《2025年国务院政府工作报告》指出，在传统产业，通过加快制造业数字化转型，开展标准提升引领传统产业优化升级行动推动传统产业改造提升；在数字经济领域，持续推进“人工智能+”行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用，激发数字经济的创新活力。近年来，国家及地方层面密集出台一系列产业政策，支持人工智能技术创新发展与融合应用，推进工业互联网平台深度赋能制造业全链条各环节，加快制造业高端化、智能化、绿色化转型进程。

工业互联网平台是连接设备、软件、工厂、产品、工人等工业全要素的枢纽，沉淀着海量优质工业数据、机理模型、工业App等资源，为工业智能体发展提供了良好条件。作为人工智能与工业场景深度融合的产物，基于工业互联网平台的工业智能体通过多模态环境感知，基于知识图谱与智能算法模型自主执行目标任务，具备认知推理、自主规划和自决策自行动能力，成为推动新型工业化、发展新质生产力的核心驱动力。

1 工业智能体产业发展现状

1.1 工业智能体全球竞争格局加速重塑

美国等西方国家凭借其在工业软件和人工智能领域的技术积累，构建了显著的产业竞争优势。一方面，依托西门子、达索等传统工业软件巨头在第三次工业革命时期构建的技术壁垒，在CAD(计算机辅助设计)、CAE(计算机辅助工程)、PLM(产品生命周期管理)等核心工业软件领域占据主导地位；另一方面，凭借在人工智能基础研究、算法、芯片算力等方面的技术优势，微软等企业将制造业数字化转型中积累的工艺设计、物理建模、仿真优化等核心能力，快速迁移至工业智能体开发。这种技术协同效应使得早期成熟的工业软件产品得以快速演进，形成了完整的工业智能体产品体系，最终在跨行业通用工具平台、高性能算力基础设施以及工业软件生态系统等多个维度形成了全球性的市场垄断格局。

进入新时代，我国充分利用作为全球规模最大、门类最齐全的工业体系，发挥制造业场景种类多的优势，在特定垂直领域实现工业智能体应用的突破发展。例如，卡奥斯依托工业互联网平台的数字化实践，打造基于工业互联网的垂直领域大模型天智工业大模型，覆盖家电、石油化工、能源等多个领域，催生出众多解决实际痛点的工业智能体；在工程机械行业，振华重工针对港口机械行业开发ZPMCEngineerAI智能体，嵌入设计、生产、运维环节；和利时打造XMagital工业智能体，精准识别垃圾发电炉膛火焰、冶金团球矿形态、设备热成像特征等工业安全领域复杂工况。

1.2工业智能体应用场景呈现差异化发展路径

欧美工业智能体技术主要体现为以博世、特斯拉等大型制造业企业，西门子、施耐德等工业自动化企业，亚马逊、谷歌等云计算企业共同构建起“技术底座+工业智能体开发+云平台”的统一技术标准和平台，降低数据及设备交互成本，进一步加速技术复用。

我国的工业智能体应用场景与欧美国家相比有所不同，由于大模型技术差异性，以DeepSeek、通义千问、星火大模型、盘古大模型、文心一言等为代表的人工智能大模型作为技术底座，发展出面向不同行业及领域的工业智能体，呈现碎片化程度高、工业协议尚未统一、连接成本较高等问题，工业智能体应用场景主要集中在单一场景，难以实现规模化应用。

2 基于工业互联网平台的工业智能体关键技术

2.1 异构数据兼容与互联互通技术

数据是数字经济时代重要的生产要素，也是基于工业互联网平台的工业智能体运转的“燃料”。当前工业生产领域仍存在大量的“数据孤岛”“信息烟囱”“碎片应用”，例如，工业互联网平台中接入的设备中存在大量的异构设备，这些设备支持不同的协议和标准，有着不同的组织结构、数据格式和表达方式，因此各系统中的信息无法相互交流和沟通，数据共享融合效率低。

对于异构数据的处理主要使用基于ETL(Extract ansform-Load)的多源异构数据接入技术。ETL工具对来源不同的异构数据进行抽取、转换、清洗等操作，把治理后的数据加载到目标数据库，使数据更方便被分析、使用，进而支撑决策。基于ETL的多源异构数据接入技术能够对多源异构历史数据和近实时数据进行高效抽取、转换、加载，特别是在大数据、近实时数据场景下，该技术具备高效调度、可扩展、高性能的特点。

