一、执行摘要
未来三年，非标自动化不会被“通用 AI + 人形机器人”整体替代。最先改变的是工程链：需求解析、报价、方案复用、控制逻辑草案、虚拟调试、故障检索和质量维护。基础控制、安全、仿真、PLM/MES 仍将依赖大厂；新公司的机会集中在跨厂商语义、垂直工艺、机器人技能和验证证据。决定胜负的不是谁先接入模型，而是谁能把项目经验变成可复用、可验证、可授权的工艺资产。
1. 大厂依赖不会下降
AI 更依赖工程数据、几何与物理内核、确定性控制、功能安全和长期维护责任。西门子、达索等还在向 Agent 与世界模型上移，而不是只守底层。
2. 创业机会仍然存在
机会不在复制一个“工业 ChatGPT”，而在跨品牌中立性、长尾工艺深度、机器人技能迁移，以及大厂不愿服务的中小集成商工作流。
3. AI 压缩“构建”，不消灭“验证”
Spec2Control 的 94–96% 节省排除了语义评审；计入评审后约为 63–72%。工程劳动会从写代码迁移到审代码、测系统和证明安全。
4. 本体比世界模型更早产生价值
统一设备、工艺、参数、版本和责任关系，是检索、Agent 和跨系统动作的前提；世界模型近期主要用于合成数据、训练和候选规划。
5. 非标企业将分化而非消失
能够沉淀可复用工艺、测试和软件收入的企业维持溢价；依赖人力与现场救火的纯项目公司承受价格和人才双重压力。
未来 90 天不要先建“大而全工业 AI 平台”。选择一个高频、低风险工艺，统一词汇和对象身份，整理三年项目与调试记录，建立业务基线，然后投产一个只读、可追溯、需要人工确认的工程助手。
二、产业现状与 AI 采用程度
不存在单一的“制造业 AI 渗透率”。下面同一量级的数字分别回答不同问题，分母从企业数到案例构成到 EBIT 归因，不能拼成趋势线。
横轴：调查口径；数值：受访样本比例（%）。来源：CKGSB、Deloitte 2025、Rockwell 2026、McKinsey 2025。
| 数字 | 实际含义 | 样本 | 使用限制 |
|---|---|---|---|
| 10% | 有实质 AI 支出的规上工业企业 | 中国 2,016 家规上工业企业 | 企业支出，不是产线部署 |
| 24% / 29% | GenAI / AI-ML 达工厂或网络级 | 600 家大型制造商 | 不代表中小集成商 |
| 34% | 运营环节已由 AI 增强 | 1,560 位制造业决策者 | 厂商调查且大企业偏多 |
| 39% | 报告任何企业级 EBIT 影响 | 跨行业全球调查 | 多数贡献低于 EBIT 的 5% |
| 59% | 主动使用智能制造技术支撑运营 | 同一制造业调查 | 包含 MES、云、分析，不等于 AI |
| 88% | 至少一个业务职能常规使用 AI | 跨行业全球调查 | 只有约三分之一开始企业级规模化 |
“至少在一个职能用 AI”可以达到 88%，但只有约三分之一开始企业级规模化，39% 报告任何 EBIT 影响，真正把 AI 贡献到 5% 以上 EBIT 且获得显著价值的高绩效组织约占 6%。制造业的质量、维护与工程软件已出现局部 ROI，但这不等于自治工厂已经成熟。
产业链分层与 AI 的合理位置
| 层级 | 主要构成 | 当前状态 | AI 的合理位置 | 代表生态 |
|---|---|---|---|---|
| 确定性控制与安全 | PLC、CNC、伺服、安全 PLC、现场总线 | 成熟且高锁定 | 诊断与优化旁路；不得绕过互锁 | 西门子、Rockwell、ABB、倍福、汇川 |
| 工程与运营底座 | CAD/CAE/PLM、MES/SCADA、仿真、边缘计算 | 头部规模化 | Copilot、虚拟调试、质量与维护 | 达索、西门子、PTC、SAP、NVIDIA |
| 语义与上下文 | AAS、OPC UA 信息模型、本体、权限与审计 | 标准演进期 | 统一对象、关系、动作和证据 | IDTA、OPC Foundation、IOF、Palantir |
| 工业智能与技能 | 工业 Agent、因果诊断、视觉运动、VLA、世界模型 | 试点到早期生产 | 规划、诊断、合成数据、机器人技能 | 平台厂商与垂直创业公司 |
| 非标交付与工艺 | 方案、夹治具、控制程序、FAT/SAT、售后 | AI 渗透偏低 | 报价、复用、评审、虚拟验收、远程运维 | 设备 OEM、区域集成商、工艺公司 |
| 生产与供应网络 | 工厂、供应商、采购、物流、备件 | 高度分化 | 质量维护较成熟；跨企业自治仍早期 | 汽车、3C、锂电、半导体、装备制造 |
