中国工业AI规模化应用与软件商业模式重构

中国工业AI进入规模化应用阶段

中国工业领域人工智能应用正从早期的单点技术验证向规模化应用阶段迈进。根据工信部数据，截至2025年，中国规上制造业企业人工智能技术应用普及率已超过30%，较2023年显著提升。这一进程标志着AI已从机器视觉、自动化控制等局部环节，逐步渗透至研发设计、生产制造、供应链管理及企业运营等核心业务流程。政策层面，自2025年以来，“人工智能+制造”相关政策密集落地，从国务院总纲到“模数共振”行动、智能工厂梯度培育，政策重点已由数字化基础建设转向利用大模型和智能体重塑生产流程。

然而，AI在工业领域的落地速度与投入力度存在显著的不均衡性。调研数据显示，企业规模是决定AI采用率的关键因素之一，500人以上的大企业采用率达到15.5%，而小企业仅为5.4%。大企业凭借丰富的业务场景和充裕的试错资源，率先领跑智能化转型。此外，行业自动化基础直接决定了AI的落地速度。设备制造业因拥有较多自动化设备和数据采集环节，AI投入占比高达13.5%；相比之下，采矿业和化工工业由于现场环境复杂、工况变化大且对安全经验判断要求极高，AI暂时难以直接嵌入现有流程，其投入占比均低于7%。

AI重塑工业软件交付与收费模式

人工智能的介入正在根本性改变工业软件的底层逻辑。过去四十年，工业软件围绕“流程电子化”，将工程师经验固化为功能并按席位收费。AI的引入使软件交付物从“工具”转变为“结果”，客户不再仅为拥有一套CAD付费，而是为“更快完成一次设计”付费。同时，成本结构从人力密集转变为推理成本驱动，模型降价直接改善了软件厂商的毛利空间。

商业模式的演进呈现清晰路径：从席位订阅迁移至用量或Token计费，进而发展为按结果计费及价值分成。这一过程分为三个阶段演绎：首先是功能增强，即在传统软件中嵌入AI能力如生成式设计和智能代码补全，提升效率但不改变收费逻辑；其次是智能体化与数据资产化，软件变为智能体的执行环境与知识外脑，厂商将沉淀的行业数据转化为模型可用的知识资产；最后是自主运营，AI直接接管决策闭环，实现从辅助排产到自主调度的跃迁，对应无人工厂的远期形态。

市场曾担忧通用大模型会绕过工业软件直接服务客户，但事实表明工业软件厂商拥有三大核心壁垒：客户绑定与信任、私有数据以及工作流逻辑。物理生产零容错特性使得企业倾向于选择拥有十年以上可靠性记录的既有软件厂商；工艺参数与设备数据等私有数据不在互联网上，是训练垂直模型的燃料；而BOM展开、审批流等工作流逻辑编码了企业的业务规则，智能体必须挂载在既有的工作流容器中才能落地执行。

产业链代表公司与投资映射

基于工业AI渗透的三层演绎，产业链相关公司呈现出不同的竞争态势。中控技术作为功能增强层向智能体层跃迁的代表，其DCS国内市占率连续十五年第一，积累了大量工艺know-how与时序数据。其自研的TPT时序大模型与UCS通用控制系统构成“工业大脑+神经中枢”，正推动从功能增强向自主运行工厂演进。

在数据资产化与智能体应用层，迅策科技通过实时数据基础设施与分析解决方案，将金融资管数据能力跨行业复制至制造、能源等领域。其与格创东智的合作打通了数据Token化能力与工业场景，探索按Token调用的数据资产化新模式。滴普科技则以本体技术沉淀数据资产，在高端制造领域深度服务头部企业，制造业收入占比过半，通过DeepexiOS AI级企业操作系统底座构建企业知识底座。极视角从视觉算法商城向企业级智能体平台升级，利用存量CV客户优势拓展大模型业务。Palantir通过Ontology系统构建Harness层，将企业数据与业务规则编码为可执行的数字孪生，实现了极高的客户粘性与净留存率。

全球巨头方面，艾默生与西门子提供了全栈敞口。艾默生通过收购AspenTech整合机理模型与运行数据，推出原生嵌入操作流程的AI智能体，推动商业模式从CAPEX向OPEX迁移。西门子则发布了可自主规划执行工业自动化工程任务的Eigen工程智能体，构建了从个人工具到企业级智能体编排的完整产品栈，成为全球工业智能体元年的标杆。