工业生产场景中，基于工业互联网平台架构，可以从设备端、边缘层、语义协同等角度实现工业数据的互联互通。在设备端，通过开放API计算接口，实现数据的调用与流动。开放API用来定义多个软件中介之间的交互，可以进行的调用或请求的种类包括如何进行调用或发出请求、应使用哪些数据格式、应遵循哪些惯例等；在边缘层，通过嵌入式协议转换模块(如基于ApachePLC4X框架)，实现PROFINET、Modbus、OPCUA等30余种工业协议的实时互译，将差异化的设备数据统一封装为标准化数据流；在语义协同层，采用资产孪生壳技术构建统一信息模型，实现异构数据的互联互通。

2.2人工智能大模型

人工智能大模型技术是工业智能体区别于传统自动控制设备的主要特征，是由人工神经网络构建的具有大量参数的人工智能模型。自1956年人工智能诞生以来，人工智能的发展相继经历了通用计算装置、逻辑推理专家系统、深度学习计算系统和大模型计算系统4个阶段。

传统人工智能技术通过模拟、延伸人类智能，构建智能机器以理解、学习、思考、决策和执行任务，实现类似或超越人类的智能行为。其核心在于通过算法、数据和算力赋予计算机系统智能感知、理解、推理、学习和自我优化能力，实现自主判断和智能决策。在工业生产中，人工智能主要通过机器视觉感知、数据驱动等方式，在产品质量监控、物料分拣、设备预测性维护等场景中有着较多应用。

在数字化转型的浪潮中，伴随工业互联网技术在过去10年的快速发展，工业互联网平台与大模型正加速融合，成为推动制造业迈向智能化、高效化、可持续发展新阶段的关键力量。在此基础上，人工智能技术在工业生产中得到了快速发展和广泛应用，人工智能开始从“小模型+判别式”转向“大模型+生成式”，应用范围也已经突破传统生产流程的自动化升级，逐步延伸至研发设计、供应链协同、客户服务等全价值链环节的智能化重构。通过工业机器人、物联网感知设备与数字孪生技术的深度融合，制造企业能够实现生产设备自主决策与实时优化；基于智能算法驱动的供应链协同平台，可动态匹配原料采购、产能调度与仓储物流资源，构建弹性化供应网络。

例如，中控技术的流程工业时序大模型TPT(Time-series Pre-trained Transformer)，通过将时序智能与认知智能的深度结合，基于最新的时间序列数据分析架构，更注重理解生产过程中基于时间序列数据的变化规律，同时基于预训练模型，仅需少量数据微调即可适配大部分流程行业场景，打破“一个装置一个模型”的限制，更易于实现跨装置、跨工厂的广泛应用。

2.3基于工业互联网的边缘—云协同计算技术

根据国际数据公司IDC预测，到2025年，全球数据总量将大于180ZB，而物联网所产生的数据的70%以上都将在网络边缘进行处理。目前，工业互联网平台主要采用以云为核心的模式发展，通过网络将数据进行汇聚，利用云平台丰富的计算资源，叠加大数据、人工智能等新兴技术，实现工业技术、经验知识模型化、软件复用化的制造业生态。在工业互联网平台多要素互联的驱使下，接入端和数据量快速增加，导致现有的云计算模式难以高效处理大量的数据，工业互联网平台逐渐向云—边—端一体化演进。

相比于传统云计算，边缘计算具备以下3项优势：一是数据在边缘节点进行初步分析、过滤和整合，只将少量的有效数据上传到中心云节点，有效降低边缘节点的计算成本、存储成本和数据的传输成本，同时减少中心云节点与边缘节点的网络资源压力；二是服务请求不需要等待云计算中心的处理结果，减少网络延迟，提升服务质量；三是用户隐私数据不再上传，而是存储在网络边缘设备上，减少了网络数据泄露的风险，保护了用户数据安全和隐私。

在边云协同计算中，云端和边缘有“训练—预测边云协同”“云导向的边云协同”和“边缘导向的边云协同”3种形式。“训练—预测边云协同”中，云端根据边缘上传的数据来设计、训练智能模型并且不定期升级模型，边缘端负责搜集数据并且使用最新的模型预测实时数据。该协同方式比较成熟，已经应用于无人驾驶、视频检测等多个领域。“云导向的边云协同”中，云端除了承担模型的训练工作之外，还会负责一部分预测工作。神经网络模型将会被分割，云端承担模型前端的计算任务，然后将中间结果传输给边缘，边缘端继续执行预测工作，得出最终结果。该协同方式的重点是找到合适的切割点，在计算量和通信量之间做权衡。该协同方式目前处于研究阶段，真实场景的应用还比较少。在“边缘导向的边云协同”中，云端只负责初始的训练工作，模型训练完成之后下载到边缘上，边缘端除了实时预测之外，还会承担训练的任务，训练的数据来自边缘自身的数据。这样得到的最终模型能够更好地利用数据的局部性，满足个性化的需求。

