作者:快思慢想研究院院长 田丰,央视财经
开篇 铁水该去哪座转炉?
![]()
图:首钢迁钢公司生产环保指挥中心内景
河北迁安,首钢旗下的迁安钢铁公司有一道老难题:高炉出来的铁水,该分给哪座转炉。过去这件事靠老师傅的经验和体力。如今AI模型参与管控,一年省下7000万元成本。智能工厂里有一双看不见的“手”,把生产工艺流程从人的经验移到数据和模型。
2026年11月17日,工信部等六部门印发通知,34家工厂入选2026年度领航级智能工厂培育名单。领航级是我国智能工厂梯度培育的最高层级,连同2025年的首批15家,总数达到49家。新名单的区域覆盖东部、中部、西南、西北和东北;行业在装备制造、钢铁、电子信息之外,首次纳入医药、服装、饮料等消费品企业,从大国重器延伸到百姓民生。成绩单同样醒目:第二批工厂全员劳动生产率平均提升34.4%,生产效率平均提升19.3%,累计带动近4000家企业协同开展数字化、智能化升级。
![]()
图:工信部智能工厂评级体系
通知要求各地结合实际支持智能工厂建设、强化服务,指导构建高质量数据集、开发工业智能体、探索先进制造模式、打造智慧供应链,总结经验、加强推广,推动制造业智能化、绿色化、融合化发展。
1987年,诺贝尔经济学奖得主罗伯特·索洛写道:“计算机时代随处可见,唯独不见于生产率统计。”近40年后,当AI走进车间,同样的追问又来了。快思慢想研究院院长田丰给出的答案是:生产率藏在工厂决策权的跃迁中。
一、一座会“自己改进”的工厂
![]()
图:小米汽车工厂车间流水线上作业的机器人(资料照片,新华社发)
在田丰看来,智能工厂最大的特点,是学会了“自己改进自己”。传统自动化工厂按预设程序重复执行,参数调整靠人;智能工厂把设备、物料、订单、质量数据实时接入,模型根据结果反馈修正下一次决策。感知、决策、执行、反馈的闭环,从主要靠人类专家调整,转向由数据和模型驱动。
中国工程院院士周济用“人—信息—物理系统”描述这种结构:物理系统是主体,信息系统是主导,人是主宰。诺贝尔经济学奖得主赫伯特·西蒙在1971年提醒过,信息的丰富会造成注意力的贫乏。一座现代工厂吐出的数据,早已超过任何专家团队的注意力上限,把一部分决策交给AI模型是必然。田丰给出两个检查项:一是多少关键决策由AI模型给出?二是模型的决策是否随数据积累持续变好?
用这把尺子量,领航级工厂有三个“密码”:
1)AI进入决策核心,覆盖全链条。2026年版要素条件要求领航级覆盖工厂建设、研发设计、生产作业、生产管理、运营管理五个环节,以“数据+知识”驱动创新范式、生产方式和管理模式的重塑,AI场景应用比例不低于60%。第二批工厂该指标实际超过70%,开发工业智能体超过1000个。名单中第一个项目,就是小米汽车的“AI驱动的敏捷制造高端新能源汽车超级智能工厂”。
2)用全球领先的极限指标定义竞争力。对两批项目名称做词频统计,含“AI”、“智能体”、“工业智能”、“数智”等关键词的项目,由首批1个增至第二批11个;含“极致”、“零缺陷”、“一次成功”、“可靠”等质量类关键词的比例,由20%升至32%。各家工厂比的已经是谁能用AI把质量、能效、交付做到全球极限。
3)模式可复制、能输出。领航级要求通过“母工厂”等方式向上下游输出先进制造模式和解决方案,这是它与其他层级工厂的最大分野。首批15家带动1300多家企业协同升级,第二批34家带动近4000家,单厂平均带动数量由约87家升至约118家。名单经省级推荐、专家评审、实地核查、现场答辩、网上公示五道程序产生,实地核查与现场答辩两关,考的正是这些能力能否在现场被验证、被复制。马斯克有句话:真正难造的是“制造机器的机器”。领航工厂要输出的,就是这样一台母机器。
二、四道考题:数据、智能体、模式、供应链
![]()
