夜雨聆风
AI 软件生态 × "智"造业工程师
一、行业大盘：AI 软件的使用已经过了"尝鲜期"
判断一项技术是否真正落地，最可靠的指标不是发布会，而是活跃用户、使用频次和付费意愿这三条曲线是否同时向上。2026 年上半年，这三条曲线第一次全部给出了肯定答案。
1.1 全球：单一霸主格局结束
OpenAI 最近一次公开披露的核心口径是周活用户数，2026 年 2 月 27 日确认 ChatGPT 周活跃用户达到 9 亿，相比 2025 年 10 月的 8 亿增长 12.5%。若按月活口径统计，ChatGPT 已成为史上最快突破 10 亿月活的应用。
但更值得注意的是份额变化。Sensor Tower 的 2026 年《AI 现状报告》显示，随着用户开始在多个助手之间切换，ChatGPT 的全球市场份额在 2026 年首次跌破 50%：2026 年 1 月前仍高于 50%，到 5 月底降至 46.4%；同期 Gemini 达到 27.7%，Claude 达到 10.3%，Grok、Perplexity、DeepSeek、Meta AI 等均低于 5%。
需要提醒的是，不同机构的口径差异极大，混用会得出完全矛盾的结论：
三组数据指向三种不同的竞争：消费级触达、网页搜索替代、企业钱包。Claude 在消费端份额不高，但在企业侧按用量已经反超——这提示我们，评价一款 AI 软件"主流不主流"，必须先问清楚是在哪张牌桌上。
付费侧的数据同样清晰。Sensor Tower 估计 2026 年上半年全球 AI 应用下载量接近 23 亿次，用户支出超过 42 亿美元，而 2025 年上半年这一数字为 18.3 亿美元，同比增长约 130%。
1.2 国内：三强稳固，但结构在迁移
QuestMobile《中国移动互联网 2026 年上半年大报告》给出了国内最完整的截面。截至 2026 年 6 月，全网月活跃用户规模 12.82 亿，同比增长 1.2%；而 AI 原生 APP 整体规模达到 4.99 亿，同比增长 85.4%。
分终端看，结构性迁移非常明显：
此前高速上涨的插件与网页端双双转跌，而原生 APP 与 PC 客户端上升。这说明用户的使用习惯正从"顺手试一下"的轻量化调用，迁移到"专门打开、连续对话、交付结果"的重度使用。对工程技术人员而言，这个转折点的含义是：AI 已经从搜索框旁边的小挂件，变成了一个需要独立工位的工具。
头部集中度极高。2026 年 6 月，豆包、千问、DeepSeek 的活跃用户规模分别为 3.82 亿、1.67 亿和 1.30 亿，同比分别增长 172.1%、5792.9%、−20.3%。第二阵营中，元宝、蚂蚁阿福、豆包爱学、即梦 AI 分别为 4984 万、2897 万、1944 万、1633 万。
三点值得注意：
第一，千问的同比增速数字来自阿里春节期间的大规模补贴投放，属于低基数效应，不宜简单理解为产品力差异。有分析指出该轮营销投入约 60 亿元人民币，峰值日活 7350 万在补贴结束后接近腰斩，单日活获客成本约 144 元，高于豆包与元宝。
第二，DeepSeek 是头部三家中唯一同比下滑的，但它的使用特征最"重"：使用时长 10 分钟以上的占比达 30%；而豆包相反，3 分钟以内的占比 40.7%。前者是深度推理场景，后者是高频碎片场景，两者并不直接争夺同一批需求。
第三，垂直类应用有明确天花板。蚂蚁阿福（财税）、豆包爱学（学科教育）、快对 AI（习题辅导）用户画像清晰，但普遍难以突破千万级门槛。通用型综合助手仍是主流形态。
1.3 转折信号：免费时代正在收尾
2026 年最实质的变化不是模型分数，而是收费。
2026 年 6 月 24 日，豆包正式推出专业版订阅，三档定价分别为 68 元、200 元、500 元/月，认证在校大学生标准档 38 元/月。这是豆包自 2023 年上线以来首次面向 C 端收费。字节明确表态免费版功能不变且将持续迭代，付费买的是额度与优先级，而非功能解锁。
值得注意的是市场反应：豆包专业版上线次日用户数反而上升（6 月 24 日 DAU 为 1.76 亿，6 月 26 日为 1.78 亿），说明专业用户对更强能力存在真实付费意愿。摩根士丹利的判断是，豆包的定价"清晰指向创作者和知识工作者，而非 3 亿多月活的广泛大众群体"。
