国金证券计算机组报告深度解析工业AI落地的最新趋势。市场此前认为工业场景数据高复杂度、结果低容错率、成本敏感，应用落地节奏相对较慢。但早在2023年4月，国金证券已旗帜鲜明指出“本次AI技术创新到实际工业场景落地的时间可能快于市场预期”。立足当下，三大趋势正推动工业AI加速落地：多模态大模型“any2any”降低非结构化数据处理难度；“大模型指挥+小模型执行”的融合架构兼顾高可靠性与复杂任务处理；DeepSeek大幅降低算力成本叠加制造业工资持续提升，逼近“机器换人”成本拐点。赛意信息AI中台项目达4847万元，中控技术TPT大模型落地万华化学、兴发集团、镇海炼化等数十家大型企业。
工业AI的“不可能三角”——数据高复杂度、结果高可靠、运行低成本
工业场景长期面临三重约束：工业领域涵盖41个大类、207个中类、666个小类，数据结构多样、质量参差不齐，数据关联性和复杂性高，传统小模型能处理识别等少数垂类场景但较难处理多模态与非结构化数据；大模型对多模态数据处理能力强但部署成本与运行Token费用高昂，且生成式AI的“黑盒”特性带来结果不可解释性风险；工业场景对成本敏感，过去“人比机器便宜”的落地阻碍阶段性存在。三大约束构成工业AI落地的“不可能三角”。
三大趋势破局——any2any+融合架构+成本拐点
趋势一：多模态大模型“any2any”技术演进。AI多模态大模型擅长处理非结构化数据，增强RAG技术能够与工业非结构化数据建立对话，理解大段文字的检索意图，通过外挂知识库提升结果可靠性、降低幻觉。Cognite利用RAG将不同来源工业数据向量化存储，使大模型能提供更精准建议。趋势二：“大模型指挥+小模型执行”融合架构。在需要全局优化和预测性分析的场景中利用大模型进行宏观指导与决策支持；在具体执行与实时反馈方面依靠小模型发挥高精度和低成本优势。华为在5G设备制造中将大模型用于供应链预测管理，小模型用于具体生产流程监控。趋势三：成本拐点逼近。百万Token输入价格过去2年实现两个数量级以上降费，制造业人员平均工资2023年达10.4万元（近5年逐年提升），两端共振下工业AI换人的成本拐点已然迫近。
工业AI落地节奏——生产控制环节成熟度最高，垂类Agent曙光初现
基于2023年605个工信部智能制造优秀场景统计，出现频率排名前10的场景中生产环节约占7个（智能在线检测、人机协同制造、产线柔性配置、先进过程控制、质量精准追溯、智能协同作业等），生产制造仍是工业AI落地成熟度最高环节。原因：一是场景需求成效显著，产品质量、效率、设备管理直接与企业经济挂钩；二是数据获得性强，生产过程数据量大数据采集简单；三是技术成熟度高，机器学习、图像识别等传统AI算法面向特定问题已较成熟。同时，Agent应用正从生产控制向经营管理、研发设计环节扩展——赛意信息PCB行业Agent实现MI参数解析→BOM成本查询→自动生成报价；鼎捷PLM+DS构建知识问答智能体和数字设计工程师；广立微SemiMind支持智能问答、缺陷分类、良率分析。工业AI正从“点状应用”走向“全链条覆盖”。
