制造业是立国之本、强国之基。2026年政府工作报告强调，要促进新一代智能终端和智能体加快推广，推动重点行业领域实现人工智能商业化规模化应用。我国作为制造业大国，打造“会思考”的生产线，促进智能体与制造业深度融合，是培育新质生产力、构筑产业竞争新优势的必由之路。

　　制造业智能化的深化过程

　　从人工智能技术演化逻辑看，制造业智能化并非一蹴而就的技术更迭，而是沿着“离身智能—具身智能—反身智能—工业智能体”这一路径不断深化的过程。

　　能分析（Thinking）的离身智能，将经验转为数据，让机器“知道”如何生产。在钢铁、汽车等行业，企业利用算法开展工艺优化、质量预测和设备预警，把长期依赖经验积累的生产知识转化为数据模型。这一阶段解决的是机器理解生产信息的问题，但智能主要停留在虚拟空间，难以直接介入现场作业。

　　能行动（Acting）的具身智能，则把决策变成动作，让机器真正“做到”参与生产。机器人、机械臂、移动平台等智能装备，可依据环境变化完成识别、定位、搬运和操作，在新能源汽车、电池制造、精密装配等场景中承担日益复杂的生产任务。制造业由此不仅提高了执行效率，也增强了在复杂环境下的适应能力。

　　能反思（Reflecting）的反身智能，将结果转为经验，让机器“学会”改进生产。面对焊接偏差、加工误差、设备异常等问题，智能系统能及时追溯原因，调整工艺参数，优化控制方案，使生产过程从事后修正逐步转向过程优化。机器不再简单按照既定程序运行，而是在连续反馈中积累经验、改进方案。

　　能协同（Collaborating）的工业智能体，则把孤立环节变成系统，让机器“协调”全链作业。它融合工业大模型、专业知识库、物联网和具身系统，在智能工厂中既可参与生产控制、排产优化和设备运维，也能连接供应链、仓储物流和经营管理系统，使原本分散的环节形成更紧密的协同关系。

　　从产业实践看，海尔“超级工厂”、美的“工厂大脑”等标杆企业智变升级案例生动表明，工业智能体已开始进入制造业关键场景。但不可忽视的是，当前智能体应用总体仍处在由示范探索向规模推广过渡的阶段，许多企业还停留在单环节、单场景应用。跨系统数据流通、多智能体协同运行、工业知识沉淀和数据资源建设，仍需要在更广泛的产业实践中持续完善。

　　智能体赋能制造业自主化生产体系

　　智能体融入制造业应用主要体现在生产制造、研发设计、供应链等环节。其中，生产制造环节是智能体率先落地的重要场景。过去，生产线运行主要依靠人工调度、经验判断和事后处置，生产排程、质量检测和设备维护之间的信息衔接容易滞后。工业智能体进入生产场所后，订单变化、设备状态、工艺参数和质检结果不再是分散的信息，而是可以被持续感知、综合判断和协同处置的生产依据。以美的荆州智能体工厂为例，其“工厂大脑”嵌入生产现场，实现对多种智能体的统一调度，使生产管理从单点响应逐步转向过程协同，生产线在更及时的反馈中提升运行效率。

　　在研发设计与运行维护领域，智能体是人类专家的得力助手。它并不会简单替代人的判断，而是把工业大模型、专业知识库、工艺规则和现场数据连接起来，使分散在图纸、手册、经验和设备记录中的知识能被调用、复用和校正，从而为方案设计、工艺分析和故障诊断提供支撑。海尔卡奥斯天智工业大模型实践表明，机理模型、专家算法与全场景智能体应用相结合，可以推动研发与运维从个人经验主导，逐步转向人机协同、知识复用和持续优化。

　　供应链环节的智能体应用，重点不在于把流程简单搬到线上，而是让采购、计划、库存和供应协同具备连续判断能力。面对订单波动、物料变化和产能约束，单一系统往往只能提供局部信息，智能体则可以围绕需求预测、资源配置、供应风险和生产计划进行联动分析，缓解信息滞后、“牛鞭效应”等问题。美云智数工业智能体矩阵实践表明，采购、计划、供应链等智能体能围绕需求预测、资源配置和供应协同开展联动决策，有助于企业减少事后补救，把供应链管理前移到动态研判和主动优化之中。

　　从单点应用到全链协同，工业智能体正在重塑制造业的运行逻辑。它的价值不只是提高某一道工序的效率，而是让研发、生产、供应链和运营服务之间形成更及时的连接、更细致的判断和更稳定的反馈。随着工业大模型、多智能体协同和具身智能持续演进，工业智能体将在更多制造场景中沉淀知识、优化流程、协同资源，推动制造业向高端化、智能化、自主化方向稳步迈进。

　　加快推动智能体融入制造业

　　从现实看，智能体与制造业深入融合，从试点走向规模应用，面临着一些需要正视的问题。

　　第一，基础设施与数据体系仍需夯实。工业场景设备类型复杂，数据标准不统一，知识沉淀分散，许多企业尚未形成支撑智能体运行的高质量数据底座。对此，应加强“投资于物”。《国务院关于深入实施“人工智能+”行动的意见》明确提出要“强化基础支撑能力”，因此需要加快工业互联网、算力基础设施、工业软件和数字孪生平台建设，把生产、供应链和运维环节的数据真正连起来、用起来。

　　第二，多环节协同能力仍存在短板。当前，不少企业的智能体应用仍停留在单场景、单部门，研发、生产、供应链和运营之间的数据壁垒尚未被完全打通。对此，应注重制度与生态建设。按照我国政府关于“人工智能+”产业发展重点行动“推动工业全要素智能联动”的指导意见，应鼓励龙头企业、科研机构和产业链上下游共建开放生态，推动智能体应用由局部优化走向全链条协同。

　　第三，人才供给与产业需求还不匹配。工业智能体融合人工智能、工业软件、自动化控制和行业知识，既要求从业者懂生产现场，也要求其具备数字技术素养。目前，兼具工程能力与智能技术能力的复合型人才仍显不足。对此，必须坚持“投资于人”。“十五五”规划纲要明确提出要实现“教育科技人才一体发展格局基本形成”，未来应推动职业教育、高等教育与产业需求更紧密衔接，加快数字技能培训，培养能够与智能体协同作业的新型产业人才。

　　（作者系华侨大学经济与金融学院教授；华侨大学经济与金融学院博士研究生；华侨大学经济与金融学院教授）