前  言

       习近平总书记深刻指出，人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。2025年8月，国务院发布关于深入实施“人工智能+”行动的意见。2025年12月，工信部等八部门联合印发《“人工智能+制造”专项行动实施意见》。

       当前，以大模型为代表的人工智能正加速演进，深刻重塑全球科技格局、产业形态与时代进程，大模型赋能千行百业的进程明显提速。中国工业互联网研究院系统追踪大模型技术演变，凝练形成2025年人工智能十大技术进展回顾报告，并分析其对工业领域应用的影响。为行业研判未来技术走向、把握产业发展机遇、推动人工智能与实体经济深度融合提供前瞻指引与决策参考。

       进展一

       工业领域应用研判一

      可验证奖励强化技术代表性的应用是DeepSeek-R1等思维链强化模型。对于工业领域，在设计研发阶段，通过将工程规则、物理约束与设计规范显式纳入奖励函数与验证机制，使强化学习过程具备可检验、可约束的优化目标，可降低工业软件在智能设计与自动优化中的不确定性与失真风险，提升自动设计结果与工程可行性之间的一致性，加快智能设计功能在工程实践中的落地。在工业系统运行与运维决策中，可验证奖励强化技术通过反馈机制引导策略优化，确保运维策略与安全规范、运行边界保持一致，提高决策在实际生产环境中的可靠性。

       推荐场景：工业系统调度优化、设备运行策略优化。

       进展二

       工业领域应用研判二

       扩散语言模型不再依赖严格的自回归逐词生成，通过“加噪—去噪”的并行生成机制，使大模型在工业场景中显著提升生成速度与稳定性，尤其适合对时延和一致性要求较高的场景。此外，其“以掩码为噪声、逐步收敛”的生成方式天然适配文本重写、局部编辑和结构化修订等工业高频场景，如文档编辑等，减少无关内容扰动，提高可控性与工程可靠性。

       推荐场景：工业质量检测、工业软件编程助手。

       进展三

       工业领域应用研判三

       在产品设计环节，稀疏注意力机制通过对超长代码数据高效建模，缓解传统全注意力在CAD/CAE/EDA等工业软件场景中的算力与性能瓶颈，推动工业软件向智能化、自动化设计辅助演进，缩短工程设计周期并降低软件运行与研发成本。

       在设备运营管理环节，稀疏注意力机制适用于处理工业运行过程中产生的海量时序数据与运维日志，可在有限算力条件下聚焦关键异常与高价值信息，提升设备状态评估与故障预测的准确性与实时性，降低系统停机风险与运维成本。

       推荐场景：智能工业软件研发助手、工业设备预测性维护。

       进展四

        工业领域应用研判四

       代理式编程技术通过任务规划、规则约束与工具调用能力，使智能系统具备在受控条件下持续执行复杂工程任务的能力，是工业智能从“分析决策”走向“可执行智能”的关键支撑。该技术可将工艺规范、运维策略等工程知识转化为可自动执行流程，在人机协同与权限控制框架下，减轻人工操作负担与执行偏差，提升系统运行效率与稳定性，更适合作为“受控执行代理”嵌入工业系统，支撑规模化、可回滚的智能应用落地。

       推荐场景：工业软件开发与配置自动化、工业运维与设备管理自动化。

       进展五

        工业领域应用研判五

       混合精度训练与推理技术通过对不同计算模块采用差异化数值精度配置，在保证工程计算稳定性与结果可信度的前提下，显著提升模型训练与推理效率，可有效降低工业软件在智能建模、仿真加速与设计优化过程中的算力消耗，支撑复杂工程算法在通用算力平台上的规模化部署。在工业系统运行与维护中，混合精度推理技术可在不影响关键判断精度的情况下提升模型响应速度，适用于对实时性要求较高的设备监测与故障预警场景，有助于降低算力成本并提升系统整体运行效率。

       推荐场景：工程模型训练与仿真推理优化、工业设备在线监测与预测性维护系统。

       进展六

       工业领域应用研判六

       基于视觉的上下文压缩技术，可提高模型处理长上下文的能力。在设备运维咨询、工业知识问答等场景中，模型无需对论文、书籍等资料进行处理，可直接将图片作为上下文，对其进行检索与推理，显著降低推理成本、提升响应速度，结合丰富的参考资料，可提高回答的可解释性与工程落地性。

       推荐场景：设备运维咨询、工业知识问答等。

       进展七

       工业领域应用研判七

       在研发设计环节，高质量图像生成技术通过提供高保真、物理逻辑一致的工业场景图像与多模态数据支持，将“设计即渲染”的敏捷原型化能力引入生产全链路，大幅压缩从概念草图到工程样机的验证周期，降低设计与物料制作成本。