同期其他变化：阿里千问推出办公助手订阅，三档 19/49/128 元/月（年付 200/568/1499 元），免费档办公助手每日约 13 次上限；智谱 GLM Coding Plan 在 2026 年 7 月 30 日改版为积分制，Lite 从 49 元涨至 118 元、Pro 从 149 元涨至 538 元、Max 从 469 元涨至 1078 元，单次涨幅 130%~260%；Kimi 因算力紧张自 2026 年 7 月起暂停新用户付费订阅。海外侧，ChatGPT 美国免费档已开始投放广告。
同时，DeepSeek、腾讯元宝、文心一言目前仍无 C 端付费档，通义基础功能免费。也就是说，国内仍有相当一部分产品可以零成本使用——但"最好的那一档能力"越来越需要付费获得，这是 2026 年与 2025 年最本质的差别。
二、市场定位：五张互不相通的牌桌
很多人还停留在"ChatGPT 和 Claude 谁厉害"，但真实答案早就变了：各家 AI 的护城河，根本不在同一个战场上。
ChatGPT 拼"全能"
Claude 拼"专业深度"
Gemini 拼"生态"
DeepSeek 拼"性价比"
豆包拼"国民渗透"
千问拼"企业开源"
把所有 AI 软件放在一张榜单上排名，是选型失败的主要原因。2026 年的现实是，AI 软件已经分化为五张独立牌桌，各自的评价标准、计费模型、竞争格局完全不同，跨桌比较没有意义。
牌桌一：通用对话助手——入口之争，日常够用
这张桌上的核心竞争力是分发渠道与生态绑定，而非模型分数。
SuperCLUE 2026 年 5 月评测使用 492 道新题，覆盖数学推理、科学推理、代码生成、精确指令遵循、幻觉控制、智能体六项任务，结果显示：DeepSeek 70.48 分、通义 70.22 分、豆包 69.96 分构成第一梯队，彼此差距不到 0.5 分；元宝 66.42 分、文心一言 65.95 分、Kimi 65.16 分为第二梯队。海外顶尖模型在 75 分以上，国产头部落后约 4~6 分。
分项看更有参考价值：幻觉控制方面，国产头部在 78~83 分之间，DeepSeek 以 83.13 分领先，海外顶尖约 87 分；精确指令遵循是全行业短板，最高仅约 56 分——这意味着"只列 5 条、每条不超过 10 个字"这类硬性格式要求，任何模型都可能跑偏，这不是选型能解决的问题，而是使用方法要适配的现实。
对工程技术人员的结论：写方案、查资料、整理会议记录、翻译外文标准，国产免费档已经够用。只有在数学严谨性要求极高、复杂代码调试、科研级推理时，才值得考虑海外模型或国产付费档。
牌桌二：编程与代码智能体——一年内完成换牌
这是 2026 年洗牌最剧烈的赛道。JetBrains 开发者生态调查 2026（覆盖 15000+ 专业开发者，调研窗口 5—7 月）显示：90% 的专业开发者每周至少使用一次 AI 编程代理，68% 每天使用。这已不是实验性工具。
份额变化幅度罕见：
营收侧：Cursor 在 2026 年一季度突破 20 亿美元 ARR，Claude Code 达 25 亿美元年化运行率。满意度侧：Claude Code 以 46% 的"最受喜爱"评分领先，Cursor 19%，Copilot 9%。
竞争维度发生了根本切换。Copilot 2021 年的产品逻辑是"你写注释、它补一行"，上下文是单个文件；2026 年的标准是"读整个仓库、跑 shell 命令、连续修改多个文件、跑测试、提交 Git"，上下文是整个工程。这已不是补全精度的比较，而是能否理解一个完整项目的比较。
企业侧还有一条重要规律：81% 的企业同时运行三个以上模型家族，77% 使用多个供应商以避免锁定，70% 的工程师同时使用 2~4 个 AI 编程工具。单一供应商时代已经结束。
牌桌三：图像与视频生成——按秒计费的重资产
这张桌子的计费方式与前两张完全不同，本质是算力消耗按量结算。
国内主流定价：即梦（字节）连续包月 69/199/499 元（单月 79/239/649 元）；可灵（快手）黄金 66 元、铂金 266 元、钻石 666 元/月；海螺 AI / MiniMax 为 49/119/469 元/月，另售 30/150/500 元积分包。
