2026年鼎捷数智首次覆盖报告：“数智”革新，鼎立AI潮头

制造业：从“互联网+”走向“人工智能+”

1.1 为什么看好制造业成为 AI落地应用的最佳场景之一？

产业基础决定应用土壤。根据中国政府网及国家统计局发布的信息，2025 年我国全部工业增加值达 41.7 万亿元，制造业总体规模连续 16 年稳居全球第 一。同时我国制造业拥有 31 个大类、179 个中类和 609 个小类，是全球制造 业门类最齐全、体系最完整的国家。这一独特的体系优势，既覆盖了从基础 原材料到高端装备制造的全产业链环节，也为 AI 在不同细分行业以及各类工 艺场景的规模化落地，提供了全谱系、多元化的试验场与海量真实样本空间。

复杂流程与大规模运营产生丰富的传感、工艺、质量与运营数据，工业 互联网的发展为工业企业打造了坚实的数据底座。根据信通院发布的《制造 业数字化转型发展报告（2025 年）》，截至 2025 年 12 月，接近 90%的全国规 模以上工业企业已经实现了重点业务的数据采集应用，另超过 40%的企业实 现了跨环节、跨系统、跨设备的数据集成或更高层次的数字化。我们认为， 制造业的产业规模为 AI 应用提供了广阔空间，而丰富的工业数据决定了 AI 应用的落地深度，二者共同推动制造业成为 AI 落地的最佳场景之一。

1.2 从“互联网+”时代迈向“人工智能+”时代

“人工智能+制造”正在进入政策推动与技术突破高度协同的加速期，而 这与工业互联网时期的发展轨迹类似，政策制定为创新提供保障，而前沿技 术不断突破并深度嵌入制造场景。

我们认为，人工智能带来工业互联网的下半场，从连接型平台到智能决 策型平台跃迁。工业互联网的任务核心在于数据异构与系统集成，强调流程 建模与 IT/OT 融合。而 AI 大模型带来了工业互联网的下半场，从数据融合到 智能决策，依托工业大模型、机器学习、知识图谱等 AI 技术的深度融合与规 模化落地，构建起集感知、分析、推理、优化、执行于一体的智能决策型平 台，实现制造业从经验驱动向数据驱动、从局部优化向全局协同的能力升级。

人工智能正在给制造业带来全新工作范式。

大小模型协同是这一阶段制造业 AI 应用主流的工作模式。小模型专注实 施决策，在训练过程中，能够针对具体场景进行精细化的调整和优化，从 而确保模型的准确性和稳定性。工业场景，尤其生产制造环节，对于可靠 性的高要求，意味着通过小模型决策式 AI 依旧是更为合适的选择。而大 模型通过海量数据训练形成跨领域知识迁移能力，擅长需求理解和知识泛 化，更适合综合型和创造类的工业场景。

制造业正从“工具型软件+人工串联”的流程化范式，跃迁为“场景智能 体”的目标驱动与自主执行范式。以大模型能力构建 AI Agent 实现业务 流程的自动化与智能化将更为彻底地释放数据价值。智能体不再是被动执 行指令的工具，而是具备“目标理解、自主规划及动态调整能力”的协作伙伴。

人工智能技术深度赋能制造业全流程，在研发设计、生产制造、运营管 理以及产品服务等各环节展现出系统性变革和高质量升级。而鉴于制造业场 景本身的高度碎片化以及需求的多元，部分高价值的应用场景可能将成为 AI 在制造业落地的优先布局环节。其中，工信部在《制造业企业人工智能应用 指南》中重点推荐的五类应用场景包括：研发设计阶段的智能辅助设计、创 意图纸快速生成等；中试验证阶段的仿真模型智能构建、测试数据智能生成 等；生产制造环节的智能排产调度、工业视觉智能检测等；营销服务领域的 个性化推荐、定制化售后等；运维管理领域的设备预测性维护、能效优化分 析、辅助经营决策支持等。

“AI+制造”可触达的市场空间广阔，我们预计未来制造业人工智能解决 方案每年可能将是约 5,000 亿规模的市场。根据 IDC 给出的预测，到 2027 年 中国制造业整体 IT 市场投资规模将超过 1.7 万亿元。而参考谷歌云在 21 年针 对海外制造业企业的一份调查，制造商 IT 支出的三分之一被用于 AI，我们假 定未来中国制造业企业 AI 相关软硬件投入占其 IT 支出的比例亦达到 30%， 则每年我国“AI+制造”解决方案将是约 5,000 亿规模的市场。

鼎捷数智：“数智”革新，鼎立 AI 潮头

2.1 将 40 余年的行业 know-how 封装入 AI 中

定位为“领先的数据和智能方案提供商”，将 40 年的行业 know-how 封 装入 AI 中。鼎捷于 1982 年在中国台湾成立，以 ERP 起家，并逐步扩展至为 下游制造业企业提供从研发设计、生产控制到数字化管理及 AIoT 的全链路数 智化解决方案。根据公司官网的介绍，鼎捷在制造业领域拥有超过 40 年的数 智化转型及智能制造的技术沉淀与经验积累，累计服务超过 5 万家客户。基 于深厚的行业 know-how，公司正在推动 AI 在企业应用场景的落地。