图:赛力斯汽车超级工厂,问界M9新车下线
通知点名的四项任务,田丰看作四个层次的系统升级:数据集管“要素”,工业智能体管“能力”,先进制造模式管“生产方式”,智慧供应链管“产业组织”。数据从附属品变成生产要素,AI从工具变成能感知、决策、执行的智能体,工厂从优化工序转向重构组织,竞争单元从一座工厂扩展到整条供应链。四者前后相扣,每一环都要有可度量的闭环。
有一组振奋人心的数字。《“人工智能+制造”专项行动实施意见》提出,到2027年推出1000个高水平工业智能体、打造100个工业领域高质量数据集。第二批34家领航工厂开发的工业智能体已超过1000个。数量目标提前触达,接下来的考点是“高水平”:可靠、可复用、可验证。毕马威2026年的调研给“高水平”标价:88%的受访企业已把智能体接入系统,能实现投资回报的只有24%。
1)数据集,难在稀缺样本。正常工况的数据堆积如山,模型的上限却取决于罕见缺陷、异常工况和工艺机理。有三个发力点:以缺陷库、工艺知识图谱为核心建行业数据集;用仿真与合成数据补足长尾样本,英伟达在GTC 2026推出的物理AI数据工厂蓝图正是这个方向;理清跨企业数据的权属与收益分配,国家数据局作为六部门之一参与培育,对应要解决的就是这道题。
2)智能体,难在可信运行。邬贺铨院士把智能体概括为“大模型+记忆系统+工具调用+规划能力”的闭环。工厂对差错几乎零容忍,应先从排产、质检、仓储等高频、结果可量化的决策切入,为每个智能体建立身份、权限和操作留痕,并核算“影子人工成本”,即维持智能体可信运行所需的复核与纠错人力。这笔账决定智能体的真实回报。
3)模式与供应链,难在组织。第二批项目名称里出现了“无余量造船”、“积木式”、“千品共线”、“母工厂”等模式关键词。赛力斯依托汽车“产业大脑”串联300多家合作伙伴,效率提升超过10%,带动14家供应链企业数智化转型。瓶颈在企业间的数据共享规则。田丰建议由领航工厂作为链主建设“行业可信数据空间”,让需求预测、库存和产能信息在链上实时流动;德勤《2026制造业展望》也把智能体对供应链风险的自主感知列为重点方向。
三、重器车间的“三级跳”
![]()
图:中兴通讯南京滨江基地“5G全连接智能工厂”生产线
装备制造、原材料、电子信息仍是名单主力。田丰做出判断:AI已进入工厂决策层,工业智能体开始成建制上岗,整体处在多智能体协同的早期。第二批AI场景应用比例超过70%,比领航级60%的准入门槛高出10个百分点以上;工业智能体平均每家约30个。
三个行业各有代表。原材料行业,首钢股份2026年以来上线AI智能体45个,累计落地智能化场景929个,热轧生产智能体让方案排程效率提升80%,转炉、蒸汽平衡、退火炉温控等核心工艺都有模型参与。装备制造行业,赛力斯超级工厂由AI控制3000台机器人协同作业,关键工序100%自动化,开发了1000多项AI与视觉检测点。电子信息行业,中兴通讯南京滨江基地80多个“数字员工”分管排产、订单流转和产品全生命周期管理;仓储智能体趁夜间空档重排库位,月拣选距离从40多万米降到16万米,降低了60%。
这些案例勾出“三级演进”:
1)感知类应用,如质检、预警,已普遍成熟;
2)决策类应用,如排产、调度、工艺参数,正在规模化;
3)跨工厂、跨企业的多智能体协同,赛力斯“产业大脑”串联300多家合作伙伴,是它的早期形态。
田丰预测,未来两三年(2027-2028年),智能工厂比拼的将从“部署了多少智能体”,转向供应链上、协同网络中“多少关键决策默认由智能体给出”。
还有两个效率指标十分关键。全员劳动生产率平均提升34.4%,生产效率平均提升19.3%,前者约为后者的1.13倍。按通常口径,前者反映人均产出,后者反映产线速度,两者之差意味着约一成增益来自人员结构优化和产品价值提升(以官方统计口径为准)。2024年诺贝尔经济学奖得主达龙·阿西莫格鲁警惕过“平庸自动化”:机器换了人,生产率却没涨多少。领航工厂的数据说明,当AI改造的是组织和决策,财务提升会更明显。
