开发工厂级智能体，整合全要素数据，整合研发、生产、质量、能耗、物流和运营全链路数据，搭建工厂级智慧运营平台，实现生产计划、能耗优化等全局最优决策。构建场内智能安监体系，在厂内关键区域、危险作业点部署视频监控设备，通过人体姿态识别、区域入侵检测算法，实时监测工人安全帽佩戴、防护装备使用情况及危险区域闯入行为，建立分级预警与快速响应机制。部署智能巡检机器人、自动控制等系统，减少人工干预，打造“黑灯工厂”。例如，钢铁冷轧厂通过“工厂大脑”实现各生产车间远程监控，车间内行车、机器人等设备全自主运行，仅需少量操作人员监控数十块屏幕，提升生产效率，大幅降低吨钢能耗与污染物排放。
（五）人工智能+企业，创新经营管理手段
通过整合技术研发、生产经营等数据，依托企业云搭建企业级智能决策平台，基于企业产品数据库、材料性能参数、制造工艺约束等数据，打造设计智能体，输入产品功能需求、性能指标、成本预算等核心参数，自动生成多套优化设计方案，并通过仿真模拟验证方案可行性，形成“需求输入－方案生成－仿真迭代－最优输出”的研发闭环。建立智能风险防控系统，实现合规、资源统筹配置与运营效率提升。例如，彩电生产企业整合供应商数据，打造智慧供应链管理平台，实现物料需求实时预测，将彩电物料需求提报至供应商的时间从“天级”缩短至“小时级”，提升了订单响应速度。
（六）人工智能+产业链，优化产业协同模式
立足产业生态层面，产业链核心企业汇聚产品联合开发、产业协同策略、产业链管理、跨企业资源调度、碳排放管控等产业链上下游数据，构建智能协同平台，部署供需匹配分析、供应链协同等产业级大模型，实现智能协同与风险联防，解决产业链协同低效、资源配置失衡、风险联防不足等问题，降低产业链采购成本、缩短协同研发周期、供应链断供风险实时预警，实现产业资源高效联动与高质量发展。例如，汽车企业通过整合产业链内企业数据与工业知识，构建“工业互联网平台+超级智能体”体系，部署排产、仓储、质检等多类智能体，实现跨领域协同决策，推动产业链上下游企业降本、减排，形成“技术－场景－数据”的产业生态循环。
三、把握“人工智能+制造”实施路径
加快推进“人工智能+制造”，企业是主体。让“人工智能+制造”扎根于企业，服务于场景，成长于生态，是企业抓住新工业革命机遇的关键。
（一）建设数智基础设施
破解“联不稳”“算不快”的数字底座瓶颈，构建云边协同、控网算一体的新型基础设施，为海量工业数据的实时处理和智能应用的规模化部署提供坚实支撑。建设新型工业网络。基于“端－边－云”扁平化网络协同架构，综合运用工业5G、硬实时无线控制、工业确定性网络、无源物联、工业光网等技术，实现工业现场网络无缝覆盖和灵活组网，为工业控制、生产、经营、管理全流程海量多模态异构工业数据提供统一承载。将AI技术嵌入网络各环节，通过“算力路由”和“在网计算”等机制，提高工业网络资源动态调度、故障自愈与智能运维水平。布局工业算力体系。打造边缘云、企业云、产业云“三云”协同智算能力，扩展端侧智能，部署边缘智算节点，集成数据预处理、模型训练、安全隔离等功能，实现生产的“就近计算、快速响应”。强化企业全域算力按需扩展、模型和智能体快速训练与迭代部署，承载生产调度优化、财务预测等场景化应用，满足企业经营的“智能仿真、辅助决策”算力需求。推广全局算力调度，提供大规模仿真、数字孪生、大模型训练等高算力服务，提升全产业链“跨域调度、高效畅通”能力。
（二）推进工业要素互联互通
解决“采不上”“看不懂”的数据源头难题，打通异构设备、系统与协议间的壁垒，实现工业全要素的泛在互联，为上层智能应用提供高质量的数据输入。增强终端网联与智能。提升终端设备联网率和智能化能力，加快推动嵌入式AI发展，通过集成轻量级AI算法，传感器在端侧进行实时特征提取、异常识别和初步决策，大幅减少原始数据上传的带宽压力，实现亚毫秒级的本地智能响应。推广身份识别、作业记录等领域智能终端，提升生产设备/检测仪器的智能传感器配置比例，增强传统设备的自感知、自分析、自决策能力。强化数据采集与互通。依托PLC、DCS等通用控制器，或传感器采集工业设备原始数据，通过MQTT、OPCUA等中间件协议适配转换实现OT层设备数据标准化接入。基于数据同步、数据虚拟化等集成技术实现数据接入与整合，支撑工业设备泛在互联与异构数据流转。采用OPCUA等统一协议实现多品牌设备数据采集，建立信息模型解决语义冲突，打通设备间协议转换的“语言障碍”。通过多源异构数据清洗、聚合及语义对齐、多模态数据智能标注、增强与合成等预处理技术，提升数据质量。
（三）发展高质量数据集
