数据:规上制造业企业 AI 应用普及率超 30%
据人民邮电报报道,2026年上半年规模以上制造业企业人工智能技术应用普及率已超 30%,人工智能开源大模型全球累计下载量突破 100 亿次,高技术制造业增加值同比增长 13.3%,百家典型 5G 工厂平均产能较改造前提升 25%。工信部相关负责人在公开场合表示,“人工智能+制造”是必答题而非选择题,今年将大力推动制造业各行业拥抱人工智能、培育高水平典型应用与特色智能体。这些数字共同指向一个趋势:AI 在制造业正从概念验证走向规模化落地。
拐点:AI 推理数据量首次超过训练数据量
据中国工业互联网研究院相关文章,2026年上半年我国 AI 推理数据量首次超过训练数据量,标志产业全面进入“训练与推理并重、应用驱动迭代”的新阶段。这背后的含义是:模型不再只是被训练和评测,而是真正被部署到产线、被海量实时工业数据持续调用,调用产生的新数据又反过来驱动模型迭代。应用广度也在提升——累计建成数万家各级智能工厂,工业大模型在钢铁、汽车、石化等重点行业的微米级视觉质检、设备预测性维护、供应链动态协同等高价值场景中完成了从试点验证向规模化落地的跨越。
上邦解读:落地重心从“单点”转向“系统”
从已出台的政策与各地实践看,本轮“人工智能+制造”的重心明显从企业单点探索,升级为覆盖全产业链、全区域的系统布局。工信部等八部门印发的《“人工智能+制造”专项行动实施意见》提出到 2027 年推动 3 至 5 个通用大模型在制造业深度应用、推广 500 个典型应用场景;江苏、山东、湖北、宁波等地也结合自身优势密集出台专项行动方案。对中小制造企业而言,更现实的路径是先从质检、排产、设备预警、能源优化等高回报且数据基础好的场景切入,用可量化的降本增效证明价值,再向全链路扩展,而不是一上来就追求“大模型平台”式的宏大工程。
给制造企业的诊断建议
企业在启动 AI 转型前,建议先做三件事:一是梳理高价值场景清单,按“数据可得性、收益确定性、实施难度”打分排序;二是评估数据底座,工艺、设备、质量数据是否打通、是否带时间戳与标签,直接决定模型上限;三是明确组织保障,是否设立统筹智能工厂建设与运营的机制、是否具备智能制造专业人才。上邦“行业 AI 诊断中心”面向制造业提供的正是这一层诊断:把模糊的“想做 AI”转化为可排期的场景路线图与数据改造清单。
提醒:文中普及率、产能提升等数据据公开媒体报道整理,用于说明趋势,不构成对特定企业或行业的绩效承诺;不同行业、不同规模企业的 AI 应用成熟度差异较大,落地节奏以自身数据与业务实际为准。
参考来源
人民邮电报《人工智能应用:从“会聊天”到“真干活”》(2026-07-29) - 人民邮电报;中国工业互联网研究院《加快推进“AI+制造”》(2026-09-10) - 中国工业互联网研究院。