AI+制造深度报告:智能化与国产化同频共振,重塑工业核心底座
1、行业概况
(1)行业界定
1)政策语境下的双向融合
从政策导向看,“人工智能+制造”并非简单的技术叠加,而是强调“智能产业化”与“产业智能化”的双向赋能。一端是推动AI技术本身在工业场景中形成可用产品,另一端是用AI改造传统制造流程。这一界定跳出了“AI是工具”的单一视角,将其视为重塑制造业生产模式和经济形态的底层变量。
2)技术实现中的约束条件
从工程实践看,工业场景对可靠性、实时性和可解释性有刚性要求。AI+制造的本质,是在工业机理约束下实现“感知理解-认知推理-辅助决策”的闭环。与开放环境下的通用AI不同,工业AI的容错空间极窄,模型输出必须可验证、可追溯。因此,其技术门槛不在于参数规模,而在于对工业约束条件的适配能力。
3)统计口径的区分
本报告将AI+制造分为窄口径与宽口径。窄口径指向制造业中直接以AI软件、模型与平台为核心产品的环节;宽口径涵盖AI赋能的工业软件、智能装备与系统集成。两者在分析中需严格区分,避免将存量自动化设备市场与AI增量市场混为一谈。
(2)行业发展历程分析
AI+制造行业发展历程
资料来源:普华有策
(3)发展现状
中国制造业拥有全球最庞大的场景与数据基础。当前,应用层(如视觉质检、智能排产)落地速度全球领先,但基础层(高端AI芯片、高端研发设计软件CAE/EDA)仍受制于人。行业正处于从“单点探索”向“规模化实战”过渡的关键期,大模型正从“外挂辅助”向“核心业务决策”渗透。
(4) 政策环境总结
“十四五”以来,国家密集出台政策推动制造业数字化转型与AI深度融合。“十五五”规划纲要更将“人工智能+”及新质生产力置于核心,强调智改数转网联。政策从顶层设计转向场景落地,通过梯度培育智能工厂、打造高质量数据集与工业智能体,构建自主可控的现代化产业体系。政策重心由“数字化普及”全面转向“智能化跃升”与“供应链安全”,为AI+制造提供坚实制度保障。
2、AI+制造行业竞争格局分析
AI+制造行业竞争分析
资料来源:普华有策
3、AI+制造行业发展机遇分析
(1)“十五五”规划纲要落地带来制度性需求窗口
规划纲要明确全面实施“人工智能+”行动,推动制造等领域国家人工智能应用中试基地建设。中试基地的建立将降低AI方案从实验室到产线的验证成本,为具备技术能力但缺乏场景渠道的厂商提供接入通道。
(2)工业智能体从示范走向中小企业真实场景
工业智能体正依托云化底座与轻量化订阅模式,在排产、工艺解析等场景加快落地。中小企业市场的打开,意味着AI+制造的需求基数将从头部标杆扩展到长尾市场。
(3)具身智能与人形机器人打开第二增长曲线
人形机器人进入工业产线的趋势,对3D视觉、力觉传感和物理仿真提出系统性需求,这些能力与AI+制造的感知层和决策层技术栈高度重叠。智能机器人被列为“十五五”重点培育的新兴支柱产业,产业政策的集中投入将加速技术成熟。
(4)国产替代从政策保护转向能力驱动
在研发设计类软件国产化率极低、高端市场高度依赖进口的背景下,AI范式切换为国产厂商提供了重构技术路线的可能。国产厂商不再只是在既有技术路线上追赶,而有机会在AI原生的工业软件架构中建立差异化能力。
(5)流程工业的AI收入放量具备较高确定性
流程工业集散控制系统国产化基础扎实,控制入口已经掌握在国产龙头手中,AI优化可以直接叠加在既有控制体系之上。相较于离散工业,流程工业的AI收入路径更短、可验证性更强。
4、AI+制造行业发展挑战分析
(1)高端算力与核心工具链的供给约束尚未解除
高端训练芯片和研发设计类软件的进口依赖度仍然较高,构成AI+制造基础能力的短板。算力供给的波动会直接影响模型训练和迭代节奏,而研发设计类软件的缺失制约的是更上游的创新能力。