“数智”革新，鼎立 AI 潮头。我们梳理了鼎捷自 2023 年以来重要的 AI 相关产品或技术发布，可以看到，公司在大模型赋能制造业发展领域展现出 极高的响应速度和行业前瞻性。公司 23 年即推出了一系列基于大语言模型的 新型智能应用，并且将 AI 应用（ChatFile）集成至传统工业软件（鼎捷 PLM） 中；24 年推出了企业级的智能体平台 IndepthAI，从平台层面连接用户的需求 与 AI 能力；25 年公司发布制造业的多智能体协议 MACP，开启了多智能体 协同工作范式。

2.2 鼎捷 AI 产品体系深度解析

2.2.1 平台层：雅典娜数智原生底座支撑鼎捷 AI 应用生态体系

鼎捷的 AI 能力体系是以雅典娜数智底座作为基础。根据鼎捷微信公众号 披露的信息，雅典娜是鼎捷从 2019 年即开始投入研发，于 2022 年推出的工 业互联网 PaaS 平台。雅典娜是以智驱中台、业务中台、数据中台、知识中台、 互联中台为支撑，将领域知识（工业机理、算法模型等）和管理知识（经营 管理的原理、制度和方法等）封装进企业知识图谱，完成行业知识封装，并 基于业务数据和知识图谱驱动企业进行科学管理决策。

鼎捷雅典娜数智底座在 AI 模型布局上形成了“传统 AI 算法积累（行业 小模型）+大模型开放协同”的驱动体系。

依托公司在制造业领域积累的传统 AI 算法基础，包括自然语言处理 （NLP）、时序预测、图像检测与分析等，能够适配工艺优化、生产排程、 故障预警、图纸识别等制造业典型高价值场景。

大模型侧，公司与云服务商深度合作，集成 Azure GPT、豆包等前沿云端 大模型，满足自然语言处理、复杂对话、文生设计等多元智能化需求。另 外，整合 DeepSeek、Qwen 等开源大模型，结合鼎捷深厚的行业数据和知 识图谱，对其进行本地化微调和行业化适配，训练出深度贴合工业与细分 场景的垂直行业大模型。

作为鼎捷雅典娜体系中的核心智能体平台，IndepthAI 定位为工业化量产 AI Agent 的“母机”。它推动了企业知识封装、垂直领域模型训练到 Agent 生成与运行的工程化路径。

IndepthAI 充分调用雅典娜沉淀的数据、知识和业务能力，专注于多模型 融合、Agent 生成与多智能体协同、低代码开发等 AI 高阶应用。它能够 快速打造智能体与场景化解决方案，面向企业与 ISV 快速复制支撑研发 设计、质量、供应、经营等多场景的 Agent，形成产品化矩阵与生态飞轮。

在整体技术与产品架构上，我们认为 IndepthAI 可以看作是雅典娜数智底 座体系的一部分，是其 AI 智能体相关能力的实现平台；但在功能和产品 形态上，IndepthAI 亦是独立的平台级定位，对外也可作为单独的智能体 开发与部署平台存在，并可服务于雅典娜上的各类应用场景。

2.2.2 应用层：从单点应用到平台生态

1）基于 AI 大模型的文字生成、多模态及交互等能力的通用 AI 应用，其 中包括:

ChatFile，基于鼎捷知识中台和 GPT 技术构建的企业级知识机器人；可快 速、准确地提取 PDF、OFFICE 等文件和图像信息进行分析和汇总。企业 用户可通过自然语言交互准确获取企业知识，保证知识合规及安全，低成 本构建知识创新，提高知识管理效率；

文生设计，通过自然语言或上传订单文档的方式，AI 自动快速生成 2D/3DCAD 图纸；

“娜娜”AI 数智员工系列，包括企业 AI 助理类与个人 AI 助理类。其中， 企业 AI 助理包括智能问答、设备监控、订单变更、报表生成等；个人AI 助理包括行政助理、差旅助理、会务助理、高管 AI 数智助理等，实现 工作流程的自动化、智能化。 这类应用的商业模式是以单点应用形式呈现，一般采用按月/年的订阅制 形式。由于需要调用大模型消耗一定数量的 Token，不同版本软件有应用次 数的限制，如超过使用限制，需额外购买流量包。

2）行业化场景 AI 应用：将各行业 know-how 知识封装在底层，并基于 各行业痛点持续挖掘迭代应用体系，主要包括零部件云、装备制造云、财务 云等。

预测透镜：基于自主预测进行预测模型和体系的搭建，并通过 AI 能力持 续训练和优化模型，实现对市场需求的精准化预测，来达成企业产销均衡 和存货高效周转；

设变一点通：变更需求后，可主动判断影响范围，并通过 AI 能力帮助用 户分析变更处理方案，缩短响应周期、提升处理效率；

供应天眼：通过数据清洗、隔离、发布、预警的能力构建来帮助供应商和 主机厂之间实现数据打通。

这类应用同样以单点形式呈现，一般采用年订阅制，且其中不涉及流量 的限制。

编辑：火腿肠