2.4多智能体协同和决策技术

近年来，以无人机、无人驾驶汽车、工业机器人等为应用载体的多智能体系统凭借低成本、大规模等优势在制造业领域取得广泛应用和较好的应用效果。对于多智能体系统而言，系统的决策规划和系统内部多智能体间的数据传递是影响多智能体决策时效性和准确度的重要因素。目前在多智能体任务分配、多智能体路径规划、多无人机协同搜索和多无人机航迹规划等研究中都已取得一定成果。

目前，已有的多耦合任务混合式架构适用于单智能体面对多任务的情况，但在实际工业生产场景中，经常出现多个智能体依托工业互联网平台无法在多智能体面对多耦合任务时提供决策。现有多智能体分布式协同控制算法虽解决了单一任务下的多智能体协同问题，但无法解决耦合任务多、任务性质复杂时的决策问题。随着目前多智能体面对的环境与任务的复杂性，亟需提出一种多智能体面对多耦合任务时的决策方法。

3 工业智能体标准化现状

3.1 标准缺乏顶层规划

通过梳理我国工业智能体领域的相关标准，发现尽管工业智能体技术在国内快速发展，并已经在一些行业场景得到应用，但相关的标准化建设存在滞后性，未能形成系统化的标准体系。在技术层面，工业智能体术语定义、参考架构、接口协议、交互机制、安全认证等领域缺乏统一标准技术规范，使得智能体这一概念在业界难以形成共识，阻碍行业在技术应用等方向的标准化发展。同时，在工业智能体关键技术领域存在空白，例如智能体数据接口规范、边缘智能体算力分配、云端协同决策、运算机制、工业App轻量化部署等新兴领域标准尚未形成，难以引导技术的发展和标准化应用。在ISO、IEC、IEEE等国际标准化组织中，我国主导制定的工业智能体相关标准占比较低，核心技术专利布局滞后于美、欧、日等先进发达地区，在全球产业生态构建中处于被动跟随地位。

3.2 现有标准与行业技术紧密结合

目前已发布的工业智能体领域相关标准主要以团体标准为主，并且具备明显的行业和技术属性，例如江苏省电工技术学会发布的T/JES009—2025《配用电边缘智能体功能规范》聚焦电力行业配用电环节智能体功能要求，江苏省软件行业协会发布的T/JSIA0003—2024《基于多智能体强化学习的博弈决策系统标准》聚焦软件行业的智能体规范。基于工业互联网平台的大模型领域，全国信标委已发布GB/T44122—2024《工业互联网平台工业机理模型开发指南》，还有一项在研国家标准《工业互联网平台工业机理模型评价指南》(标准计划号：20243679-T-469)，这两项标准给出了基于工业互联网平台的工业机理模型开发和评价相关要求，可以为工业智能体在工业互联网平台上的开发、应用、适配等领域标准化工作提供参考。

2025年，全国信标委人工智能分委员会开展了人工智能领域工业智能体的相关标准研究，完成一批指导性技术文件的立项，包括《人工智能工业大模型智能体参考架构》(标准计划号：20252049-Z-469)、《人工智能智能体平台通用技术要求》(标准计划号：20252057-Z-469)、《人工智能电力智能体通用技术要求》(标准计划号：20252064-Z-469)、《人工智能多模态智能体技术要求》(标准计划号：20252058-Z-469)4项指导性技术文件，在工业智能体标准化领域工作开展尝试。

4 问题与挑战

工业智能体作为工业互联网平台这片土壤所孕育的技术成果，同时也为工业互联网平台实现了智能化决策的场景落地。在技术快速发展，应用场景不断拓展的同时，也面临技术、应用领域的问题和挑战。

4.1智能体自身算力无法支撑复杂模型训练

工业智能体与传统智能设备的区别在于其具有“自治、协作、可进化”的特点，需大量算力支撑人工智能模型运行。目前，工业互联网平台中底层设备接入部分主要以PLC、工控机等边缘设备为主，这类设备的算力有限，难以支持大规模深度学习模型的训练和推理和复杂算法的实时计算，部分设备需要将数据上传至工业互联网平台运算，再由工业互联网平台下发各类计算结果和指令，对于一些依赖低时延的生产控制场景，工业智能体无法充分发挥出其智能决策的能力。