(2)中小企业付费能力与数字化基础形成双重制约
中小企业是长尾市场的增量所在,但其数字化成熟度普遍偏低,对AI方案的付费意愿和运维能力有限。轻量化订阅模式降低了使用门槛,但如何在这一市场中实现可持续的单位经济模型,仍是厂商需要验证的命题。
(3)技术路线快速迭代带来投资沉没风险
工业大模型、智能体架构、边缘推理芯片等技术要素仍处于快速演进期,企业今天部署的方案可能在一到两年后面临架构性过时。对于资本开支周期较长的制造业而言,技术选型的容错空间有限。
(4)工业AI的规模化复制仍面临断点
单点概念验证成功不等于规模化落地。各技术要素割裂、数据标准不统一、交付流程不可复制,导致大量工业AI项目停留在示范阶段。能否跨越从一个项目到一类场景的复制鸿沟,是行业从项目制走向产品化的核心挑战。
5、AI+制造行业主要壁垒分析
(1)数据壁垒
高质量工业数据集的稀缺性是第一道门槛。工业数据具有低信噪比、强时序性和高度依赖上下文的特点,可直接用于训练的有效数据占比极低。通用大模型在工业场景中的幻觉问题在真实生产环境中构成不可接受的风险。谁能系统性地完成工业数据的清洗、标注与场景化组织,谁就掌握了模型迭代的原料优势。
(2)工艺技术诀窍壁垒
机理知识与AI模型的融合深度决定可用性。工业场景的优化结果是否可信,取决于模型是否理解工艺机理。这些知识大量以隐性经验的形式存在于工程师和产线之中,难以通过通用数据习得。将工艺技术诀窍显式嵌入模型,是工业AI区别于消费级AI的核心壁垒。
(3)客户信任与切换成本壁垒
工业系统的容错空间极窄。工业控制系统一旦绑定产线,替换涉及停产风险、安全验证和人员再培训,切换成本极高。客户愿意开放生产数据、引入AI系统的前提是信任,而信任的建立周期以年为单位。这一壁垒对新进入者构成天然屏障,但也意味着一旦建立客户关系,收入粘性显著高于通用软件。
(4)生态与渠道壁垒
从单点工具到全栈方案的跨越难度。工业AI的规模化落地面临单点验证效果优异、规模化复制断点频发的共性难题,根源在于各技术要素相互割裂,未能形成协同闭环。能够提供从感知硬件、控制接口到模型决策的协同方案,并具备跨行业交付能力的厂商,在生态位上优于单点工具提供商。
北京普华有策信息咨询有限公司《2027-2033年AI+制造行业深度研究及投资前景预判报告》聚焦AI+制造行业,以2022-2026年为统计区间、2027-2033年为预测区间,系统梳理行业定义、发展历程与竞争格局。核心判断是:智能化与国产化并非平行线,每一次智能化改造都是国产软硬件份额提升的增量窗口。报告沿感知连接层、控制执行层、模型决策层三层架构展开,重点剖析模型决策层的壁垒属性与行业碎片化特征,并单独分析工业软件国产替代的突破路径。同时覆盖“十五五”规划纲要、新质生产力、未来产业等政策框架,以及具身智能、工业智能体等新场景。最后给出驱动与阻碍因素、主要壁垒及投资策略分析。
目录
第1章 AI+制造行业核心观点:智能化与国产化同频共振
1.1 大背景:中国制造业的规模底座与结构性矛盾
1.1.1 制造业增加值全球占比(2022-2026年)与物理人工智能落地的独特条件
1.1.2 “大而不强”的结构性缺口:研发设计类软件的高进口依赖
1.1.3 智能化与国产化的同频逻辑:每一次智能化改造都是国产份额提升窗口
1.2 核心逻辑:自主可控底座是智能化的前提条件
1.2.1 数据主权与自主可控软硬件底座的刚性约束
1.2.2 智能化改造与国产软硬件替代的耦合机制(2022-2026年验证期)
1.2.3 从“替代”到“重构”:人工智能范式切换对国产化路径的改写
1.3 产业机遇:从标杆引领到普惠覆盖的跃迁
