btbxx官方落地页 › 精选文章 › 工业AI迈入商业化分化关口:从单点验证走向规模化复制

工业AI迈入商业化分化关口:从单点验证走向规模化复制

· 精选文章

工业AI的投融资热度在2026年以来持续上行,产业整体正从“概念验证期”迈向价值兑现阶段。在一场新质生产力沙龙上,来自中控技术、能科科技、宝信软件、索辰科技等企业的多位业内人士,围绕工业AI的规模化路径与商业闭环展开了讨论。

从单点验证到规模化复制的分水岭

中控技术(688777.SH)董事长、总裁崔山表示,当前工业AI正处在一个从单点验证走向规模化复制的关口。他回顾称,从“十四五”到现在,工业AI最值得称道的变化,是它真正开始从数字空间走进工业现场的物理世界。AI开始直接参与生产运行中的判断和动作,感知、分析、决策、执行逐步串成一条闭环,在部分场景里已经能对装置运行产生实质影响。

能科科技(603859.SH)董事长祖军则用“历史节点”来形容当下的位置。他认为,工业AI从“试点验证”进入“商业化分化”,正处在一个关键分水岭:跨过单点验证期,进入规模化复制爬坡阶段,是从L2感知预测向L3人机协同决策过渡的节点,部分向L4、L5级无人值守迈进。

宝信软件(600845.SH)中国宝武工程科学家钱卫东也给出了类似判断。“十四五”以来,工业领域AI应用迎来较大进展:大模型从通用领域向工业领域做适配,行业龙头企业开展工业垂类大模型的研究与应用;从研发到运维,AI逐步渗透到核心生产环节,虽然还是以试点为主,但趋势已经形成。他还提到,中国的灯塔工厂数量已经是全球第一,占比超过40%。

崔山进一步表示,工业AI在流程工业中已从分析工具转变为运行工具,工厂也从自动控制迈入自主决策、自主执行的新阶段。工业AI正在从辅助工具变成流程工业运行体系的内生能力,为整个制造业打开一条可复制的智能化路径。

下一阶段重心:闭环控制、多Agent协同与端侧物理AI

前瞻“十五五”,工业AI的下一阶段重心会向哪个方向倾斜?讨论中浮现出几条并行的路径:流程工业的深水区闭环、离散制造的场景规模化复制,以及端侧算力与物理AI的融合。

崔山认为,产业层面的趋势是,制造系统从按规则执行的自动化,走向能在复杂工况下形成闭环判断的自主化。中控技术构建的自主运行工厂AOP,就是在这个方向上把工业AI嵌入控制回路,打通“感知—分析—决策—执行”的完整闭环,真正推动AI走向生产运行核心。目前,自主运行工厂系统AOP已在部分项目上实现连续数周的黑屏运行,人工干预频次降到个位数水平。

不过他也强调,再往上走,绕不开的是安全底线怎么守住、责任怎么划清。中控技术的原则是,实时优化和自主决策可以交给AI,但安全边界必须要由机理来约束,责任边界必须由人机权限和操作规程划清。

从宝信软件在钢铁行业的实践来看,钱卫东表示,当前大量项目停留在预警、告警、给操作员建议,下一阶段重心是从“辅助预警”走向部分自主闭环控制,AI输出结果直接干预DCS控制系统,实现能耗、产品质量、安全的自动调优。

在智能体方面,钱卫东指出,2026年以来智能体的建设出现井喷,现在大多是单点AI智能体,比如质检Agent、设备运维Agent。下一阶段会探索多Agent协同,把排产、物料调度、设备运维、质量检测多个智能体联动,解决车间全局优化。而端侧算力加物理AI融合则是底层基础设施变革,贯穿所有行业,未来端侧算力增强,物理AI把模型部署在边缘设备,AI直接驱动执行机构,可实现感知决策执行本地闭环,降低云端延迟,保障工业现场的安全实时性。

索辰科技董事长、总经理陈灏也认为,下一阶段值得关注的是物理AI从研发设计进一步进入生产和运行过程。流程工业、离散制造都有这样的需求,端侧则是部署方式,三者可以同时推进。例如机器人、卫星在研发阶段积累的物理模型,可以进一步服务运行预测和维护;需要快速响应的能力可以放到端侧,复杂计算由相应平台支持。索辰科技关注的是把物理模型的价值贯穿到全生命周期,而不局限于某一个使用环节。

祖军则从离散制造企业的角度补充,除了从单点智能体走向多Agent协同外,把价值闭环说清楚,用本体论的方法做高质量数据集,为每个客户构建自己的垂域大模型,也是工业AI下一阶段的工作重心。

商业模式之变:从卖工具到卖结果

随着技术路径逐渐清晰,企业如何实现商业模式闭环,是否正在发生“从卖工具到卖结果”的转变,成为讨论的另一个焦点。从商业模式看,工业AI从过去卖设备、卖软件License,现在越来越强调“AI能力嵌入后按效果付费”或“运营分成”。

崔山对此的判断是,商业模式的转变真实发生,而且方向不可逆。他表示,中控技术正向工业AI公司转型,工业AI业务的核心产品是时序大模型TPT,商业模式转向模型即服务(MaaS)、结果即服务(RaaS)的价值订阅模式,依托为客户创造的实际价值实现持续收费;客户按年支付订阅费,中控技术持续提供模型的迭代与服务。他也坦言,短期看,订阅制分期确认收入确实会压低当期财务表现,但公司选择这条路,是因为它代表工业AI业务真正的商业形态。

钱卫东则指出,以前信息化、自动化系统项目式的建设方式在AI时代肯定行不通,AI时代一定会走向全生命周期的服务,但至今尚未形成适合的商业模式。目前把工业AI项目当作传统软硬件合同里的“搭送”的现象非常普遍,主要是因为AI产生的价值尚无法确切地衡量,AI时代的生态信任尚未建立。

陈灏认为,商业模式会从软件工具向模型和持续服务延伸。工程仿真软件仍然有明确价值,在物理AI方向,行业模型服务、三维物理资产的建立与运维,都是可以进一步发展的业务形态。企业积累的行业知识和模型能力,也可以通过模型调用等方式向外提供服务,让一次积累支持更多应用。他强调,按效果付费要有明确的比较基线、验收标准和责任范围;商业模式能否成立,最终要看交付内容是否创造实际价值,以及客户是否愿意持续付费。

祖军介绍,能科科技工业AI现在的商业模式主要是标准产品和实施服务;同时在PLM、MOM这类传统工业软件的销售里,顺带打包一批可规模化复制的AI Agent。他认为,该公司工业AI能跑通商业闭环的原因有二:一是客户需求不断增多,几乎所有客户都在做AI落地,而且正从试点走向规模推广,立项和预算比前两年确定得多;二是针对不同场景,能科科技有一套ROI计算体系,把效率、成本、质量的收益拆成可量化、可复算的指标,前期就把投入产出讲清楚,交付后用同一套口径复核,闭环才算合上。用他的话说,两条叠在一起,工业AI就不再依附于传统软件项目,而是一个能持续、能复制的独立生意。

结语

从单点验证到规模化复制,从辅助工具到运行体系的内生能力,工业AI正站在商业化分化的关键节点上。技术路径的收敛与商业模式的探索同时推进,能否把价值闭环讲清楚、把责任边界划明白,将决定哪些企业能在这一轮爬坡中真正跑通规模化的生意。