工业和信息化部披露了一组产业底数。二〇二五年中国人工智能核心产业规模超过一点二万亿元。截至二〇二五年底，全国规上制造业企业人工智能技术应用普及率超过百分之三十。中国电子报与工信部官网发布的口径显示，AI不再只是互联网公司的专利，它已经渗进工厂车间，成为制造业升级的常规配置。

核心产业破万亿。

三成工厂在用。

渗透率跳得更快的是智能体。IDC数据显示，中国工业企业智能体渗透率从二〇二四年的百分之九点六，提高到二〇二五年的百分之四十七点五。一年时间从个位数冲到近半，新华社援引的这组数据说明，企业不是在用不用AI上犹豫，而是在以多快速度把AI嵌进产线。增速之快，超出不少观察者的预期。

一年冲到近半。

政策层面同步加码。工信部等八部门印发《人工智能加制造专项行动实施意见》，提出到二〇二七年推广五百个AI加制造典型应用场景。新华社报道，这份文件把场景化落地写进任务清单，不再泛谈技术，而是瞄准具体环节。从诊断、排产到质检、运维，每个场景都要有可复制的样板。

二〇二七推五百场景。

地方已经跑出样本。新华社二〇二六年四月八日报道，浙江在纺织业投入AI验布，准确率比人工高出二十五个百分点，效率提升两倍。中策橡胶的AI车间平均每三点一秒下线一条轮胎，效率提升百分之三百，不良率降到百分之零点五。两个案例一个在轻工、一个在重工，证明AI加制造不只停留在PPT。

验布准两成五。

三点一秒一条胎。

数据壁垒是头号拦路虎。工厂愿意上AI，但历史数据散在设备与表格里，打通成本高。算力开销与复合型人才缺口同样吃紧，既懂工艺又懂模型的工程师稀缺。政策与渗透率双驱动之下，谁能先补上数据与人才这块短板，谁就能把示范变成规模。

数据人才双缺口。

对制造企业来说，选型逻辑要务实。先看自己哪条产线最痛，是质检漏检还是排产混乱，再找对应场景的成熟方案，比追逐大而全的平台更稳。工信部推的五百个场景清单，恰好是现成的参考坐标。先小范围试点拿到良率与效率数据，再决定扩面，能大幅降低试错成本。

选型要务实。

制造业被普遍视为AI落地最确定的价值洼地。万亿核心产业规模、超三成普及率、近半智能体渗透率，三组数字叠在一起，指向一个判断，这里不是讲故事的地方，是真金白银省成本、提良率的地方。拦路虎仍在，但方向已经清晰，下一阶段拼的是把样板复制到千厂万线的执行力。

示范案例正在外溢。浙江的AI验布、中策橡胶的AI车间不是孤例，多地园区把同类方案往化纤、汽配、电子组装复制。新华社披露的良率与效率数据，给犹豫的厂长提供了参考样板。当先行者把不良率压到零点五个百分点，后来者跟进的阻力会小很多，扩散速度往往比政策预期更快。

人才短板要长线补。既懂产线又懂模型的工程师稀缺，是普及率冲到三成后仍卡住多数企业的硬约束。高校与职教开始设交叉方向，大厂把工业智能体平台往下放，都是为填缺口。制造业的AI化不是装几套软件就完事，而是一场持续数年的系统与人的共同升级。

政策与市场的双轮已经转起来。示范项目跑出数据，部委给出场景清单，地方园区跟进复制，这条链路比单纯喊口号实在。制造业的AI化不会一夜完成，但方向已经没有回头路，剩下的只是速度与执行。