1.3.1 2022-2026年:标杆工厂与头部企业先行渗透
1.3.2 2027-2033年:中小企业“链式转型”与普惠覆盖的增量空间
1.3.3 智能原生:人工智能从“外挂工具”到“业务设计起点”的范式跃迁
第2章 AI+制造行业界定与发展历程
2.1 行业定义与范畴
2.1.1 人工智能与制造业深度融合的本质内涵
2.1.2 行业边界:与工业互联网、智能制造、数字化转型的概念辨析
2.1.3 产业链在国民经济行业分类中的归属与统计口径说明
2.2 发展历程
2.2.1 全球视角:从专家系统到工业大模型的四阶段演进
2.2.2 中国路径:自动化补课、数字化并行、智能化跃迁的三期叠加
2.2.3 当前阶段判断:单点探索向规模化实战过渡(2022-2026年)
2.3 政策与产业共振:先进制造业的国家级动员
2.3.1 2026年全国先进制造业大会:首次以先进制造业为主题的国家级会议
2.3.2 “十五五”规划纲要对“加快发展新一代智能制造”的牵引性定位
2.3.3 八部门《“人工智能+制造”专项行动实施意见》的目标体系
2.3.3.1 官方明确目标:打造1000个工业智能体、100个高质量数据集、500个典型场景
2.4 技术奇点已至:人工智能落地的三大技术条件具备
2.4.1 时序架构:工业连续变量建模问题的解决
2.4.2 在线持续迭代:工业非稳态场景适配问题的解决
2.4.3 多模态融合:复杂工况感知问题的解决
2.4.4 三大条件的成熟度评估与工程化落地节奏(2022-2026年)
第3章 AI+制造行业宏观环境分析(政策、经济、社会、技术)
3.1 政策环境:从顶层设计到执行工具的完整链条
3.1.1 国民经济“十五五”规划纲要中“人工智能+”行动的功能定位与目标体系
3.1.1.1 “建设现代化产业体系”战略任务首位与制造业合理比重要求
3.1.1.2 “智改数转网联”与智能制造工程、工业互联网创新发展工程的部署
3.1.2 《“人工智能+制造”专项行动实施意见》的落地抓手
3.1.3 “新质生产力”政策框架下AI+制造的功能定位
3.1.4 中央与地方政策联动:北京、广西、苏州等地的差异化路径
3.2 经济环境:制造业投资周期与人工智能资本开支的错位与共振
3.2.1 2022-2026年制造业固定资产投资与技改投资走势
3.2.2 流程工业与离散工业资本开支周期的分化(2022-2026年)
3.2.3 2027-2033年人工智能相关资本开支的渗透曲线预判
3.3 社会环境:劳动力结构变迁与“机器换人”的刚性需求
3.3.1 制造业劳动力成本趋势与技能缺口(2022-2026年)
3.3.2 中小企业数字化转型的“不愿转、不敢转、不会转”困局
3.3.3 智能原生业态对工业组织形态与就业结构的重塑
3.4 技术环境:从单点人工智能到系统级智能的技术栈演进
3.4.1 工业大模型技术路线的分化:通用底座与垂直专用
3.4.2 边缘人工智能与端侧推理的工程化突破(2022-2026年)
3.4.3 具身智能、世界模型在工业场景的前沿性布局
第4章 全球及中国AI+制造行业发展现状与市场规模
4.1 全球及中国发展现状
4.1.1 全球:头部工业软件与云厂商主导基础层,垂直AI公司加速渗透
4.1.2 中国:应用层落地速度领先,基础层与研发设计层仍是短板
4.1.3 两化融合发展水平与重点场景应用普及率的阶段特征(2022-2026年)
4.2 全球及中国整体市场规模与结构拆解(2022-2033年)
4.2.1 2022-2026年全球制造业人工智能市场实际规模、增速与产品服务结构
4.2.2 2027-2033年全球市场规模预测(按不同复合年均增长率口径对比)
