问题：制造业进入高质量发展阶段，降本增效、提质增安、绿色低碳成为普遍需求。，人工智能正从技术探索走向规模化应用，但不少企业推进过程中遇到“看得多、选不准、落不深”的现实问题：一上，产线数据分散、标准不统一，难以沉淀为可用知识；另一方面，模型与工艺、设备和管理体系衔接不足，导致应用“上得去、稳不住、见效慢”。对央国企而言，数据安全、系统可控及国产化适配也深入抬高了落地门槛。 原因：工业场景的复杂性决定了通用能力难以直接转化为生产力。工业流程涉及设备状态、工艺参数、质量检测、供应链协同等多个环节，数据既包括实时流数据，也包括历史台账与文本知识；既分布在不同系统之间，也受权限与合规要求约束。缺少面向行业的知识沉淀与工程化能力时，模型往往停留在演示阶段。此外，工业智能化并非一次性建设，而是持续迭代的长期工程，需要在算力调度、数据治理、模型训练与应用开发之间形成闭环，才能适配工艺与管理需求的变化。 影响：鉴于此，具备原创技术与产业落地能力的工业大模型，正成为央国企推进智能制造的重要抓手。近日在京举行的2025央国企数智化转型与智能制造论坛发布“2025年央国企AI大模型先锋Top10”和“2025年央国企数智化转型与智能制造领航技术服务品牌Top50”两项榜单。评选通过公开征集、多轮专家评审及场景实效验证，重点关注技术原创能力与落地价值。北电数智凭借自主研发的“骄阳·工业大模型”及涉及的应用案例入选两项榜单。测评信息显示，“骄阳·工业大模型”在权威机构发布的中文原生工业大模型基准测评中取得领先成绩，体现其在工业数据分析、工业智能体等关键能力上的综合水平。业内人士认为，榜单与测评的双重验证，有助于市场从“概念热”转向“效果导向”，推动企业用可量化指标评估技术价值。 对策：围绕“让数据真正转化为生产力”，北电数智在“骄阳·工业大模型”基础上打造“星火·工业底座”，强调从工厂数据沉淀到知识构建，再到智能体应用的贯通路径。该底座聚合可信数据空间、异构算力调度、模型适配优化与智能体开发等能力，为企业提供一体化基础设施支持，目标是让各类业务场景以更低成本、更短周期形成可复用的智能应用。以装备制造领域实践为例，相关系统用于故障预测与运维优化，可实现设备状态实时感知与趋势分析，计划外停机明显下降，维护成本与备件资金占用得到压降，并延长设备使用寿命。北电数智表示，方案已在装备制造、医疗器械、家纺印刷等细分行业形成可复制的标杆实践，推动企业在质量、效率、能耗与安全等指标上实现可量化改进。 从企业选择路径看，业界普遍认为需要建立更理性的评估框架：一是看“真落地”，以业务痛点与量化收益为核心，重点核验是否有现场可验证的案例与可持续运行能力，而非只比参数规模与概念包装；二是看“全栈能力”，工业智能化需要长期调优与跨系统集成，服务商是否具备从算力、数据到模型、应用的闭环能力，决定后续迭代效率与风险成本；三是看“安全合规与国产化适配”，尤其是央国企与关键行业，应把数据主权、模型可控、供应链安全放在优先位置；四是看“行业理解与生态协同”，工业场景复杂，服务商既要懂工艺也要懂管理，并能联动设备商、集成商与科研机构提供端到端解决方案。 前景：展望下一阶段，工业大模型的竞争将更集中在“可解释、可控、可持续”的工程能力，以及对产业链协同效率的提升。随着国家对关键领域数字化、智能化和安全体系建设要求不断细化，央国企推动智能制造升级将更强调标准化、平台化与规模化复制。业内预计，能够打通数据治理、模型训练与智能体应用的底座型能力，将成为制造业智能化的重要基础设施；同时，围绕质量管控、设备运维、工艺优化、能耗管理等高价值场景沉淀更多可量化、可审计的应用成果，将成为技术服务商参与产业升级的关键路径。
工业AI正处于从技术探索走向规模应用的关键阶段。北电数智等企业的实践表明，只有坚持自主创新、深化产业理解、确保安全可控，才能推动AI在制造业中稳定落地。随着更多央国企加快数智化转型，工业大模型的创新应用有望深入释放制造业潜能，推动传统产业向高端化、智能化、绿色化加速升级，为我国制造业高质量发展提供新的支撑。