计算机行业研究：再谈工业AI：立足跨模型架构AI中台，落地垂类Agent场景

（以下内容从国金证券《计算机行业研究：再谈工业AI：立足跨模型架构AI中台，落地垂类Agent场景》研报附件原文摘录）
再谈工业AI，当下“易部署、高可靠、低成本”的“既要、又要、还要”或有破局可能。3月6日，Monica.im发布全球首款通用型Agent产品Manus，标志着Agent应用进入全面落地阶段。市场此前一直有声音认为，工业场景具有数据高复杂度、结果低容错率、成本敏感性高等特点，因而在本轮AI大模型技术发展的浪潮中，应用落地节奏相对较慢，短期内较难改变既有的业务流程与生产管理范式。然而，早在20230409《AI+工业信息化，高价值、高普及、高认可之路》报告中，我们已旗帜鲜明地指出，“本次AI技术创新到实际工业场景落地的时间可能快于市场预期”，并详细梳理了工业AI的三类核心应用模式与三大发展阶段。立足当下，我们认为，1）“多模态大模型any2any”的技术演进趋势有望降低工业场景非结构化数据的处理难度；2）“大模型指挥+小模型执行”的融合工业AI中台有望实现跨模型混合推理与模型与知识库的两端的平滑迭代优化；3）Agents替代人力劳动，叠加DS大幅降低算力成本、国内劳动力工资持续提升的背景下，“机器换人”或逼近拐点时刻。
工业AI中台回应模型侧与数据侧高频“无痛”迭代诉求，商业化正处于渗透率0到1阶段。工业客户行业知识库与外界AI大模型迭代速度较快，一方面，AI决策直接影响工业客户生产质量，因而AI必须基于制造业的专业知识进行定制化（预训练、微调、RAG），并伴随客户的知识库变化同步更新；另一方面，过去两年AI大模型迭代加速，且不同的AI模型适配的应用场景有所差异。工业AI中台能够在不影响正常生产经营的前提下实现AI模型两端的平滑升级和优化，具备“开源大模型+云API”混合推理、多模型综合管理、模型全生命周期管理、可观测性四项核心能力。商业化方面，赛意信息近期中标合同金额达4,867万元的AI中台项目，内容包括基于AI工具链实现数据处理、大模型训练与微调、AI应用开发等端到端能力，并具备接入DeepSeek大模型的能力。发布于2024年6月的中控技术流程工业时序大模型TPT，结合大量行业知识和工业数据基础，融合工艺参数的设备异常监测及诊断、实现全过程质量精准模拟与优化控制、将难以机理建模的装置运行优化、帮助石化装置实现精准模拟优化和动态路径规划。目前已在万华化学、兴发集团、镇海炼化等数十家大型企业的氯碱、热电、石化等装置实现落地应用。我们认为，工业AI中台目前尚处于渗透率早期，以“华为晟腾+赛意信息”合作模式为例，工业AI中台部署对算力整合、模型管理、工业数据治理、领域Knowhow、工程化交付等能力提出较高要求。
工业AI应用中生产控制环节成熟度持续保持领先，全环节垂类Agent应用点状涌现。在20230409《AI+工业信息化，高价值、高普及、高认可之路》报告中，我们曾基于信通院《工业智能白皮书(2022)》梳理认为，生产控制环节的AI应用占比超57%，拥有表面缺陷检测、生产过程控制优化、质量关联分析、预测性维护、安全管理与巡检、生产作业视觉识别、物料识别与操作等一批典型细分场景。本篇报告中，我们进一步基于2023年605个工信部智能制造优秀场景统计认为，出现频率排名前10的场景生产环节约占7个，生产制造仍是工业AI落地成熟度最高的环节。究其原因：一是场景需求成效显著，产品质量、效率以及设备管理直接与企业经济挂钩，是几乎所有工业企业共同关注的重点环节。二是数据获得性强，生产过程数据、设备运行过程数据等数据量较大、采集相对简单，为AI技术落地提供了基本条件。三是技术成熟度较高，以机器学习、图像识别等传统AI算法面向特定问题实现识别、参数预测及优化为主。垂类Agent场景中：1）赛意信息AI+PCB方案打通MI参数解析?BOM成本查询?自动生成报价全流程。2）中控技术基于TPT大模型推动流程工业APP订阅制转型，基于DCS+物流机器人实现电解液桶“洗、检、存”“零人工”干预。3）PLM+DS构建知识问答智能体，优选物料智能推荐；打造数字设计工程师，自动生成研发图纸。4）钢铁IT企业发布“钢铁行业大模型”，推出废钢智能检判SaaS化平台。5）基于金蝶云·苍穹开发企业服务智能体，在单据审核、财务分析、人才招聘、征信等多个垂类场景落地Agent。6）EDA企业智能问答+缺陷分类+模型自动分析优化+良率分析。
我们认为，AI大模型问世2年多后再谈工业AI，“易部署、高可靠、低成本”的“不可能三角”或有破局可能，我们看好工业AI中台+垂类Agent应用落地，推荐关注中控技术、赛意信息、中望软件等工业AI重点标的。
工业AI落地节奏不及预期的风险；工业数据隐私保护的风险；传统工业软件企业转型节奏不及预期的风险。