4.2.3 中国在全球市场中的份额演变、需求结构及区域地位(2022-2033年)
4.2.4 中国细分市场:窄口径(人工智能软件与平台)与宽口径(人工智能赋能的工业软件与智能装备)规模对比
4.3 全球主要区域市场深度剖析(规模、趋势与结构)
4.3.1 北美市场:基础软件、底层大模型与高端制造的融合特征
4.3.2 欧洲市场:工业4.0框架下的升级需求与绿色制造驱动
4.3.3 亚太(日韩等)市场:半导体与精密制造领域的产线智能化改造需求
4.3.4 其他新兴区域市场的规模潜力与发展特征
4.4 工业大模型细分市场规模与结构演变(2022-2033年)
4.4.1 2022-2026年工业大模型市场从导入到规模化落地
4.4.2 产品与服务分层结构:基础层、平台层、应用层占比及演变趋势
4.4.3 应用层细分增速排序:研发设计、生产制造、供应链管理等细分领域对比
4.4.4 2027-2033年工业大模型市场规模预测与结构演变
4.5 细分产品市场分析
4.5.1 智能软件产品(工业大模型、工业智能体、机器视觉软件等)
4.5.2 智能硬件产品(工业人工智能芯片、智能传感器、边缘计算设备等)
4.5.3 软硬一体化解决方案的市场接受度与规模前景
4.6 发展趋势判断
4.6.1 从项目制交付向平台化、订阅制收费模式迁移
4.6.2 从单点工具向全栈解决方案收敛,但碎片化特征长期存在
4.6.3 边缘推理占比持续提升,云端训练与端侧推理的分工格局成形
第5章 AI+制造行业产业链结构与上下游分析
5.1 产业链全景:上游基础层-中游平台/产品层-下游应用层
5.1.1 上游:算力底座、人工智能芯片、智能传感器与边缘计算设备
5.1.2 中游:工业人工智能平台、算法模型库、系统集成与解决方案
5.1.3 下游:流程工业(化工、石化、冶金)与离散工业(3C电子、汽车、装备制造)
5.2 上游原料与元器件情况
5.2.1 工业人工智能芯片:训练芯片与端侧推理芯片的国产化进展(2022-2026年)
5.2.2 智能传感器与边缘人工智能传感设备市场规模
5.2.3 算力基础设施:智算中心与工业云算力部署
5.3 下游主要细分应用市场需求规模及前景
5.3.1 流程工业细分应用:实时控制、质量管控与能耗优化(2022-2033年)
5.3.2 离散工业细分应用:柔性产线、视觉检测与智能排产
5.3.2.1 预测性维护、视觉检测、智能排产三大核心应用的市场占比与需求特征
5.3.3 新场景专项:人形机器人与具身智能在工业场景的渗透(2026-2033年)
5.3.4 新场景专项:AI+工业仿真、AI+合成数据、AI+供应链智能调度
5.3.5 新旧产业融合情况与前景:传统工业设备的人工智能化改造与新建智能产线的对比分析
第6章 AI+制造行业区域结构分析:中国产业的空间集聚与中外对比
6.1 中国总体区域格局:长三角、珠三角、京津冀的三极主导
6.1.1 三大区域合计贡献全国需求份额(2022-2026年)与集中度特征
6.1.2 省级市场排序:广东、江苏、浙江、上海、北京的梯队分布与结构特征
6.2 长三角:规模最大、链条最完整的核心集聚区
6.2.1 长三角工业大模型企业总量与全国占比
6.2.2 江苏、浙江的制造业集群优势与人工智能渗透特征
6.2.3 上海:平台层与算法层的功能定位
6.3 珠三角:应用场景密度最高、商业化响应最快
6.3.1 广东以领先的企业数量领跑全国的规模基础
6.3.2 消费电子与3C制造场景对人工智能视觉检测、柔性排产的拉动
6.3.3 深圳、广州在具身智能与智能终端方向的先发布局
6.4 京津冀:科研资源密集、政策驱动特征显著