四、还差三步
![]()
图:小米人形机器人在汽车工厂自攻螺母上件工站作业
智能工厂下一步的“高水平”突破,田丰认为有三点:
1)可靠性。雷军说过,实验室可以用一万次失败换一次成功,真实工厂必须做到一万次任务次次成功。这句话同样适用于智能体决策。可靠性和可审计性,是智能体从辅助走向主导的前提。
2)装备与工业软件的自主性。国际机器人联合会(IFR)数据显示,2025年中国新装工业机器人占全球59%;按新口径计算,中国制造业机器人密度为每万名员工193台,全球第19位。增量全球领先,存量密度仍有差距。周济院士提出,新一代智能数控机床要具备自主感知、决策、执行和学习能力。工业母机和工业软件,是这一轮升级的地基。
3)具身执行。2026年3月,小米人形机器人在汽车工厂的自攻螺母上件工站连续自主运行3小时,双侧安装成功率90.2%,满足最快76秒的节拍。到7月,这一成功率已升至98%,离人工作业99%的合格率只差1个百分点。最后一个百分点最难,接下来要看整班连续作业的时长和成功率。
三点放在一起,会看到一个反直觉的落地顺序:最先被AI接管的是排产、调度这类“白领决策”,最难的任务却是拧一颗螺母。机器人学家汉斯·莫拉维克1988年就描述过这个现象:让计算机在智力测验或下棋中达到成人水平相对容易,让它具备一岁孩子的感知和行动能力却极难。今天的智能车间正是如此:智能体已成建制上岗,人形机器人还在单个工位上考试。决策层的进步靠数据和算力,见效快;执行层的进步靠精密装备、传感器和长时间现场磨合,见效慢。前者决定领航工厂跑多快,后者决定它们走多远。
五、当AI学会“看、闻、摸”
![]()
图:泸州老窖智能包装中心
医药、服装、饮品首次进入领航名单,田丰读出的信号是:智能制造的成本门槛在下移。
首批入选的消费品是海尔、格力两家空调工厂,属于标准化程度较高的耐用品。第二批的中药、服装、白酒,分别面对天然原料成分波动、柔性面料难以机器抓取、固态发酵依赖经验三类难题,长期是自动化渗透最慢的地方。哲学家迈克尔·波兰尼说:“我们知道的,比我们能说出的多。”老师傅的手感就是这种说不出的“经验知识”。这些工厂能跨过“AI场景不低于60%”的门槛,说明AI处理隐性经验的能力已到工程可用的临界点。
经济账也算得过来了。消费品单品利润薄,过去自动化投入回收期长;大模型和视觉算法的使用成本下降、通用模型能跨工序复用之后,低毛利行业跨过了投资回报门槛。天士力2025年营业收入同比下降3.08%,归母净利润同比增长15.63%。收入没涨,利润率上去了,这正是存量市场里智能化改造的价值。
这类消费品工厂的培育与装备、原材料行业有三处根本不同:
1)价值重心在需求侧。装备、原材料工厂的AI主要优化工艺极限和设备效率;消费品工厂的AI首先用在需求预测、选款、排产和库存,海澜之家的项目名称就以“需求洞察”开头。
2)约束来自监管合规。药品生产受GMP约束,工艺参数和生产记录要满足数据完整性要求,工艺变更须经验证,AI模型进入生产控制之前,必须先做到可验证、可追溯。
3)评价标尺在一致性。中药、白酒的原料来自农业,批次天然波动,“全球领先”更多体现为批间一致性和全程可追溯,单机效率退居其次。消费品领航工厂的评估,需要配套更重视需求响应速度、库存周转和质量一致性的指标。
评价体系由此从“国之重器”扩展到“民之所需”。田丰预测,乳制品、家居、纺织印染将在后续批次出现更多领航工厂。
六、衣柜、药箱与酒杯
![]()
图:海澜云服5G智慧工厂内AGV机器人搬运面料