需要提醒的是产能稳定性：有报道指出即梦 Seedance 2.0 在高峰期排队严重，基础会员常需排队数小时，商用交付存在不确定性。对企业宣传物料、展会视频这类有明确交付期的需求，必须预留缓冲或考虑多平台备份。
牌桌四：办公执行型工作台——从"回答"到"交活"
2026 年出现的新形态，特征是能直接操作本地文件、调用浏览器、执行多步任务，产出的是文档、表格、PPT、网页，而不是一段对话。
豆包专业版的核心卖点即"办公任务模式"，接入可执行 Agent 任务的模型，支持操作本地电脑、使用浏览器、调用技能与定时任务，内置办公套件。腾讯 WorkBuddy 采用积分制，体验版每月 500 积分免费，标准/高级/旗舰档分别为 70/140/700 元连续包月。扣子（Coze）面向 Agent 开发，个人进阶版 39.9 元、高阶版 99 元、旗舰版 199 元，团队版 198~1998 元，企业版 498 元起。
这张桌子对制造业最有价值的一点是：它处理的是工程师每天真实消耗时间的那部分工作——整理设备日志、把检测数据汇总成周报、把散落的工艺记录归档、批量重命名图纸文件。这些任务不需要模型有多聪明，需要的是它能可靠地执行完。
牌桌五：工业垂类智能体——本文读者真正的战场
这张桌子与前四张的根本区别是：竞争壁垒不在模型，而在真实产线的数据闭环。
甲子光年智库《2026 工业 AI 智能体研究报告》的判断很直接：工厂原生工业 AI 智能体扎根产线真实数据、业务约束与执行反馈，形成"感知—决策—执行—迭代"闭环，补齐传统工业软件跨系统动态决策的短板。传统 ERP、MES 仅实现数据记录与流程可视，无法完成实时协同与自主调整。
市场参与者分为四类：通用大模型厂商、传统工业自动化软件商、数字化集成商、工厂原生智能体厂商。长期竞争壁垒在于贯通设备、数据、模型、应用、业务价值的五层闭环能力。收费方式也从一次性项目费用，延伸为订阅、按量、按效果付费。
五张牌桌速查表
一条硬规则：不要用聊天会员的额度去跑编程或批量任务。那是两套完全不同的计费体系，聊天额度模型不为 Agent 的多步 Token 消耗设计，结果通常是既撞限又浪费钱。
市场碎片化：五张互不相通的牌桌
三、适用人群：六类角色，六套配置
同一款 AI 软件对不同角色的价值差异极大。以下按真实使用强度和场景给出配置建议，成本按 2026 年 8 月公开定价估算。
3.1 学生与家长：零成本完全可行
主力使用 DeepSeek 处理推理与解题，通义处理文档与 PPT，文心一言做知识检索，微信生态内直接用元宝总结文章。豆包对认证在校大学生提供 38 元/月的标准档折扣，但对多数学习场景免费版已足够。
判断标准很简单：每周对话少于 30 条的人，付费基本是浪费。
月成本：0 元
3.2 普通职场办公：先摸清撞限频率
日常公文、汇报、数据整理、会议纪要。建议先用免费档跑满一个月，记录撞限次数，再决定是否付费。若确实高频，豆包标准版 68 元/月或千问办公助手 49 元/月是目前性价比较合理的入门档。
需要注意千问免费档办公助手每日约 13 次上限，这个额度对连续办公任务偏紧。
月成本：0~68 元
3.3 内容创作者：花钱大户在生成侧
文字部分免费档基本够用，真正消耗预算的是图像与视频生成。典型组合为即梦标准档 + 豆包加强版，或可灵黄金档 66 元起步。
关键动作是先算清"每分钟成品多少钱"，再决定档位。视频生成的排队时间和废片率对实际单价影响远大于标称月费。
月成本：135~350 元
3.4 程序员与开发者：只买 Coding Plan
绝对不要用聊天会员跑编程。可选路径：Claude Pro 20 美元档（含 Claude Code）、ChatGPT Plus 20 美元档（含基础 Codex 额度）、GLM Coding Plan 118 元起、国产通义灵码与 CodeGeeX 有免费额度。
同时必须建立评审机制。Veracode 2026 年 7 月《GenAI 代码安全报告》显示，100 多个模型的平均安全通过率仅 56%，且自 2025 年以来基本没有改善；GPT-5.5 以 68% 领先；Java 是风险最高的语言，通过率仅 30%；专用编程模型并不比通用模型更安全（51% 对 52%）。Secure Code Warrior 2026 年 7 月的研究发现，AI 生成的代码库平均存在 15 个已确认漏洞。因此 90% 部署 AI 编程工具的组织实施了强制人工代码评审。