6.4.1 北京在具身智能、脑机接口、6G等前沿方向的提前卡位
6.4.2 天津、河北在工业互联网平台与高端装备自动化方面的差异化定位
6.5 中西部及东北地区:承接产业转移与增速追赶
6.5.1 中西部地区AI+制造增速高于东部沿海的追赶态势(2022-2026年)
6.5.2 成渝、武汉、西安等节点的增量潜力(2027-2033年)
6.6 中外区域产业格局对比与互鉴
6.6.1 全球价值链分工:欧美主导基础层与研发设计,中国主导应用层与全场景落地
6.6.2 重点区域发展模式对比:北美技术创新驱动、欧洲标准与装备驱动、中国场景与数据驱动
第7章 AI+制造行业市场集中度与竞争格局
7.1 市场集中度:总体分散与环节分化并存
7.1.1 工业大模型赛道前五大企业集中度与头部科技巨头份额
7.1.2 工业软件整体前五大厂商中国市场份额与全球前五对比
7.1.3 集中度的时间演变(2022-2026年):从分散走向有限集中
7.2 竞争格局的三级梯队结构
7.2.1 第一梯队:外资全栈巨头(西门子、达索、霍尼韦尔)与国产平台龙头(用友、宝信、中控、华为)同台并立
7.2.2 第二梯队:专精企业(中望软件、华大九天等)在细分赛道的卡位
7.2.3 第三梯队:海量千万级中小厂商的生存逻辑与整合趋势
7.2.4 头部企业全景图谱概览
7.3 分环节竞争特征
7.3.1 模型决策层:垂直行业工艺技术诀窍构成核心区分度,通用模型难以通吃
7.3.2 控制执行层:集散控制系统国产化基本完成,可编程逻辑控制器国产替代显著滞后
7.3.3 感知连接层:硬件国产化率较高,但高端3D视觉与力觉及触觉传感器仍存缺口
第8章 AI+制造行业波特五力模型分析
8.1 现有竞争者之间的竞争强度
8.1.1 外资巨头在高端研发设计领域的存量壁垒与国产厂商的渐进蚕食
8.1.2 工业人工智能赛道参与者类型的多元化(科技巨头、工控厂商、垂直人工智能公司、系统集成商)
8.2 潜在进入者的威胁
8.2.1 通用大模型厂商向工业垂直场景下沉的可行性边界
8.2.2 行业经验壁垒与数据积累周期构成的进入门槛
8.3 替代品的威胁
8.3.1 传统工业软件与自动化系统对人工智能原生方案的替代关系
8.3.2 “智能原生”对传统工业自动化架构的潜在重构压力
8.4 供应商的议价能力
8.4.1 高端人工智能芯片与基础算力供给的集中度
8.4.2 工业数据资源的分散性对模型厂商议价空间的影响
8.5 购买者的议价能力
8.5.1 大型央国企的集中采购与定制化诉求
8.5.2 中小企业对“小快轻准”方案的价格敏感性与付费意愿
第9章 AI+制造行业态势分析(优势、劣势、机会、威胁)
9.1 优势
9.1.1 全球最大制造业场景的天然数据与试验场优势
9.1.2 流程工业集散控制系统等环节已建立的国产龙头地位与客户信任(如中控技术等国产龙头的长期积累)
9.2 劣势
9.2.1 研发设计类软件高端市场高度依赖进口的“卡脖子”缺口
9.2.2 中小企业数字化成熟度低,多数仍处于基础信息化阶段的制约
9.3 机会
9.3.1 “十五五”规划与“人工智能+”行动释放的制度性需求窗口
9.3.2 人工智能范式切换为国产软件“弯道超车”提供的技术路线重构机遇
9.3.3 具身智能、人形机器人等新场景创造的增量赛道
9.4 威胁
9.4.1 外资巨头加速人工智能能力嵌入既有工业软件生态的防御性反击
9.4.2 技术路线快速迭代带来的投资沉没风险
第10章 AI+制造行业行业特征与核心壁垒构成
10.1 人工智能加制造的三层架构
10.1.1 感知连接层:数据采集与边缘预处理
10.1.2 控制执行层:指令接收与精确执行