对老百姓来说,这些工厂改变的是竞争方式:从拼产能、拼渠道,转向拼周转、拼一致性。落到生活里,是更稳定的品质、更短的等待,以及更少被转嫁进价格的库存成本。
1)衣柜。服装业最大的损耗是库存。海澜集团董事长周立宸判断,全球服装库存积压率超过30%,这部分成本最终进入售价或折扣清仓。海澜用10年、10亿件服装的RFID数据训练需求预测模型,配合柔性产线实现“1件起订、4天成衣、7天货达”。消费者感受到的是尺码更全、上新更快,价格里的库存损耗变少。
2)药箱。中成药的痛点是批次间差异。天士力在复方丹参滴丸生产全过程设置2100个数据采集点位,把质量控制从成品检验前移到每道工序。对患者而言,每一批药品药效更稳定、来源可追溯。行业的难点是中药尚未形成统一的溯源数据标准,领航工厂的公共价值,在于把数据标准和质控方法输出给中小企业。
3)酒杯。白酒酿造长期依赖老师傅“看、闻、摸”。泸州老窖以“非遗技艺传承与AI融合”入选。它的“智能摘酒”系统用AI视觉识别酒花大小,自动判断酒精度并分段接酒,把“看花摘酒”的手艺变成了数据。工艺经验开始被量化保存,对个人经验的依赖随之降低。
消费品产业链长,药材种植、面料、原粮等上游环节大量是中小企业,第二批34家已带动近4000家企业协同升级。斯坦福大学经济学家埃里克·布林约尔松的“生产率J曲线”认为,通用技术的收益要在大规模扩散之后才集中显现。田丰预测:老百姓先感受到的是品质稳定和价格温和,品类的明显丰富会晚一到两年。
七、一座移动的金字塔
![]()
图:蒙牛高科“乳制品全链路协同智能工厂”
我国智能工厂按基础级、先进级、卓越级、领航级四个层级梯度培育。田丰把它比作一座逐级跃迁、门槛逐年上调、数量快速收窄的金字塔。
1)四级智能工厂各有使命。基础级聚焦数字化转型,先进级聚焦数字化网络化能力提升,卓越级实施智能化升级、对标全国领先,领航级聚焦智能化变革、对标全球引领。卓越级的AI场景应用比例门槛,由2025年的不低于20%提高到2026年的不低于30%;领航级保持不低于60%,还要求主要技术经济指标全球领先、开发工业智能体、建立从数据、模型到智能体的一体化管理体系、通过“母工厂”向上下游输出、守住伦理风险底线。本批名单以工信厅联通装函〔2026〕562号文印发。前三级解决“自己做得好”,领航级承担定义未来制造模式、向产业链输出的责任。
2)漏斗越来越尖。截至2026年上半年,全国各级智能工厂累计6.5万余家;截至2026年9月底,先进级1.3万余家、卓越级500余家;领航级累计49家。先进级到卓越级的比例约3.8%,卓越级到领航级约10%,后者由推荐上限决定。2025年11月首批领航工厂亮相时,先进级还只有7000余家,不到一年接近翻倍,卓越级仍是500余家。底座扩得比塔尖快,最窄的一跳就在“先进到卓越”,即从“联网互通”跨到“AI驱动核心流程”。管理学家艾利·高德拉特的约束理论说,系统的产出由瓶颈决定。政策资源投在这一跳,回报最大。
3)三个范式,加一个角色。周济院士把智能制造演进分为数字化、数字化网络化、数字化网络化智能化三个范式。基础级、先进级完成前两个,卓越级进入第三个,领航级在第三个范式里承担模式输出者的角色。递进路径已有实例:天士力的“现代中药全产业链协同智能工厂”2025年入选卓越级,一年后跻身领航级;泸州老窖也是白酒行业首家卓越级智能工厂。乳制品的候选梯队同样成形:蒙牛宁夏工厂是首批卓越级、全球首家液态奶灯塔工厂,今年蒙牛高科乳业、南京卫岗乳业的工厂又进入卓越级公示名单。工信部已明确AI应用门槛逐年提高,今天的领航水平,几年后可能就是卓越级的准入线。名单正式名称是“培育名单”,入选后仍要持续建设、接受跟踪评价。田丰预测,评价指标将在“AI场景占比”这类投入指标之外,加入“AI决策采纳率”、“人均产值行业相对值”等结果指标。
八、49家领航工厂,有什么意义?
