工业智能体的宣传常以“已落地”收尾，但证据到底有多少？一篇遵循 PRISMA 2020 的系统综述筛查了 2341 篇出版物，用结构化编码合成 88 篇有效研究，给出了一张不那么乐观的成熟度分布。
四分之三停在实验室
按九级 TRL 归并：TRL 1–3 的基础研究占 14/88（15.9%）；TRL 4–6 的开发与验证阶段占 66/88（75.0%）；TRL 7–9 的部署证据只有 8/88（9.1%）。作者提醒，15.9% 的低占比与纳入标准有关——必须存在具体应用、实现或案例，纯概念文章已被过滤。也就是说，实验室原型容易搭出来，跨到真实运行的那一步仍然稀有。
应用领域并不平均：工业运营与网络 34/88（38.6%），工程与设计自动化 28/88（31.8%），生产与制造控制 19/88（21.6%），物流与供应链 7/88（8.0%）。电网、能源、云运维、交通等“非制造”场景，反而构成了最大的一簇。
目的从“排产”转向“协助”
与既有工业智能体综述相比，基础模型智能体的目的画像发生了明显位移。用户协助占 71 次标注（30.9%），而在旧基线中几乎缺席（+30.9 个百分点）；过程优化 37 次（16.1%，基线 3.4%）、监测 36 次（15.7%，基线 8.5%）紧随其后。反过来，传统生产控制类目的显著收缩：计划从 35.6% 降到 6.5%，排产从 15.3% 降到 4.8%，派工从 13.6% 降到 4.3%。诊断与故障管理为 10.4%（基线 13.6%），虚拟调试仅 0.9%。
作者的解释是可靠性：基础模型仍有幻觉与输出不稳定，计划、排产、派工对确定性的要求更高，因此研究重心转向知识密集、可人工复核的辅助与监测。值得注意的是，过程优化在此指资源设计与性能改善，而非用优化启发式求解整个生产流程；这更像是智能体与数字孪生范式的收敛。
能力画像：会对话，弱协商
语料中证据最多的能力是封装（100%，按定义计）、决策（90.9%）、反应性（89.8%）、上下文感知（84.1%）、外部系统通信（83.0%）与协调（68.2%）。真正被基础模型拉高的是人类交互（65.9%，+37.1 个百分点）、不确定性处理（42.0%，+35.3）、适应性（55.7%，+23.5）、学习（42.0%，+20.0）与主动性（29.5%，+14.3）。可视化（38.6%，+23.4）和仿真（33.0%，+12.6）也更常见，标准接口如 MCP 降低了工具与模型接入的门槛。
但有一项能力明显退步：协商只有 3/88（3.4%），比旧基线低 39 个百分点；同步为 12.5%（−9.5）。这与多智能体协同的想象相反——当前系统更擅长“人机对话”，不擅长“智能体之间谈条件”。鲁棒性与韧性为 34.1%，与旧基线相近；作者指出，两种范式的大多数系统都没有展示部分组件失效时的优雅降级。
最常被报告的限制依次是泛化不足、幻觉与输出不稳定、数据稀缺、推理延迟。它们共同解释了为什么“演示”与“部署”之间仍有距离。
怎么读这份证据
这不是一份“工业智能体不行”的判决，而是一张能力边界图：辅助、监测、诊断与知识密集环节已有较多验证；计划、排产、派工与多体协商仍是薄弱区。对准备上线的团队，TRL 分布比厂商案例更有用——先问系统处在哪一级，再问它在失效时能否降级、能否把结论追到证据。
资料来源：Foundation-Model-Based Agents in Industrial Automation: Purposes, Capabilities, and Open Challenges — arXiv（2026）。本文为技术要点整理/编译，非原文全文。