10.1.3 模型决策层:系统打通与决策输出
10.2 模型决策层的价值分布与壁垒属性
10.2.1 模型决策层在人工智能加制造中壁垒相对高、增量相对大
10.2.2 模型决策层的要素构成:数据、模型、操作系统、智能体
10.3 行业碎片化特征与“通用模型统治论”的证伪
10.3.1 工业大模型市场高度碎片化,不存在“一个通用模型统治所有行业”
10.3.2 碎片化与规模化的张力:垂直深耕的经济学逻辑
10.4 先入者护城河的五大来源
10.4.1 数据入口:决定数据质量
10.4.2 控制接口:决定模型影响力
10.4.3 工业协议与实时系统:决定部署规模
10.4.4 工艺技术诀窍:决定优化结果是否可信
10.4.5 效果核算与交付复制:决定商业模式
10.5 细分产品与业务模式的壁垒差异
10.5.1 平台型产品与项目制解决方案的壁垒对比
10.5.2 软硬一体化产品在感知层的硬件准入壁垒
第11章 AI+制造行业并行主线:工业软件国产替代的现状、路径与突破
11.1 “卡脖子”最严重环节:研发设计类工业软件
11.1.1 中国工业软件市场规模占全球比重极低(原口径)与宽口径修正(2022-2026年)
11.1.2 高端研发设计类软件高度依赖进口的格局
11.2 国产厂商在两个维度实现突破
11.2.1 自主内核攻坚
11.2.2 并购补齐短板
11.2.3 借人工智能范式切换实现局部超车
11.3 控制执行层的国产化进程分化
11.3.1 集散控制系统(流程工业):国产化已基本完成
11.3.2 可编程逻辑控制器(离散工业):国产替代明显滞后,未来有望突破
11.4 工业软件国产化的细分赛道进度图谱(2022-2033年)
11.4.1 经营管理类与研发设计类国产化率的落差分析
11.4.2 电子设计自动化软件、计算机辅助设计、制造执行系统等细分领域本土份额的爬坡轨迹(2022-2026年)
第12章 AI+制造行业重点企业/玩家分析(可按需定制)
12.1 全栈布局与底层底座平台企业(对应格局中的国产平台龙头)
12.1.1 华为
12.1.1.1 企业概述与“算力底座+工业大模型+生态”全栈定位
12.1.1.2 核心竞争力:昇腾算力生态与盘古大模型在工业场景的赋能
12.1.1.3 经营情况与在AI+制造基础设施中的生态链主地位
12.1.2 用友网络
12.1.2.1 企业概述与企业管理软件(ERP)龙头向AI原生转型
12.1.2.2 核心竞争力:企业级大模型的业务流数据壁垒与客户基础
12.1.2.3 经营情况与AI业务商业化进展
12.1.3 宝信软件
12.1.3.1 企业概述与钢铁冶金等流程工业的数字化龙头
12.1.3.2 核心竞争力:深厚工业机理沉淀与大型工业互联网平台能力
12.1.3.3 经营情况与IDC算力底座业务协同效应
12.2 核心控制与模型决策层(流程/离散工业大脑)
12.2.1 中控技术(流程工业AI主线)
12.2.1.1 企业概述与流程工业AI定位
12.2.1.2 核心竞争力:集散控制系统长期连冠的客户信任壁垒与流程工业经验积累
12.2.1.3 经营情况:工业AI收入放量节奏与结构性转型信号
12.2.1.4 市场占有率:集散控制系统国内份额领先,化工与石化行业市占率优势显著
12.2.1.5 2027—2033年工业AI收入占比与商业模式演进预判
12.2.2 能科科技(离散工业AI收入结构转型)
12.2.2.1 企业概述与离散工业人工智能定位
12.2.2.2 核心竞争力:数字孪生技术与军工及高端装备领域的客户壁垒
12.2.2.3 经营情况与AI业务收入结构转型路径
