AI进工厂,最终要回到利润表

2026年5月28日，世界智能产业博览会在天津开幕。

这不是一次普通的科技展会。按照大会官网介绍，本届智博会以“智行天下 能动未来”为主题，突出具身智能年度热点，展览规划面积13万平方米，设置人工智能核心技术、具身智能、智能网联车、低空经济与商业航天、智能制造、智慧生活等主题展区。

如果只看展台，这会是一篇关于机器人、AI终端和智能制造新品的文章。

但更值得放在第一屏的，是另一条新闻。

就在智博会开幕前一天，国家统计局发布1—4月工业企业利润数据：全国规模以上工业企业利润总额同比增长18.2%，4月单月利润同比增长24.7%。其中，高技术制造业利润同比增长44.8%，电子行业利润同比增长107.7%。

这两条新闻放在一起，问题就变了。

AI进工厂，不只是在展会上多出现几台机器人，也不是把“人工智能+”写进更多发布会标题。

真正的检验是：它能不能进入利润表。

展会给热度，利润表给约束

智博会给了一个观察窗口：AI正在从模型、软件和云端，走向设备、产线、车辆、低空飞行器和更具体的工业现场。

这个方向没有问题。中国制造业最需要AI的地方，也从来不只是写文案、做客服或生成图片，而是更高频、更低容错的场景：质检、排产、设备维护、能耗优化、仓储周转、工艺调参和供应链协同。

但工业现场和互联网应用有一个根本区别：它最终要被财务结果校验。

一次演示能跑通，只说明技术有可能。一个样板车间能跑顺，只说明场景可验证。真正有产业价值的AI+制造，必须持续改善质量、节拍、成本、库存、应收和现金流。

这也是工业利润数据的价值。

1—4月，规模以上工业企业营业收入同比增长5.2%，利润同比增长18.2%，说明利润率确实在改善。但这不是平均扩散的改善。国家统计局解读提到，高技术制造业、电子行业和工业自动化智能化相关行业表现突出；同时，汽车、部分电气机械、钢铁、建材等行业利润仍在下降。

这意味着，AI+制造的产业叙事不能简单写成“所有工厂都会更赚钱”。

更准确的说法是：技术密度更高、产品周期更顺、需求更明确、工艺和数据基础更好的环节，会更早把智能化转成利润弹性。

AI+制造最先改变的，是工厂里的三张表

AI进入制造业，最容易被看见的是设备。

比如更灵活的机械臂、更自动化的检测装置、更智能的巡检终端，或者能在展馆里完成交互的具身智能产品。

但从商业化角度看，最重要的不是设备本身，而是设备背后的三张表。

第一张表，是质量表。

工业AI最现实的价值之一，是让缺陷识别、工艺偏差和设备异常更早暴露。对制造企业来说，少一次返工、少一批报废、少一次停线，往往比多一个炫目的展示功能更有价值。

第二张表，是节拍表。

智能制造不是让工厂看起来更“科幻”，而是让产线节奏更稳。排产、物料、设备状态和人工作业之间一旦能被更细地协同，企业才可能减少等待、减少空转、减少临时切换带来的成本。

第三张表，是资金表。

国家统计局数据里，4月末规模以上工业企业应收账款同比增长7.2%，产成品存货同比增长6.7%。这提醒我们，利润表改善还要继续接受现金流和库存的验证。

AI如果只提高了局部效率，却不能改善库存周转、交付稳定性和订单质量，它对企业价值的贡献就会被打折。

真正值得跟踪的不是“某个系统用了AI”，而是用了AI之后，良率有没有提高，停机有没有减少，库存有没有更健康，应收回款有没有更稳。

具身智能的热，难点在复制

本届智博会突出具身智能，这是一个很强的传播点。

机器人会走、会抓取、会交互，天然比后台算法更容易被看见。对公众号读者来说，它也更有画面感。

但具身智能进入制造业，最难的不是“像人”，而是“像可靠设备”。

工厂不需要一台偶尔表现惊艳的机器人。工厂需要的是稳定节拍、稳定良率、可维护、可追责、可接入既有系统的生产要素。

这会把问题从模型能力，推向更复杂的工程问题。

它要适配不同物料、不同工位、不同安全规范；要和MES、ERP、仓储、质检、设备管理系统打通；要有人能维护，有备件能供应，有故障能定位；还要在成本上说得过去。

所以，具身智能的商业化不会只由展会热度决定。

它更像一次从“单点能力”到“系统能力”的迁移。先在高价值、高重复、环境相对可控的工位形成回报，再逐步扩散到更复杂、更开放的场景。

这也是为什么工业利润数据里，工业控制计算机及系统制造、试验机制造、工业自动控制系统装置制造等方向值得关注。国家统计局解读显示，这些工业生产自动化智能化相关行业在1—4月保持较快利润增长。

这些环节不一定最热闹，却更接近AI+制造的底座。

资本市场别只看发布会，要看扩散

对资本市场和产业观察者来说，智博会的意义不是提供一个短期概念清单。

更重要的是，它提供了一个观察产业扩散的现场。

第一，看利润是否从电子和高技术制造业，扩散到更广泛的装备、零部件、材料和中游制造环节。

如果利润改善只集中在少数高弹性行业，说明结构机会存在，但还不能证明制造业整体进入新周期。更强的信号，是智能化相关投入能带动更多环节的订单质量、利润率和现金流一起改善。

第二，看资本开支是否从展示投入，转向生产系统投入。

企业愿意为AI付费，不是因为它足够新，而是因为它能降低停机、提高良率、缩短交付或减少人力和能源浪费。越接近生产系统，越需要看到稳定回报。

第三，看价格和库存。

4月PPI同比上涨2.8%，生产资料价格同比上涨3.8%，生活资料价格同比下降1.0%。价格端的分化说明，不同行业的利润修复基础并不一样。AI+制造要成为更大的产业变量，不能只靠上游价格弹性，还要靠真实效率提升。

所以，这篇文章的判断很简单：

AI+制造的真正拐点，不是展台上出现更多机器人，而是工厂把质量、节拍、库存和应收的改善持续写进利润表。

最后看三件事

接下来，观察AI+制造，不妨少看一点热词，多看三件事。

第一，看场景从样板间到多工厂复制的速度。

只有一个展台、一个示范产线、一个标杆客户，还不足以证明商业化已经成熟。真正的拐点，是同一套能力可以在不同工厂、不同班组、不同产品线上稳定部署。

第二，看工业利润里的扩散。

高技术制造业和电子行业已经给出很强的利润弹性，但更关键的是，这种弹性能不能继续扩散到装备、材料、零部件和更多中游制造企业。

第三，看现金流。

利润改善是第一步。应收、库存、交付和资本开支的质量，才会决定企业愿不愿意继续把AI系统买进工厂。

智博会会带来很多新产品和新场景。

但对财经科技读者来说，最值得记住的不是某个热闹瞬间，而是一个更冷静的判断：

AI进入实体经济，最终不是从展台走向估值，而是从场景走向流程，再从流程走向利润表。

资料来源：2026世界智能产业博览会官网大会简介及日程；国家统计局2026年5月27日发布的《2026年1—4月份全国规模以上工业企业利润增长18.2%》及工业司解读；国家统计局2026年5月11日发布的2026年4月份工业生产者出厂价格数据。