、Knowledge知识工程。它强调“价值场景为锚点、数据知识为根本、模型工具开放、算力为基础”，目标是帮助企业从找场景、组队到六个月深度伴飞，最终形成自己的AI运营能力。

在电子制造领域，华为又联合伙伴发布“伏羲工业AI平台”。公开案例中，科沃斯已经部署18个企业智能体；微迈睿的良率管理方案把部分根因排查周期从数周缩短至5分钟、准确率达到90%。这些数据来自企业公开案例，不能直接外推到所有制造企业，但它们说明企业落地关注点已经从“接入模型”转向“让AI进入具体决策和工程流程”。

把政策和企业实践放在一起看，中国工业AI正在形成一条更清晰的路线：不是要求每家制造企业都自己训练大模型，而是推动企业把数据、知识、模型、智能体和软件工具组织成可持续迭代的能力。

第一，工业数据会从“信息化副产品”变成AI时代的核心资产。企业需要开始治理图纸、仿真、测试、工艺、设备和历史项目数据之间的关系。

第二，工程知识资产化会成为关键工程。经验不能只存在资深工程师脑子里，而要逐步变成规则、知识库、本体、模型库和可调用组件。

第三，工业软件必须逐渐Agent Ready。未来工业软件的竞争不仅是功能和求解能力，还包括是否有API、CLI、标准接口和安全权限体系，能否让智能体调用、执行、验证并追溯。

因此，中国工业AI政策真正鼓励的不是“企业用了AI”，而是企业能否把AI变成可重复、可验证、可持续优化的工程生产力。

主要信息来源

1. 工信部等八部门：《“人工智能+制造”专项行动实施意见》

2. 工信部：工业数据筑基行动

3. 工信部、国家数据局：2026年“模数共振”行动

4. 工信部：《“人工智能+软件”专项行动实施方案》新闻发布会

5. 华为：制造与大企业DIMAK特训营

6. 华为：伏羲工业AI平台及电子制造案例