2025年3月7日，發布了一篇計算機行業的研究報告，報告指出，再談工業AI-立足跨模型架構AI中台，落地垂類Agent場景。
報告具體內容如下：
再談工業AI，當下“易部署、高可靠、低成本”的“既要、又要、還要”或有破局可能。3月6日，Monica.im發布全球首款通用型Agent產品Manus，標誌著Agent應用進入全麵落地階段。市場此前一直有聲音認為，工業場景具有數據高複雜度、結果低容錯率、成本敏感性高等特點，因而在本輪AI大模型技術發展的浪潮中，應用落地節奏相對較慢，短期內較難改變既有的業務流程與生產管理範式。然而，早在20230409《AI+工業信息化，高價值、高普及、高認可之路》報告中，我們已旗幟鮮明地指出，“本次AI技術創新到實際工業場景落地的時間可能快於市場預期”，並詳細梳理了工業AI的三類核心應用模式與三大發展階段。立足當下，我們認為，1）“多模態大模型any2any”的技術演進趨勢有望降低工業場景非結構化數據的處理難度；2）“大模型指揮+小模型執行”的融合工業AI中台有望實現跨模型混合推理與模型與知識庫的兩端的平滑迭代優化；3）Agents替代人力勞動，疊加DS大幅降低算力成本、國內勞動力工資持續提升的背景下，“機器換人”或逼近拐點時刻。 工業AI中台回應模型側與數據側高頻“無痛”迭代訴求，商業化正處於滲透率0到1階段。工業客戶行業知識庫與外界AI大模型迭代速度較快，一方麵，AI決策直接影響工業客戶生產質量，因而AI必須基於製造業的專業知識進行定製化（預訓練、微調、RAG），並伴隨客戶的知識庫變化同步更新；另一方麵，過去兩年AI大模型迭代加速，且不同的AI模型適配的應用場景有所差異。工業AI中台能夠在不影響正常生產經營的前提下實現AI模型兩端的平滑升級和優化，具備“開源大模型+雲API”混合推理、多模型綜合管理、模型全生命周期管理、可觀測性四項核心能力。商業化方麵，近期中標合同金額達4,867萬元的AI中台項目，內容包括基於AI工具鏈實現數據處理、大模型訓練與微調、AI應用開發等端到端能力，並具備接入DeepSeek大模型的能力。發布於2024年6月的流程工業時序大模型TPT，結合大量行業知識和工業數據基礎，融合工藝參數的設備異常監測及診斷、實現全過程質量精準模擬與優化控製、將難以機理建模的裝置運行優化、幫助石化裝置實現精準模擬優化和動態路徑規劃。目前已在、、鎮海煉化等數十家大型企業的氯堿、熱電、石化等裝置實現落地應用。我們認為，工業AI中台目前尚處於滲透率早期，以“華為晟騰+賽意信息”合作模式為例，工業AI中台部署對算力整合、模型管理、工業數據治理、領域Knowhow、工程化交付等能力提出較高要求。 工業AI應用中生產控製環節成熟度持續保持領先，全環節垂類Agent應用點狀湧現。在20230409《AI+工業信息化，高價值、高普及、高認可之路》報告中，我們曾基於信通院《工業智能白皮書(2022)》梳理認為，生產控製環節的AI應用占比超57%，擁有表麵缺陷檢測、生產過程控製優化、質量關聯分析、預測性維護、安全管理與巡檢、生產作業視覺識別、物料識別與操作等一批典型細分場景。本篇報告中，我們進一步基於2023年605個工信部智能製造優秀場景統計認為，出現頻率排名前10的場景生產環節約占7個，生產製造仍是工業AI落地成熟度最高的環節。究其原因：一是場景需求成效顯著，產品質量、效率以及設備管理直接與企業經濟掛鉤，是幾乎所有工業企業共同關注的重點環節。二是數據獲得性強，生產過程數據、設備運行過程數據等數據量較大、采集相對簡單，為AI技術落地提供了基本條件。三是技術成熟度較高，以機器學習、圖像識別等傳統AI算法麵向特定問題實現識別、參數預測及優化為主。垂類Agent場景中：1）賽意信息AI+PCB方案打通MI參數解析?BOM成本查詢?自動生成報價全流程。2）中控技術基於TPT大模型推動流程工業APP訂閱製轉型，基於DCS+物流實現電解液桶“洗、檢、存”“零人工”幹預。3）PLM+DS構建知識問答智能體，優選物料智能推薦；打造數字設計工程師，自動生成研發圖紙。4）鋼鐵IT企業發布“鋼鐵行業大模型”，推出廢鋼智能檢判SaaS化平台。5）基於金蝶雲ⷨ’‹發企業服務智能體，在單據審核、財務分析、人才招聘、征信等多個垂類場景落地Agent。6）EDA企業智能問答+缺陷分類+模型自動分析優化+良率分析。
我們認為，AI大模型問世2年多後再談工業AI，“易部署、高可靠、低成本”的“不可能三角”或有破局可能，我們看好工業AI中台+垂類Agent應用落地，推薦關注中控技術、賽意信息、等工業AI重點標的。
風險提示
工業AI落地節奏不及預期的風險；工業數據隱私保護的風險；傳統工業軟件企業轉型節奏不及預期的風險。
聲明：本文引用第三方機構發布報告信息源，並不保證數據的實時性、準確性和完整性，數據僅供參考，據此交易，風險自擔。
