【国金证券】计算机行业研究：再谈工业AI：立足跨模型架构AI中台，落地垂类Agent场景-250307（23页）.pdf

《【国金证券】计算机行业研究：再谈工业AI：立足跨模型架构AI中台，落地垂类Agent场景-250307（23页）.pdf》由会员分享，可在线阅读，更多相关《【国金证券】计算机行业研究：再谈工业AI：立足跨模型架构AI中台，落地垂类Agent场景-250307（23页）.pdf（23页珍藏版）》请在三个皮匠报告上搜索。

1、行业研究 敬请参阅最后一页特别声明 1 再谈工业再谈工业 AI，当下“易部署、高可靠、低成本”的“既要、又要、还要”或有破局可能。，当下“易部署、高可靠、低成本”的“既要、又要、还要”或有破局可能。3 月 6 日，Monica.im发布全球首款通用型 Agent 产品 Manus，标志着 Agent 应用进入全面落地阶段。市场此前一直有声音认为，工业场景具有数据高复杂度、结果低容错率、成本敏感性高等特点，因而在本轮 AI 大模型技术发展的浪潮中，应用落地节奏相对较慢，短期内较难改变既有的业务流程与生产管理范式。然而，早在 20230409AI+工业信息化，高价值、高普及、高认可之路报告中，我们

2、已旗帜鲜明地指出，“本次 AI 技术创新到实际工业场景落地的时间可能快于市场预期”，并详细梳理了工业 AI 的三类核心应用模式与三大发展阶段。立足当下，我们认为，1）“多模态大模型 any2any”的技术演进趋势有望降低工业场景非结构化数据的处理难度；2）“大模型指挥+小模型执行”的融合工业 AI 中台有望实现跨模型混合推理与模型与知识库的两端的平滑迭代优化；3）Agents 替代人力劳动，叠加 DS 大幅降低算力成本、国内劳动力工资持续提升的背景下，“机器换人”或逼近拐点时刻。工业工业 AI 中台回应模型侧与数据侧高频“无痛”迭代诉求，商业化正处于渗透率中台回应模型侧与数据侧高频“无痛”迭代

3、诉求，商业化正处于渗透率0 到到 1 阶阶段。段。工业客户行业知识库与外界 AI 大模型迭代速度较快，一方面，AI 决策直接影响工业客户生产质量，因而 AI 必须基于制造业的专业知识进行定制化（预训练、微调、RAG），并伴随客户的知识库变化同步更新；另一方面，过去两年 AI 大模型迭代加速，且不同的 AI 模型适配的应用场景有所差异。工业 AI 中台能够在不影响正常生产经营的前提下实现 AI模型两端的平滑升级和优化，具备“开源大模型+云 API”混合推理、多模型综合管理、模型全生命周期管理、可观测性四项核心能力。商业化方面，赛意信息近期中标合同金额达 4,867 万元的 AI 中台项目，内容包

4、括基于AI 工具链实现数据处理、大模型训练与微调、AI 应用开发等端到端能力，并具备接入 DeepSeek 大模型的能力。发布于 2024 年 6 月的中控技术流程工业时序大模型 TPT，结合大量行业知识和工业数据基础，融合工艺参数的设备异常监测及诊断、实现全过程质量精准模拟与优化控制、将难以机理建模的装置运行优化、帮助石化装置实现精准模拟优化和动态路径规划。目前已在万华化学、兴发集团、镇海炼化等数十家大型企业的氯碱、热电、石化等装置实现落地应用。我们认为，工业 AI 中台目前尚处于渗透率早期，以“华为晟腾+赛意信息”合作模式为例，工业 AI 中台部署对算力整合、模型管理、工业数据治理、领域

5、Knowhow、工程化交付等能力提出较高要求。工业工业 AI 应用中生产控制环节成熟度持续保持领先，全环节垂类应用中生产控制环节成熟度持续保持领先，全环节垂类 Agent 应用点状涌现。应用点状涌现。在 20230409AI+工业信息化，高价值、高普及、高认可之路报告中，我们曾基于信通院工业智能白皮书(2022)梳理认为，生产控制环节的 AI 应用占比超 57%，拥有表面缺陷检测、生产过程控制优化、质量关联分析、预测性维护、安全管理与巡检、生产作业视觉识别、物料识别与操作等一批典型细分场景。本篇报告中，我们进一步基于 2023 年 605个工信部智能制造优秀场景统计认为，出现频率排名前 10

6、的场景生产环节约占 7 个，生产制造仍是工业 AI 落地成熟度最高的环节。究其原因：一是场景需求成效显著，产品质量、效率以及设备管理直接与企业经济挂钩，是几乎所有工业企业共同关注的重点环节。二是数据获得性强，生产过程数据、设备运行过程数据等数据量较大、采集相对简单，为 AI 技术落地提供了基本条件。三是技术成熟度较高，以机器学习、图像识别等传统 AI 算法面向特定问题实现识别、参数预测及优化为主。垂类 Agent 场景中：1）赛意信息 AI+PCB 方案打通 MI 参数解析BOM 成本查询自动生成报价全流程。2）中控技术基于 TPT 大模型推动流程工业 APP 订阅制转型，基于DCS+物流机器