       在运营管理环节，高质量图像生成技术可自动化生成多版本宣传海报、产品说明书附图、应用场景示意与拆解图，实现技术参数、结构特征与使用情境的直观可视化，确保市场传播与事实一致，减少销售、交付与运维阶段的信息偏差。

       推荐场景：工业外观创意设计、产品海报设计等。

       进展八

       工业领域应用研判八

       大模型数学能力的提升，使其在工业系统集成与优化领域具备较大应用潜力，能够在工艺参数优化、设备控制逻辑校验、复杂系统调度、能耗与安全边界分析等问题上，给出具备严格逻辑一致性和约束满足性的结论，降低“看似合理但实际错误”的风险，尤其契合能源、化工、半导体等对正确性与合规性高度敏感的行业，推动工业智能从“辅助决策工具”升级为可信的工程级推理与验证引擎，为自动化决策和自主系统落地奠定关键基础。

       推荐场景：工业系统建模与过程优化。

       进展九

       工业领域应用研判九

       智能体通信标准化技术通过建立统一、可扩展的上下文与交互协议，使工业大模型能够以标准方式对接工具系统、业务系统与前端界面，突破“单一模型、单点能力”的限制，走向多智能体协同、跨系统联动的工业智能体系，显著降低了模型与工业软件、设备平台的集成成本，提升了智能体之间的信息一致性、任务协作效率与系统可演化性，为工业大模型从试点应用走向规模化部署、从实验系统走向生产级与社会级系统提供了关键基础设施支撑。

       推荐场景：工业生产调度、智慧供应链上下游协同（S&OP）。

       进展十

       工业领域应用研判十

       世界模型技术通过为大模型构建对真实工业系统的内部表征与可演化状态空间，使其具备“理解—预测—推演”工业过程的能力，对工业大模型产生根本性影响：大模型不再仅基于静态知识或历史数据回答问题，而是能够在虚拟的工业“沙盒”中模拟设备运行、工艺变化与环境扰动，进行未来状态预测和因果推理。这使其在工艺优化、故障预演、调度规划、安全评估等高价值场景中，从“事后分析工具”升级为“事前决策与推演引擎”，显著提升工业决策的前瞻性、系统性与可靠性，是推动工业智能从辅助决策走向自主决策的关键技术基础。

       推荐场景：工厂虚拟现实培训、紧急场景工况仿真。

       总结

       大模型在工业领域的应用正从“通用对话与知识检索”迈向“工程级智能系统”，通过视觉上下文压缩、扩散式生成、智能体通信标准化、世界模型以及可验证的数学推理等关键技术，大模型逐步具备对工业系统的状态理解、过程推演、协同执行与可信决策能力。随着多项技术的进步，大模型不再只是信息辅助工具，而成为可深度嵌入设计、制造、运营与管理环节的核心智能中枢，推动工业企业在效率、质量、安全与决策前瞻性方面实现系统性提升。

       人工智能供需平台

       为落实国务院关于深入实施“人工智能+”行动的意见，推进工业供应链智能协同，加强自适应供需匹配，中国工业互联网研究院发布人工智能赋能新型工业化供需对接服务平台，以公共服务为核心定位，平台全量资源免费开放，通过智能化匹配机制促进产业供需双方精准对接。

       供需对接服务平台现面向人工智能企业、工业应用企业和政府部门提供公益服务，发布内容全部免费。欢迎前往人工智能赋能新型工业化供需对接服务平台（https://www.ai-bridge.cn）了解更多详细信息。

       作者信息

       李优，工学博士，中国工业互联网研究院智能化研究所研究员，主要研究方向为人工智能技术、产业、政策、大模型测试等。

      杨昱文，工学博士，中国工业互联网研究院智能化研究所研究员，从事人工智能领域产业研究和大模型测试相关业务。

       傅冰飞，工学博士，中国工业互联网研究院智能化研究所研究员，从事人工智能领域产业研究和大模型测试相关业务。

       冯诀宵，工学博士，中国工业互联网研究院智能化研究所研究员，从事人工智能领域产业研究、计算机视觉、开放世界、大模型测试相关业务。

       联系人与联系方式：

       李老师 18519316049

       邱老师 18823660419

       转载声明

       欢迎对本文进行转载，并请保证内容完整性。转载请明确注明“内容转自中国工业互联网研究院”，并保留文章内关于“人工智能赋能新型工业化供需对接服务平台”的相关描述。