12.2.3 东土科技(实时系统与网络底座)
12.2.3.1 企业概述与工业实时网络定位
12.2.3.2 核心竞争力:工业级实时操作系统与总线技术
12.2.3.3 经营情况与在底层控制网络中的卡位
12.3 感知连接与执行层(物理AI的“五官”与“手脚”)
12.3.1 海康威视(工业视觉+移动机器人)
12.3.1.1 企业概述与“感知—决策—执行—应用”全栈定位
12.3.1.2 核心竞争力:视觉传感器龙头地位与多模态物联感知大模型
12.3.1.3 经营情况与工业AI收入节奏
12.3.2 奥比中光(3D视觉)
12.3.2.1 企业概述与三维视觉传感器龙头定位
12.3.2.2 核心竞争力:全技术路线三维视觉与头部机器人供应链卡位
12.3.2.3 经营情况与市占率特征
12.3.3 柯力传感(力与触觉)
12.3.3.1 企业概述与六维力传感器龙头定位
12.3.3.2 核心竞争力:高精度力控壁垒与打破海外垄断的国产替代意义
12.3.3.3 经营情况与在具身智能产业链中的卡位
12.3.4 敏芯股份、安培龙、汉威科技(微机电系统及传感器补充)
12.3.4.1 各企业在微机电系统与力/触觉传感领域的差异化卡位
12.3.4.2 经营现状与在感知层的市场地位评估
12.4 底层工具与数据层(研发设计与数据闭环)
12.4.1 索辰科技(物理仿真与合成数据)
12.4.1.1 企业概述:全物理场计算机辅助工程仿真与合成数据的结合点
12.4.1.2 核心竞争力与在AI+制造数据闭环中的“物理规律层”角色
12.4.1.3 经营情况与前景
12.4.2 中望软件、华大九天(研发设计类工业软件)
12.4.2.1 企业概述:国产CAD/EDA龙头
12.4.2.2 核心竞争力:自主内核攻坚与AI赋能研发设计的前景
12.4.2.3 经营情况与国产替代进度
12.4.3 海天瑞声、凡拓数创、世纪恒通、当虹科技(物理AI数据采集)
12.4.3.1 各企业在工业数据采集、标注与合成领域的差异化布局
12.4.3.2 商业模式与竞争壁垒分析
12.5 外资标杆企业简要对比(对应格局中的外资巨头)
12.5.1 西门子、达索系统、霍尼韦尔
12.5.1.1 企业概述与全球工业软件/自动化霸主地位
12.5.1.2 核心竞争力:底层架构垄断与生态系统壁垒
12.5.1.3 在华经营情况与国产替代对其份额的侵蚀趋势
第13章 AI+制造行业前沿性布局、新场景与新质生产力融合
13.1 前沿技术布局:2027-2033年的制高点
13.1.1 多模态世界模型与工业具身智能
13.1.2 工业智能体从“辅助分析”到“自主决策”的演进
13.1.3 边缘端大模型推理的渗透曲线与前景预测
13.1.4 面向科学的人工智能在材料研发与工艺优化中的工业延伸
13.2 新场景专项分析
13.2.1 人形机器人与具身智能进入工业产线的渗透率与规模空间
13.2.2 工业仿真人工智能化与合成数据驱动的研发范式缩短
13.2.3 智能原生工厂:从“业务定义技术”到“技术重构业务”的底层逻辑反转
13.3 前瞻性产品与市场分析
13.3.1 前瞻性产品:工业级大模型、工业智能体及具身智能装备的市场潜力
13.3.2 前瞻性市场:柔性制造、低碳智能工厂及无人化产线的增量空间
13.4 新质生产力与人工智能加制造的融合路径
13.4.1 “新质生产力”政策框架下人工智能加制造的功能定位与评价维度
13.4.2 新旧产业融合情况:传统流程工业的“智改数转网联”与智能原生新业态的并行发展
13.4.3 “十五五”期间新质生产力在制造业的落地节奏(2026-2030年)
