Gartner的判断是，到2028年33%的企业级应用软件将内置智能体能力，15%的日常工作决策由智能体自主完成。放到制造业，这个趋势要落到更硬的约束上：数据散在年代不一、厂商各异的设备系统里，口径不同、质量参差；工艺诀窍还留在老师傅的口头与手感上；窑炉煅烧、磨机运行毫秒必争，模型输出差之毫厘就是真金白银的损失。安徽数智建材研究院（下称数智院）把这套问题在百余家工厂里做了一遍。
三年三步：试点、复制、破百
数智院2022年12月成立，一边是中国建材集团联合上峰建材，一边是刘震参与创立的傲林科技。路径并不花哨：2023年在中国建材内部选十余个核心场景试点，检验AI能否在生产现场闭环创造价值；2024年把成熟方案复制到数十家工厂；2025年落地工厂突破百家，覆盖研发、生产、供应链、销售与经营管理。截至目前，累计治理和训练工业数据超四万亿条，内置超200个机理模型，构建200余个工业场景模型，把工艺机理、数理模型与业务规则一同融进建模过程，窑、磨、配料等核心工序实现秒级控制，形成“AI自主闭环、人工监督、安全联锁”的运行范式。
“实时、闭环、好结果”
2025年7月，数智院与清华大学联合承办长城工程会议“AI＋制造”专题会，首次发布“晓妙”产业大模型概念成果，此后迭代为晓妙工业大模型。负责人的表述是三个词：“实时”“闭环”“好结果”——工业智能不是实验室里的演示，要在真实产线上接受检验。
效果用工程口径衡量：水泥行业单厂年度降本可达百万元级，集团供应链优化效益以千万元计；单厂数据治理最短14天、模型部署最短7天，平均投资回报周期约一年。这些数字的背后是建模方式的差别：不是拿通用模型硬套产线，而是先把机理模型、数理模型与业务规则摆进同一条建模链，再让模型输出落到可执行的指令上。
从产线延伸到组织
在容错率最低、实时性要求最高的现场把“实时闭环、指令精准可执行”跑通之后，数智院把这套能力做成晓妙智能体平台，向组织运行延伸。平台走“前店后厂”：一面用随心录、一键办、知识酷等开箱即用智能体回应会议洞察、待办流转、知识管理等共性需求；一面开放无代码自建入口，让企业把自身经验沉淀为专属智能体。更深的工业管控能力则逐步标准化，优先服务水泥、钢铁、石化等泛工业赛道。
政策侧也在给这类路径加码：工信部等八部门2026年1月印发的《“人工智能＋制造”专项行动实施意见》提出，到2027年推出1000个高水平工业智能体、打造100个工业高质量数据集，并专门部署训练建设建材行业大模型，推动其在窑炉煅烧控制、水泥熟料强度预测等场景深度应用。
这份案例的可迁移之处，不在“百万元级降本”，而在交付节奏：14天数据治理、7天模型部署、约一年回本——把大模型项目拆成可验收的工程节点，才谈得上复制到下一个工厂。
资料来源：安徽数智建材研究院：从工厂作业走向千行百业 — 新华网（2026年9月14日）。本文为技术要点整理，非原文全文。