报告说工业 AI 应用比例一年从 9.6% 涨到 47.5%,可我在工厂里看到的另一组数字是——很多工业AI落地项目停在 Demo,没进产线。
10 月底,36 氪研究院发布《2026 年中国工业 AI 行业发展研究报告》,随后被新浪财经等多家媒体转载;另一边,德勤中国与香港大学 9 月联合发布的《决策者视角下的企业 AI 应用》也在被反复讨论。两份报告放在一起看,出现了一组耐人寻味的对撞:渗透率在暴涨,回报率没跟上。
01渗透率涨了五倍,AI回报为什么没跟上

先看 36 氪研究院报告的乐观面:2025 年中国工业企业大模型及智能体应用比例达到 47.5%,较 2024 年的 9.6% 增长近五倍;多环节同步部署 AI 的企业占比从 1.7% 跃升至 35%。2026 年中国工业 AI 可落地市场规模预计突破 1163 亿元,2030 年有望达 3034 亿元,年复合增长率约 25.4%。
再看德勤那边的冷静面:48.5% 的受访企业反馈 AI 项目实际投资回报低于预期——企业预期回报率集中在 10%-25% 区间,而实际达成的回报更多落在 10% 以下;另有 44.4% 的企业无法明确核算 AI 项目的实际投资回报率。

这不是矛盾,是同一件事的两面:上系统的人多了,把系统用出钱的人还没跟上来。德勤的报告给出了缺口的具体位置——60.4% 的企业尚未建立体系化的价值衡量框架;87.3% 的企业评估 AI 成效时只看处理速度和工时节约,只有 21.5% 涉及收入与客户层面。换句话说,多数企业连「这笔 AI 投资赚没赚回来」都算不清。
而 36 氪报告给出了价签:工业 AI 单项目综合投入在 250 万至 620 万元之间,投资回报周期普遍为 6 至 18 个月。这个投入量级,回报算不清就不是小事了。
02工业AI落地难在哪?四个坑都在工厂里

报告把工业 AI 规模化的瓶颈归纳为四个相互放大的挑战。作为常年泡在产线的人,我可以逐条对应到现场:
坑一:异常样本极度稀缺。报告举的例子是某工厂故障数据仅占 0.03%——一万条数据里只有三条是故障。这决定了「拿通用大模型直接怼产线数据」的路走不通:模型见得最多的都是正常工况,真正值钱的异常它没见过。这也是为什么数据治理和样本积累必须先于模型训练,而不是反过来。
坑二:模型黑箱与工业可追溯要求冲突。工业现场要的是「每一条结论都能说出为什么」,出了问题要能回溯到原因。大模型天然是概率输出,说不清依据。产线上,算得漂亮不等于做得出来,说不清原因的决策没人敢执行。
坑三:前期投入高,中小企业观望。250 万起步的单项目投入,对中小企业不是「贵不贵」的问题,是「赔不赔得起」的问题。中国 71% 的工业 AI 应用比例全球领跑(MHP 调研),但报告也提醒:这反映的是部署意向,与生产环节的深度渗透是两回事。
坑四:懂工艺又懂 AI 的人才断层。会算法的不懂装置,懂装置的不会调模型。这个断层在乙方同样存在——卖软件的队伍和做交付的队伍,经常不是一拨人。
03为什么「外挂式赋能」走不通

36 氪报告有一个判断值得单独说:传统单点试错已不适配工业的严苛要求,破局关键在于机理知识与数据模型的深度融合,以抑制 AI 幻觉。
报告把工业 AI 分成 L0 到 L5 六级,当前行业整体处在 L2 向 L3 过渡的阶段——L2 是单点预测检测,L3 才是分水岭:AI 介入决策,但由人工兜底。多数项目卡在 L2 之前,不是因为算法不行,而是因为没有把工艺机理喂进模型:模型不知道这个温度波动在工艺上意味着什么,自然不敢让它的建议进闭环。

报告提出的三大趋势——模数共振(模型训练倒逼数据治理、现场数据反哺模型迭代)、物理 AI(智能能力嵌入装备本体)、智能体工厂(排产、物流、运维 Agent 自主协商)——方向都对,但每一个都要求「懂工艺的人在环」。
04破局三件事,件件都要人到现场

报告给出五大协同路径,落到企业可执行层面,我们把它压成三件事:
第一,用预训练 + 微调压低交付成本。不在工厂里从零造模型,而是拿工业大模型基座做场景微调——这也是单项目投入能从「千万级实验」压到「250 万级工程」的原因。中控技术基于 TPT 工业基座给万华化学宁波氯碱做的数字员工,装置报警总量下降 50%、预警准确率超 95%,年创造价值超千万元——基座复用 + 场景微调,是当前被验证过的性价比路线。
第二,建「可执行、可追责」的闭环验证。每个 AI 建议都要有数据出处、有责任归属、有验证口径。这也是对冲第二个坑(黑箱)的唯一办法——不是要求模型可解释到物理级,而是要求结论可追溯、责任可界定。
第三,把老师傅的工艺经验转成可计算规则。这是最难也最值钱的一步。老师傅「听声辨故障」的经验,只有懂工艺的工程师在旁边一条条问出来、翻译成模型约束,才能进系统。这件事没有任何捷径,只能人到现场。凡达恩 FDE 做的制造业AI交付,核心工作就是这三件:基座选型与微调、闭环验证口径设计、现场工艺规则翻译。
05中小制造企业怎么落地工业AI?一条务实路径

不是每家工厂都要上 250 万的全厂方案。务实的路径是:

工业大模型的渗透率故事已经讲完了上半场,下半场拼的是工业AI落地和 AI回报 的兑现:报告里 71% 的部署意向,最终要靠产线上那 0.03% 的异常数据、一条条工艺规则和一轮轮现场迭代来兑现。这活儿没有捷径——模型私有化部署只是第一步,让产线真正用起来,才是交付。
扎根现场,产出实效。
Deal Onsite, Deliver Real Value
扎根现场,产出实效
36氪研究院《2026年中国工业AI行业发展研究报告》(2026年10月发布,中控技术为联合发布方参与研究),经新浪财经、腾讯新闻等转载(2026-11-01/02) 德勤中国 × 香港大学人工智能、管理与组织研究中心《决策者视角下的企业AI应用》(2026-09-22 云栖大会发布,覆盖 205 位企业高管) 运营动脉对 36氪报告的全文解读(L0-L5 分级、流程工业试金石章节),2026-11
如果觉得有用,欢迎分享给更多人 🎉
- END -