赛迪前瞻2026年第15期（总943期）_工业智能体体系化培育面临问题及对策建议-水印版_10页_2mb.pptxVIP

2026年3月27日;不足、工业数据治理成本高、工具链体系不完善、生态协同存在

壁垒等问题。建议通过培育多层次体系化智能体、打造重点行业重点场景知识图谱、提升工业智能体数据智能化水平、加速开源生态建设、强化产业链协同，体系化推进工业智能体全行业赋能。

一、工业智能体落地加速，呈现三大趋势

（一）技术层面，多智能体协同成为应用落地关键路径

工业智能体正加速突破技术瓶颈，多智能体通过分层架构实现跨域协作，依托通信、协商、任务分配和协同决策，共同完成复杂目标。例如，云从科技与青山工业联合打造的十大智能体“数字专家团”，通过决策层、协调层、执行层的联动，显著提升生产环节整体效率。西门子IndustrialCopilot调动产线报告、AGV调度、机器健康度检测等多个智能体进行协同作业，实现自主生产，提升生产效率50%1。调研发现，东方国信创新构建Agent-Chain多智能体协同架构，融合大模型推理能力实现自主规划与涌现认知，为企业用户构建50余种特定场景的任务智能体，将传统1

小时至5-7天的任务耗时压缩至30分钟内，效率提升50%以上。;（二）应用层面，从单点突破到全链条集成渗透

工业智能体正向车间级、工厂级集成拓展，渗透到制造业全链条、全场景的各个环节。IDC数据显示，2025年，工业企业中应用大模型及智能体的比例从2024年的9.6%显著提