一个反差值得记住：JetBrains 1 月调查显示 90% 开发者常用 AI 编程工具，但仅 29% 信任其输出。采用率远远跑在信任度前面。
月成本：140~350 元
3.5 制造业工程师：本号读者的主线
这是本文重点。工程师的 AI 需求与办公白领有本质差异，可以拆成三层，优先级从上到下：
第一层，个人效率工具（可立即上手，零成本起步）
外文标准、专利、设备手册的翻译与要点提取 试验数据整理、图表生成、异常值初筛 技术方案、工艺卡、验收报告的初稿撰写 设备报警日志的批量归类与统计
这一层用免费档的通用助手即可覆盖，收益立竿见影。建议优先选择支持长文档与本地文件处理的产品，因为工程资料通常体量大、格式杂。
第二层，研发设计工具（需采购，但有明确 ROI）
2026 年中国工业软件整体市场规模突破 4200 亿元，全年增速 9.2%，其中研发设计类（CAD/CAE/EDA）增速超 30%，是行业增长核心赛道。全行业整体国产化率提升至 35%，但结构分化明显：经营管理类 ERP 国产化率超 85%，生产控制类 MES/DCS 达 50%，而高端 CAE、三维 CAD、EDA 等研发设计类不足 30%。
AI 在这一层的实际效果已经可量化：
行业整体判断是，AI 可将多物理场仿真周期缩短 90%、产品研发周期压缩 40% 以上，且 75% 的制造业企业新增软件采购需求已明确要求内置 AI 协同模块。
第三层，产线智能体（重资产，需项目立项）
这一层不是买软件，是做项目，下一节单独展开。
月成本：个人层 0~68 元；设计层随软件采购；产线层十万元级起
3.6 企业 IT 与数字化负责人：从选型转向治理
这一角色的关键任务已经从"选哪家"变成"怎么管"。三个必须建立的机制：
一是多模型并行的常态化。Datadog《2026 State of AI Engineering》显示 69% 的公司在生产环境运行三个以上 AI 模型（2024 年约为 40%），77% 使用多个供应商以避免锁定。单供应商采购策略在 2026 年已不成立。
二是工具收敛。JetBrains 数据显示平均每位开发者使用 2.3 个 AI 工具，这个数字并非最优。在明确用例边界的前提下收敛到更少工具的团队，通常能获得更高的实际生产力，同时更好地控制安全与成本。
三是合规前置。欧盟工业高风险智能体的合规整改率仅 29%，显著低于通用场景。对有出口业务的制造企业，这是必须提前评估的风险项。另外需要注意，将日历、邮件、笔记等企业数据接入第三方 AI 助手，会显著扩大数据暴露面，涉及敏感商业信息或有数据驻留要求的场景，应在订阅前完成法务评估。
还有一条容易被忽略的数据：Google Cloud 报告指出职业技能"半衰期"已缩短至四年，82% 的决策者认为技术学习资源是组织抢占先机的关键，71% 的受访组织发现自投入学习资源以来营收得到提升，61% 已采用 AI 的员工每天使用 AI。工具采购只是成本，人的能力迭代才是回报来源。
四、回到本行：AI 在焊接与激光加工落到了哪一步
前面三节讲的是通用市场。对“智”造业来说真正需要判断的是：AI 在自己这条产线上，现在处于什么阶段。
4.1 渗透率：制造业已过半，但中国仍在爬坡
几组口径不同但方向一致的数据：
Google Cloud《2026 年 AI 智能体趋势报告·制造业》（基于全球 517 位制造业与汽车行业高管调研）：56% 的制造业组织已在生产环境部署 AI 智能体，其中 54% 用于质量控制、48% 用于生产规划、47% 用于供应链与物流；37% 的组织已部署超过 10 个 AI 智能体。 Gartner：截至 2026 年三季度，全球制造业中部署任务特定型 AI 智能体的企业占比达 58%。 国内：中大型制造企业智能体部署率突破 35%，整体低于办公场景渗透率，但增速远超通用场景。
