深圳定调:建100个行业模型及工业智能体

2月，深圳印发了《深圳市“人工智能+”先进制造业行动计划（2026—2027年）》。

从《行动计划》技术架构的设定、落地指标的选取，能看出深圳试图解决当前工业AI“看起来很美，用起来很难”的痛点。

《行动计划》关注算力建设或通用大模型的参数竞赛，重点在“工业智能体”与“垂直行业模型”上。

《行动计划》最值得注意的是提出建设“工业智能体创新中心”并攻关“数字员工”。

在过去的数字化转型实践中，我们在工厂部署的AI大多是判别式模型，用于质检或预测性维护。

这些是工具，需要人去操作、去读取结果。而《行动计划》明确提出“工业智能体”，在技术定义上是指具备环境感知、自主决策、自动执行能力的系统。

从《行动计划》看出，工业AI的控制逻辑发生了变化。智能体不再是被动响应指令，而是能够理解复杂的工业语境。

例如在生产排程环节，传统的高级计划与排程软件依赖预设规则，而工业智能体可以根据实时订单变化、设备状态甚至供应链波动，自主生成并调整生产计划。

《行动计划》重点攻关“数字员工”，通用大模型在工业场景由于“幻觉”和缺乏领域知识难以直接落地，须通过Agent架构，结合RAG和工具调用能力，解决实际产线上的非结构化问题。

《行动计划》明确，到2027年要打造100个垂直行业模型及工业智能体。

制造业企业在应用AI常陷入“大模型陷阱”，用一个千亿参数的模型解决所有问题结果算力成本过高、响应延迟过长。《行动计划》主张的是“工业小模型”路线，对电子信息、半导体、汽车等优势产业，训练专用的小参数模型，这些模型不需要会写诗画画，需要懂EDA的脚本，需要懂注塑机的参数调优。

对于中小企业，“小模型+SaaS”的模式降低了使用门槛。《行动计划》提到，支持将工业知识软件化、模型化，鼓励企业将老师傅的经验通过知识图谱和模型微调技术转化为标准化的算法资产。

《行动计划》提到，建设“一基地”国家人工智能应用中试基地，聚焦消费终端，将AI能力引到终端设备上，培育AI手机、AI眼镜等产品。另外，高性能SoC芯片与轻量化模型的深度适配，将使设备具备本地推理能力，减少对云端的依赖，这对数据隐私和响应速度至关重要。

《行动计划》提到，要推进“具身智能”，传统工业机器人执行固定轨迹，具身智能要求机器人通过多模态大模型理解物理世界。《行动计划》提出，建设技术试验场，推动机器人进入车间、港口和物流中心，将AI的认知能力与机器人的物理执行能力进行硬件层面的强耦合。工业AI最大的瓶颈往往不是算法，是数据，深圳计划组建“工业知识联盟”，建立一套标准，打通产业链上下游的数据壁垒，促进跨企业的工业语料库共建，这将极大提升垂直模型的训练效率。

整体来看，深圳的《行动计划》利用终端硬件上的优势，确定了一条“软硬一体”工业AI路径。接下来的两年，企业核心任务是梳理自身的工业知识库，寻找那些高频、且需要复杂决策的场景，通过部署专用的工业智能体来解决实际问题。

参考文献：深圳市“人工智能+”先进制造业行动计划（2026—2027年）

文/金英；数字菁英网刊载