第14章 AI+制造行业驱动因素、阻碍因素与发展前景预测(2027-2033年)
14.1 核心驱动因素
14.1.1 政策驱动:“十五五”专项工程与智能工厂梯度培育的持续性需求
14.1.2 技术驱动:模型轻量化、边缘推理成本下降与工程化成熟
14.1.3 经济驱动:人力成本上升与良品率及能耗优化的投入产出比逐步兑现
14.2 阻碍因素
14.2.1 工业数据分散且高质量数据集稀缺,制约模型训练与泛化
14.2.2 中小企业付费能力与数字化基础薄弱,规模化商业闭环尚未跑通
14.2.3 高端算力供给约束与核心工具链的生态壁垒
14.3 发展前景机遇
14.3.1 “十五五”末人工智能相关产业规模突破的宏观牵引
14.3.2 具身智能与人形机器人工业场景打开第二增长曲线
14.3.3 国产替代从“政策驱动”转向“能力驱动”的结构性机遇
14.4 整体市场规模前景预测(2027-2033年)
14.4.1 基准情景:制造业人工智能市场整体规模与增长潜力分析
14.4.2 乐观与保守情景的敏感性因素
14.4.3 工业大模型细分市场的规模延伸(2027-2033年)
14.5 渗透率与结构预测
14.5.1 规上工业企业人工智能渗透率的时间曲线(2027-2033年)
14.5.2 流程工业与离散工业的渗透节奏差异
14.5.3 大中小企业之间的“能力鸿沟”收敛条件
第15章 AI+制造行业投资机遇、投资策略与商业模式
15.1 投资机遇:两条核心增量主线
15.1.1 感知连接层:商业化落地较快、有数据、设备、行业经验壁垒的公司
15.1.2 模型决策层(“大脑”中枢技术):壁垒最高、增量最大的环节
15.2 重点标的索引
15.2.1 大脑与模型决策层:中控技术、能科科技、索辰科技、东土科技
15.2.2 感知端:奥比中光、海康威视、敏芯股份、柯力传感、安培龙、汉威科技
15.2.3 数据端:海天瑞声、凡拓数创、世纪恒通、当虹科技
15.3 投资策略:从“替代逻辑”到“重构逻辑”的切换
15.3.1 2022-2026年:国产替代贝塔主导,关注份额提升的确定性
15.3.2 2027-2033年:人工智能原生产品阿尔法主导,关注商业模式的可复制性
15.3.3 商业模式验证的关键指标:人工智能收入增速、跨装置复制率、持续收费占比、毛利率与经营现金流
15.4 前沿布局的投资节奏
15.4.1 具身智能与人形机器人的工业场景兑现时点判断
15.4.2 工业智能体从“项目制”向“平台与订阅制”迁移的投资含义
第16章 AI+制造行业主要壁垒构成、风险与研究结论
16.1 主要壁垒构成
16.1.1 数据壁垒:高质量工业数据集的稀缺性与建设周期
16.1.2 工艺技术诀窍壁垒:工艺机理与人工智能模型的融合深度
16.1.3 客户信任与切换成本壁垒:工业控制系统的“三十年不掉链子”属性
16.1.4 生态与渠道壁垒:从单点工具到全栈方案的跨越难度
16.2 相关风险
16.2.1 技术发展不及预期
16.2.2 行业竞争加剧
16.2.3 订单兑现不及预期
16.2.4 人工智能商业化落地不及预期
16.2.5 国产替代进度不及预期
16.2.6 下游资本开支波动风险
16.3 新增关注风险
16.3.1 中小企业数智化转型的“盆景式”投入与复制失败风险
16.3.2 数据安全与核心系统自主可控的系统性风险
16.3.3 技术路线快速迭代导致的存量投资沉没风险
16.4 研究结论与建议

户名:北京普华有策信息咨询有限公司
开户银行:中国农业银行股份有限公司北京复兴路支行
账号:1121 0301 0400 11817
任何客户订购普华有策产品,公司都将出具全额的正规增值税发票,并发送到客户指定微信或邮箱。