政策层面给出了明确时间表。2026 年 1 月，工信部等八部门联合印发《"人工智能+制造"专项行动实施意见》，明确到 2027 年推动 3—5 个通用大模型在制造业深度应用、形成 1000 个高水平工业智能体。
场景分布上，《167 个验证案例全景分析——2026 中国制造业 AI 场景应用白皮书》显示，生产制造环节以 62.3% 的渗透率成为 AI 应用最深的主战场；供应链 AI 当前渗透率仅 5.4%，但 ROI 全行业最高。
激光焊接机械臂 + AI 视觉闭环
4.2 焊接与激光加工：三条已经验证的技术路线
路线一：多模态过程感知 + 实时闭环
这是最贴近本行核心的方向。2026 年 3 月慕尼黑上海光博会首日，新耐视发布 NewAI-OCT 2.0 多模态智能焊接系统，融合四种感知模态：
OCT 熔深模态：实时测量熔池内部深度，精度达 0.1mm 视觉模态：基于 2D/3D 视觉深度学习，实时监测熔池行为与焊缝成形 光谱模态：监测等离子体与金属蒸汽特征，预警材料烧损或合金元素挥发 功率模态：监测激光实际输出功率与焊接过程声波特征，捕捉能量波动
四种模态通过微秒级同步触发机制形成立体感知网络，AI 模型在持续训练中建立"表面图像—内部熔深—热历程"的关联分析能力。系统已在白车身四门与侧围飞行焊、动力电池防爆阀与极柱焊接、镀锌板与铝合金钎焊、铜排焊接等场景开展验证。
这条路线的技术意义在于，它把焊接质量控制从"事后检验"推进到"过程感知+实时决策+自适应调参"。对新能源电池、精密电子这类受材料差异、镀层波动、装配间隙、热输入扰动影响显著的场景，固定参数加焊后抽检的传统方式已经无法规模化保证一致性。
路线二：AI 视觉质检 + 工艺大数据交叉验证
2026 年 7 月上海 AMTS 汽车装备展上，鸿栢科技发布内置 AI 大模型的螺柱焊质量检测系统，采用"拍照 + 电学数据"双重检测机制。
系统采集六大维度数据：工艺参数（焊接电流、电压、提升高度）、过程数据（电学信号、报警日志）、材料属性（板材材质、厚度、螺栓类型）、机器人数据（六轴坐标）、相机全检、人工抽检。底层由焊接过程参数数采网关、基于 ClickHouse 的焊接大数据平台、OK/NoK 及缺陷类型预测模型、异常归因分析模块构成。
基于 YOLOv8 的 AI 视觉检测可识别焊缝裂纹（>2mm）、气孔（>1mm）、螺柱倾斜（>2°）、螺纹损伤等缺陷，在线检测效率达 1000 件/小时，误判率从 5% 降至 0.1%。
这个案例值得关注的不是算法，而是它解决的管理问题：传统质检下，问题被发现最长需 4 小时，反馈机制逐级上升需 1~2 小时，问题处理最高 3.5 小时，每日质检表整理消耗约 2.25 小时——这套时间成本在 60JPH 的高节拍产线上是无法承受的。
路线三：工艺知识库 + 免示教编程
徐州华恒机器人的实践给出了另一个方向。其多模态感知融合架构将高频视觉、热成像、声学信号、电气参数通过交叉注意力算法融合，实现焊接状态实时感知，公开数据为：
焊缝特征识别率 99.8%，轨迹控制精度 ±0.5mm，边缘端推理 30 帧/秒 无需人工示教，机器人自主识别焊缝即可焊接，节省 90% 编程时间 数字工艺库沉淀 10000 余套成熟焊接参数，材质、板厚、坡口、质量标准一一对应 新品工艺调试效率提升 80%，首件合格率 99.5%
同类效果在多家企业得到验证：华龙讯达为家电"灯塔工厂"打造的洗衣机框架焊接产线，OEE 提升超 25%，换型周期从 3—5 天缩短至 4 小时内；固建机器人通过拖动示教把 H 型钢示教时间从 4 小时缩短至 15 分钟，新员工培训周期从 3 个月压缩到 3 天；集萃智造的智能焊接机器人让普通工人半天上手，焊缝合格率超 99%，重复定位精度 ±0.02mm；树根科技通过 AI 视觉识别把焊接准备时间减少 80%，探伤合格率提升至 90% 以上。
汽车行业的深水区案例：华为盘古大模型工业版已实现视觉、声纹、热成像三模态融合，在宝马沈阳工厂通过分析电弧声纹频谱（采样率 192kHz）、熔池红外特征（温度分辨率 0.5℃）与焊缝成形图像，将虚焊漏检率控制在 0.03% 以下。
4.3 一条容易被低估的价值：经验资产化
上述案例中，效率数字容易被记住，但更长远的价值是另一件事——把老焊工几十年的实操经验数字化留存，让经验可复用、可传承。