4.2 通用工业智能体行业场景适配性差

制造业场景中，生产设备、物料流动、环境变量都是实体的、动态的，要求智能体必须具备实时、精准的状态感知与场景理解能力，对工业智能体的决策逻辑和决策的可靠性提出了很高的要求。目前很多工业智能体已经能够在单一行业的具体场景有较好的应用，但应用场景变化后当前工业智能体无法进行适配，针对不同行业、不同场景的训练成本较高。同时，为了使工业智能体能真正发挥出其自主“感知—决策—执行”闭环的特性，对工业数据的质量要求较高，目前还需要依靠数据清洗、迁移学习等外部手段提升数据的可用性。

4.3 数据孤岛导致跨系统协作难

不同行业的工业数据在格式、采集类别、协议精度等方面都有较大差别，不同设备采集的数据格式不一样，质量也参差不齐。目前制造业企业设备采集和清洗能力不高，工业数据还普遍存在数据缺失、噪声干扰、格式不统一等问题，为工业智能体模型的训练和应用造成了负面影响。工业智能体的应用场景往往是在企业核心生产环节，跨企业数据因隐私顾虑难以共享，导致工业智能体训练样本不足。工业互联网经过多年发展，目前制造企业使用的各类系统，例如MES、SCADA、ERP等由于开发厂家数据格式不互通，智能体无法获取全局视图。

5 标准化路线图建设

通过分析工业智能体领域标准化现状和面临的主要问题，构建基于工业互联网平台的工业智能体的标准化路线图。该路线图按照标准的急需程度划分为“短期亟需标准”“中期攻坚标准”和“长期布局标准”。基于工业互联网平台的工业智能体标准化路线图如图1所示。

图 1 基于工业互联网平台的工业智能体标准化路线图

5.1 短期亟需标准

工业智能体领域的关键亟需标准主要以基础定义和基础技术标准的技术规范，包括术语定义、参考架构、通用技术要求等基础性标准，相关标准的制定能够帮助业界统一对基于工业互联网平台的工业智能体的认识，达成基本共识。

5.2 中期攻坚标准

中期攻坚标准聚焦工业智能体领域的关键技术和应用评价标准，包括提供工业智能体服务商的评价标准、测试规范要求、场景应用等标准，开展工业智能体核心技术标准制定和典型场景应用指南编写。该部分标准主要聚焦于工业智能体的核心技术规范，为当前市场上快速发展的工业智能体技术和应用场景构建统一的技术规范，引导工业智能体的有序、标准化发展，同时测试规范标准通过对工业智能体的性能、功能、稳定性等方面进行标准化规范，指导企业在工业智能体研发时按照相关测试要求开展建设，提升整体技术水平，为工业智能体的应用和高质量发展奠定标准化基础。

5.3 长期布局标准

长期布局标准聚焦于工业智能体和工业互联网平台软件、云计算的技术融合标准，并开展工业智能体在行业应用指南标准、成效评价标准制定，为未来技术进行标准布局，有助于我国工业智能体在全球工业智能体行业中提升技术和标准化领域话语权。

6 推进工业智能体高质量发展的建议

6.1 构建工业智能体标准体系

联合科研院所、人工智能厂商、工业互联网平台企业、大型服务商、制造业龙头企业等多方力量，开展工业智能体标准体系建设，形成标准体系建设指南，明确标准体系中各部分内容、建设目标和标准研制的急迫性和重要价值。

6.2 强化关键核心标准供给

发挥标准化组织作用，开展工业智能体核心标准研究，加快研制工业智能体的定义、技术架构、接口规范及安全要求等核心基础和技术标准，为后续工业智能体技术的发展和应用提供标准指引。

6.3 挖掘制造业应用场景

充分利用我国工业智能体应用场景丰富的优势，用好重点行业数字化转型典型场景图谱，支持制造业龙头企业联动生态伙伴挖掘高价值应用场景，鼓励企业基于工业互联网平台开发高质量数据集、算法、模型等，推动打造标准化、高价值、可复用、低成本的工业智能体。

6.4 发展壮大服务商体系

培育专业型及行业型工业智能体服务商，形成工业智能体服务良好生态。针对研发设计、工艺优化、运营管理、供应链管理等关键领域培育专业型服务商，围绕汽车、装备、能源电力、电子等重点行业打造行业特色服务商，构建工业智能体服务商资源池，对入池服务商和产品按照行业、场景等维度进行分类，鼓励服务商与生产企业开展基于工业智能体产品的供需对接。

作者：中国电子技术标准化研究院 苍天竹 王凯 王程安