![]()
图:海尔中央空调互联工厂
两批合计49家,田丰的判断是:这是中国智能制造从“示范样板”迈入“模式与标准输出”阶段的起步规模。相对于中国制造业的体量,它仍是塔尖,真正的价值取决于扩散速度。
1)够做样本,还不够成网。49家只占先进级智能工厂的约0.38%。作为参照,世界经济论坛全球灯塔网络共238家,中国占109家;首批领航中的海尔中央空调互联工厂,2018年就入选了全球首批灯塔。灯塔评价技术用例的规模化成效,领航级在此之上叠加了AI场景占比、母工厂输出和伦理风控要求,两套体系构成国际与国家两把标尺。
2)增长节奏可以测算。按规则,各省推荐领航级项目数不超过本省累计卓越级数量的10%。今年卓越级公示253家,明年累计卓越级约750家,领航级推荐上限相应抬高约一半。田丰预测,领航级将进入每年数十家的稳定增长期,“十五五”末累计有望超过200家。
3)收益要等扩散。经济史学家保罗·戴维研究发现,电动机进入美国工厂后,生产率的大幅跃升出现在厂房布局与组织方式围绕电动机重新设计之后,前后用了数十年。我们常说“AI是新的电力”,这个类比也适用于时间表。布林约尔松认为,美国已从AI投资期转入收获期;中国制造业的收获期,取决于领航工厂的方法能否在1.3万余家先进级工厂里规模化复制。
出海是另一条扩散路径。本次通知以贯彻落实全国先进制造业大会精神、加快发展新一代智能制造为出发点,领航工厂的方法、装备和智能体随中国企业出海,将成为中国制造新的输出形态。每一家工业企业都将成为机器人公司、智能体劳动力组织,领航工厂的终局形态,是向全球输出制造能力的平台型企业。
结语 让49个点连成一张网
![]()
图:2026世界智能制造大会现场,34家工厂入围“2026年度领航级智能工厂培育名单”
2025年11月,首批15家领航工厂在世界智能制造大会上集体亮相,共同发布“领航行动计划联合倡议”。一年后队伍扩到49家,怎样让这些点连成一张网?田丰给出三条建议:
1)给工业智能体发“上岗证”。参照功能安全标准IEC 61508的分级思路,对进入生产控制的智能体做分级认证,考三件事:长时运行的可靠性,决策可回放的可审计性,人随时能否决的可接管性。领航工厂率先做测试场,把“高水平”三个字变成可检验的指标。田丰预测,两三年内,智能体认证会像功能安全认证一样,成为高风险工序的准入门槛。
2)建“领航方法公共池”,考核看晋级。领航工厂把脱敏数据集、智能体模板、工艺模型作为行业公共产品放进公共池,中小企业按需订阅,复用成本大幅下降;对领航工厂的跟踪评价,以被带动企业的效率提升和梯度晋级为主要指标,弱化带动数量,并向中西部、东北企业倾斜订阅补贴。这条路把领航工厂的“私有能力”变成产业的“公共底座”。
3)给老师傅的经验记账。经验写进模型后,应建立知识贡献认定与收益分享机制,并把AI节省的部分成本投入一线员工的技能转换,让操作工成为智能体的教练和审核员。这是要素条件里“守住伦理风险底线”的具体落点,也决定了传统行业的老师傅愿不愿意把手艺交出来。
索洛当年在统计表里找不到计算机。这一次,答案写在智能车间里:AI先改造决策,再改造组织,最后把方法交给整条产业链。
参考文章:《财经态度 | 领航级智能工厂的“领航”密码是什么?》,央视经济之声《财经态度》
畅销书:《AI商业进化论:“人工智能+”赋能新质生产力发展》
出版社:人民邮电出版社
作者:田丰
帮助你定位AI当下发展坐标的指南针
帮助你洞察AI未来演进趋势的航海图
通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照,又有各行业应用层面的下探记录,聚焦AI的原理与实践、现在与未来,是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.