甲子光年报告的表述是：工业 Know-how 将从依附个人经验转为可沉淀、可复用的数字化工作流资产。对于普遍面临技术工人老龄化和断代的焊接行业，这一点的战略价值可能超过任何单点效率提升。
按付费意愿排序，排产调度 Agent 最高，可把静态计划表升级为滚动调度闭环；工艺优化、执行监控、设备运维构成另外三大核心赛道。落地顺序建议为"先生产核心闭环，再拓展研发与供应链"。
五、选型的七条硬原则
综合以上数据，给出可直接执行的判断规则。
第一，先确认自己在哪张牌桌上。 通用助手、编程代理、图像视频、办公工作台、工业智能体，五张桌子的评价标准和计费逻辑完全不同。跨桌比较排名是选型失败的首要原因。
第二，每周使用少于 30 次，不要付费。 免费档基本不会撞限。想不起上次撞限是什么时候，就说明不需要会员。
第三，只买最常撞限的那一家，先月付不要年付。 各家限额规则随时会改——Claude 在 2026 年 6 月 15 日刚把 Agent SDK 用量移出订阅池改为独立积分，智谱 7 月 30 日单次涨价 130% 以上。年付等于把议价权交出去。
第四，编程和批量任务绝不用聊天会员。 Agent 消耗的是多步 Token，聊天额度模型不为此设计。选固定月费的 Coding Plan 或按量 API。
第五，AI 输出必须有人工评审环节。 代码安全通过率均值仅 56% 且一年未改善，AI 生成代码库平均 15 个确认漏洞。工艺参数、计算结果、技术方案同理——90% 的成熟组织都建立了强制评审。采用率跑在信任度前面（90% 对 29%）是当前的客观状态。
第六，工业场景从单点切入，不要等数据治理完美。 优先选 ROI 可量化的场景（排产调度、AI 质检），小范围闭环验证，再向研发与供应链扩展。
第七，数据边界必须提前划清。 把图纸、工艺参数、客户信息接入第三方 AI 服务，会显著扩大数据暴露面。有出口业务的企业还需考虑欧盟高风险智能体合规要求（当前整改率仅 29%）。核心工艺数据的处理，优先考虑本地私有化部署。
六、结语：2026 年的分水岭不在模型，在闭环
回到开头的问题——AI 软件用到什么程度了？
通用侧的答案是：已经足够成熟，且日常使用可以零成本。国内 AI 原生 APP 月活 4.99 亿、同比增长 85.4%，头部产品的日常能力差距不到 0.5 分，付费买的是额度和优先级而非能力解锁。这一层不需要犹豫，今天就可以开始用。
编程侧的答案是：已经成为默认工作流。90% 的专业开发者每周使用，68% 每天使用，但只有 29% 信任其输出——工具已就位，方法论还在建。
工业侧的答案要谨慎得多：56% 的全球制造业组织已在生产环境部署智能体，国内中大型制造企业部署率突破 35%，焊接与激光加工领域已有多个可量化的验证案例（误判率 5%→0.1%、编程时间省 90%、OEE +25%）。但这些成果的共同前提，不是选对了哪个大模型，而是打通了"设备—数据—模型—应用—业务价值"的完整闭环。
换句话说，通用 AI 软件的竞争已经进入定价与生态阶段，而工业 AI 的竞争还停留在最朴素的地方：你有没有真实的产线数据，你能不能把它变成可复用的工艺资产。
对做激光、做焊接的人来说，这反而是好消息。模型是买得到的，产线数据买不到。
附：一页速查表
数据来源：
1、QuestMobile《中国移动互联网 2026 年上半年大报告》
2、Sensor Tower 2026《AI 现状报告》
3、JetBrains 开发者生态调查 2026
4、Stack Overflow 开发者调查 2026
5、Google Cloud《2026 年 AI 智能体趋势报告·制造业》
6、甲子光年智库《2026 工业 AI 智能体研究报告》
7、《2026 中国制造业 AI 场景应用白皮书》
8、SuperCLUE 2026 年 5 月评测
9、Veracode《2026 GenAI 代码安全报告》
10、Datadog《2026 State of AI Engineering》
11、中商产业研究院、Menlo Ventures，以及各厂商官方发布与公开报道
说明：文中不同机构数据口径存在差异（移动应用活跃、网页流量、企业用量、下载量等），已在相应位置标注，请勿跨口径直接比较。
