工业智能体 竞逐4.5万亿智能制造装备蓝海

在“具身智能”“工业AI”“智能制造”等概念交织之下，一个新名词迅速进入公众视野：工业智能体。

它有时被用来描述工业机器人，有时指代工业软件系统，有时指代大模型在工业场景的延伸。概念界定尚未统一，但企业和资本已经先行。

今年4月，中科智云科技有限公司（以下简称“中科智云”）发布工业装备全域智能体SIEA-CORE（Super Industrial Equipment Agent）。该智能体具备理解物理世界、预判动态过程的核心能力，不仅适用于新建厂区，亦可赋能现有设备的智能化升级。

中科智云首席产品官轩江，用“自动驾驶”作比：自动驾驶并不是放一个人形机器人去做驾驶员，而是让车辆本身能够了解路况、作出决策并完成操作。同样，将具身智能技术应用在塔式起重机等工业装备上，关键不在于模仿操作员的动作，而在于理解设备的物理规律并支持设备本身进行决策。

在央视大型纪实创投节目《赢在AI+》中，这位斯坦福毕业生半开玩笑地提到，自己为校友OpenAI的CEO山姆・奥特曼（Sam Altman）改过作业。“今天要向他好好学习。”轩江说。

在工业智能体领域，资本消息不断。

3月中旬，IDG资本、基石资本等重注的思谋科技，向港交所递交上市申请，冲击“工业AI智能体第一股”。其招股文件显示，公司从2023年至2025年，收入分别为4.85亿元、7.56亿元和10.86亿元，今年2月融资后，其估值达12.3亿美元。

制造装备市场“新变量”

理解工业智能体的市场基础，要置放于我国庞大的制造业体系中。

多家机构预测，到2030年，中国智能制造装备市场规模，有望突破4.5万亿元，年复合增长率在12%～16%之间。

同时，灼识咨询数据显示，中国工业AI智能体的市场规模，从2023年的58亿元增长至2025年的148亿元，预计在2030年将达到906亿元，2025年至2030年的复合年增长率达43.6%。

这意味着，工业智能体有望成为智能制造中，增长最快的细分赛道之一。

从市场格局来看，目前工业智能体市场高度分散。正冲刺上市的思谋科技，其市场份额仅为5.8%，行业前五名的市场份额，合计不足三成。增长快、空间大且格局未定，使工业智能体成为投资人眼中“长坡厚雪”的赛道。

从技术趋势来看，在“Physical AI（物理AI）”成为科技界新共识的当下，AI从虚拟世界走向现实世界，具身智能成为关键载体。

“AI在更广阔的人类生活中如何落地？最终还是要回到物理世界。”在中科智云投资人、联合创始人唐亮看来，具身智能是物理AI的重要表现形态之一，当前的人形机器人热潮，只是这轮投资关注的起点。

唐亮在接受21世纪经济报道记者采访时表示，从一级市场投资人的视角来看，市场关注的焦点将转向更具现实落地能力的方向。比如，工业场景的大规模应用。

从概念到落地

市场潜力决定了工业智能体赛道“值不值得做”。对定义的差异化理解，则决定着技术变革之中，新晋玩家们“要怎么做”。

西门子在一份报告中为工业智能体下定义：在工业环境中，通过融合工业机理和人工智能技术开发、部署和运行的系统，能够对生产设备、工艺流程和物流管理等环节进行自主控制与优化。

换句话说，能否称为工业智能体，核心不在于“是否使用AI”，而在于是否形成完整闭环——从感知环境到理解状态，再到自主决策与执行。这一能力，是工业从“自动化”走向“自主化”的关键节点。

“今天有行业标准吗？没有。很多人都可以说，自己在做工业智能体。”唐亮直言，定义和标准尚未统一，但行业现状和趋势已清晰。

其一，这一市场处于早期阶段，渗透率低，增长空间巨大；其二，中国企业在应用与场景侧具备独特优势，中国智造有望成为主流路径；其三，随着新玩家、新团队的涌入，行业格局将持续发生变化。

如今，不同玩家正沿着各自的技术路径与商业方向加速推进。以中科智云为例，其已切入能源、交通、有色冶炼等场景，大量设备运行数据开始沉淀。

“当几千台、几万台机器同时运行，几乎24小时采集数据，大模型和智能体就会通过学习，掌握设备运行的物理原理。”唐亮认为，中科智云的优势就在于“SIEA-CORE”的通用智能体本质。

简而言之，在一台设备上验证有效的自主能力，可以在更大规模的设备中复制。“我们是同时在进化，同步学习几千几万台设备的不同场景。”

从试点到大规模应用

在围绕“人工智能+”的讨论中，工业智能体常与具身智能同时出现。在公众印象中，提到具身智能，最先想到的往往是人形机器人。

唐亮表示，“人形机器人的重点是模拟人的运动规律，而非其他工业装备的运动规律，因此在工业应用上有很多问题需要解决,短期内无法实现大规模应用。”

相比之下，如何将具身智能技术落地到工业场景里，掌握工业装备的物理运行规律，才是迭代工业设备的现实路径。

中科智云的切入点并非新型机器人，而是塔吊、堆取料机、装卸设备等经典工业装备。这些场景具备高风险、大市场和可标准化的特征，相对适合规模化复制。

“我们做的，是将人从难以适应的极端温度、高粉尘与颗粒物、高湿度与腐蚀性等环境中转移出来。”唐亮表示。

在恶劣工况下，相关岗位招工困难，用工单位自动化需求明确。市场反馈也印证着团队最初的判断：工业智能体的大规模市场需求，将首先出现在存量设备更新与智能化改造领域。

工业智能体企业开始探索商业化，但真正实现规模化部署的企业有限，大多数仍处在试点或局部应用阶段。成本、系统集成与人才等问题仍是主要瓶颈。

今天的工业智能体处在一个典型临界点：技术可行、需求显现、资本进入，但大规模商业化仍在探索和验证中。在这一过程中，最容易被高估的往往是技术进展，最容易被低估的则是工程落地的复杂性。

在中科智云的路径探索中，现阶段的核心是为存量设备装上“智能大脑”。未来，随着更多形态设备甚至机器人接入，同一套智能系统将调度不同设备，完成更复杂任务。

到那时，工业智能体不会停留在单一产品形态，将演变为一套跨设备、跨场景的系统能力。

这也意味着，工业智能体领域在短期内很难达成共识，它更像一个正在生长的“生命体”——其能力在扩展，边界在延伸，无需定型。