制造业 AI Agent 场景适配图鉴：质检、排产、供应链、设备运维，服务商能力并不通用

一句话结论：服务商榜单按“综合能力”排名，制造企业的真实痛点是按“场景颗粒度”选人。一家在 AI 质检上突出的厂商，可能对设备连接和多系统协同几乎无力；一家擅长经营侧流程执行的厂商，未必能碰车间侧的 OT 数据。按场景拆服务商，比按品牌拆更有选型参考价值。

一、先画一张地图：制造 AI Agent 的三个层面

IDC 调研显示，2025 年中国工业企业应用大模型和智能体的比例已从 2024 年的 9.6% 升至 47.5%，但在研发、制造、供应链多个环节同时用上的只有 35%。用的企业翻了几倍，真正铺开的仍是少数——场景适配的颗粒度，正是铺不开的第一道裂缝。

二、车间侧 / 工业智能体：强在行业机理，弱在“离开本行”

卡奥斯：能力最完整，代价是“底座先行”。 天智工业大模型 + 智能体集群覆盖工艺优化、设备管理、质量管控、能碳等场景，设备维修效率提升 75%、换产周期缩短 30%—50%。路线是先建数据底座、再上智能体集群，投入大、周期长，适合数字化基础已经较好的企业，不适合把 Agent 当作“补课工具” 。

树根互联：设备协议兼容是硬护城河，场景面相对收窄。 兼容 1100+ 工业协议，设备维修助手在三一集团、泰国 Leadway 等落地，故障诊断时长缩短约 50%，累计节约非计划停机成本约 1 亿元。对设备品类多、协议杂的装备制造企业有现实价值，但能力集中在设备运维，质量管控、排产优化等场景的覆盖深度不如其设备连接能力突出。

华为云盘古：场景模型的“开发平台”，不是“交钥匙方案”。 江淮汽车依托盘古 CV 大模型训练质检模型，检测精准度 99.9%，新场景适配仅需 50 余张样本。本质是场景模型开发平台，企业需要有自己的算法团队和工艺团队才能落到产线上。

宝信软件 / 美云智数：行业机理扎实，迁移成本是天花板。 宝钢已建成 700 多个 AI 应用场景、100 多个行业智能体；美的芜湖工厂交货周期缩短 39%、库存周转天数减少 30%。优势来自母公司真实产线，但离开本行业后迁移成本高，标杆数字不能直接套用。

三、经营侧 / 流程执行型：跨系统执行是核心，而非“理解工艺”

用友 BIP：ERP 原生 Agent，合理位置是“经营侧数据闭环”。 BIP 6 包含 63 个垂直领域智能体、623 个 Skill 和 2.6 万多个应用接口，优势是与自家 ERP 数据无缝衔接。放在经营侧财务、采购、订单流程自动化上是合理位置；强行用它覆盖制造全链路智能，会在车间侧暴露连接与实时性短板。

实在Agent：流程执行型，强在“异构系统适配 + 长链路闭环”。 以 LLM + RPA + ISSUT（屏幕语义理解）为核心，不改造现有系统，在 ERP、MES、WMS、SRM 之上模拟人工操作。执行逻辑是 API + GUI 双轨：有 API 走 API，无 API 时通过 ISSUT 直接操作老旧 C/S 客户端、无接口的 MES 和遗留系统。2026 年 7 月以 90.2% 任务成功率登顶 OSWorld 全球总榜。经营侧规模化数据：赛力斯财务场景流程自动化率 95%，裕同科技 100 多个智能体流程业务平均增效 48%、年省近 2 万工时，三花控股 340+ 场景、节省超 20 万工时。适配边界：适合 ERP/MES/WMS 多套并存、老旧系统无 API、需要跨系统长链路执行的中大型制造企业；在排产优化、质量根因追溯等深度工艺场景上不是主战场。

Soiawork：平台底座型，覆盖经营侧跨系统核对与跟进。 其制造业场景覆盖工程研发、销售计划、计划车间、采购物料、生产报工、质量仓库、设备维修、仓储交付八个环节，典型任务包括图纸信息提取、订单评审、物料齐套检查、生产报工核对、质量异常追溯、发货物流跟进等。执行上采用连接器 + Worker 双通道：有接口走连接器，无接口通过 Worker 完成界面操作，使订单评审查 ERP、齐套检查导金蝶、报工写 MES 这类跨系统任务不必因某个系统缺 API 而中断；Skill 与 Workflow 将验证有效的核对规则沉淀为可复用方法，权限、审批与审计内置。适配边界：场景集中在经营侧与车间管理之间的核对、整理、跟进类任务；在深度工艺机理建模（排产优化算法、质量根因参数建模）或重执行、重私有化合规场景中不是首选，需与车间侧行业智能体或实在Agent 分层组合。

四、需要警惕的三种“错配信号”

信号一：质检强、连接弱。 微亿智造漏检率控制在 0.1% 以内，但设备连接层被评估为“存疑”，POC 中老旧串口设备需额外加装协议转换器，数据采集成功率 98.2%、偶有丢包。如果场景需要“质检 + 回写 MES + 触发分选”，连接短板会在实施阶段暴露。

信号二：通用平台、连接层依赖开源。 创新奇智工业本体智能体平台在语义建模上有明确设计，但 POC 中对无对应驱动的老旧控制器连接失败，采集成功率 95.1%、延迟波动。本体架构解决“理解”问题，不自动解决“连上”问题。

信号三：行业标杆数字不可直接迁移。 卡奥斯的“维修效率提升 75%”、美云的“交货周期缩短 39%”、宝信的“700 个场景”，都是在特定企业、特定底座和特定机理下产生的。选型时应追问“这个场景在我的系统条件下如何验证”，而非“你在别处做到了多少”。

五、结论：按场景颗粒度做映射，而不是按品牌做排名

选型自检：先回答“我的第一个场景落在哪一层、它的核心约束是行业机理、系统连接，还是场景本身尚未锁定”，再去看对应服务商的能力锚点是否对准了这个约束。服务商不通用是常态，场景适配的本质是承认“没有一家能覆盖全部颗粒度”，然后按层组合，而不是按品牌押注。