非标自动化为什么更慢
项目结构
- 每个客户的产品、节拍、空间、安全规范和验收标准不同。
- 知识分散在报价、图纸、PLC 程序、微信群和资深工程师脑中。
- 收入按项目确认，难以为长期数据治理单独收费。
技术结构
- 现场是 PLC、机器人、相机、MES、ERP 多品牌混合栈。
- 历史工具缺少 API，标签、版本和对象身份不统一。
- 生产安全要求可追溯、可复现、可回滚，概率模型不能直接替代。
商业结构
- 集成商为工程工具付费，OEE 收益却往往由终端客户获得。
- 小批量项目难摊薄训练、连接器和运维成本。
- 客户担心图纸、工艺参数和故障数据跨客户泄露。
三、竞争格局与技术架构
必须继续依赖大厂的部分
- 安全 PLC、运动控制、工业网络和长期维护责任。
- CAD 几何内核、多物理场求解、PLM/MES 数据主干。
- 边缘算力、数字孪生、仿真和合成数据流水线。
- 存量客户渠道、认证生态和全球服务网络。
大厂难以完全覆盖的部分
- 跨西门子、Rockwell、SAP、国产 PLC 的中立语义层。
- 高度垂直且样本稀缺的工艺知识与失败模式。
- 跨机器人品牌的视觉运动和技能表达。
- 低成本服务中小集成商的工程工作流。
| 产品机会 | 为什么存在 | 客户真正购买什么 | 主要风险 |
|---|---|---|---|
| 跨厂商语义与行动层 | 大厂天然偏向自有栈，客户现场长期多品牌共存 | 连接 PLC/MES/PLM/ERP，并提供对象身份、权限、审计 | 连接器维护成本高，容易被平台原生能力压缩 |
| 垂直工艺智能 | 通用平台缺少焊接、点胶、装配、检测等长尾工艺知识 | 工艺参数、失败模式、验收测试与因果诊断 | 需要持续获取真实数据和领域专家 |
| 机器人技能迁移 | 多品种小批量导致逐 SKU 示教成本高 | 视觉运动、少样本换型、跨品牌技能描述 | 节拍、安全与稳定性必须真机证明 |
| 非标工程工作台 | 中小集成商缺少自建工业 AI 能力 | 报价、方案复用、程序解释、测试和售后助手 | 客单价有限，必须低部署成本 |
| 验证与证据基础设施 | AI 生成变快后，评审成为新瓶颈 | 回归测试、变更影响、仿真/HIL、审批和追溯 | 销售价值不如生成式 Demo 直观 |
大厂拥有数据主干、工程内核和分发渠道，创业公司拥有中立性、产品速度与工艺深度。高概率终局是创业公司嵌入大厂生态、被并购，或在特定垂直领域形成事实标准，而不是某一方单独通吃。
本体论 × 世界模型：工程四层架构
语义层
系统知道“它是什么”。本体定义设备、工艺、物料、订单、故障、角色和关系，并给动作附加权限与证据。近期目标是统一查询和审计，不是设备自主谈判。
预测层
系统预演“会发生什么”。世界模型生成训练场景、预测候选动作后果并辅助规划。神经模型负责分布与感知，物理求解器负责可验证动力学。
验证层
证明“为什么可以相信”。规则检查、形式化约束、软件仿真、硬件在环、回归测试和人工评审共同构成证据。
执行层
限制“它可以做什么”。安全 PLC 与互锁执行动作。Agent 权限从只读、建议、草案，逐步扩大到审批式写回。
本体不能自动保证 IEC 61508 / ISO 13849 合规；世界模型不能在几秒内穷举无限状态空间；视觉上合理的视频不能证明满足摩擦、力矩或材料约束；AI 生成的控制代码不能跳过仿真、HIL、审批和现场验收。
四、未来非标自动化预测
| 编号 | 预测 | 置信度 | 时间窗 | 应观察到的信号 | 关键限制 |
|---|---|---|---|---|---|
| P1 | 工程 Copilot 普及，控制构建工时明显下降 | 高 | 0–3 年 | 主流 PLC/CAD 平台原生集成；中小集成商开始按席位采购 | 构建更快，但资深评审工时不一定同步下降 |
| P2 | 验证与验收成为新的利润池和竞争壁垒 | 高 | 1–3 年 | 客户开始采购回归测试、虚拟调试和审计证据，而非只采购代码生成 | 没有测试资产的企业只得到一次性效率提升 |
| P3 | 非标企业分化为产品化公司与纯项目执行公司 | 高 | 1–5 年 | 软件/服务收入和复用项目占比持续上升，并伴随毛利改善 | 不是集成商消失，而是中间层利润被压缩 |
| P4 | 大厂向 Agent 与语义层上移，创业公司被迫垂直化 | 高 | 现在至 3 年 | 达索、西门子等把 Agent、行业模型与存量平台绑定销售 | 纯通用工业聊天助手很难独立生存 |
| P5 | AAS/OPC UA 先实现统一查询，不会很快实现设备自主协商 | 中高 | 1–5 年 | 对象模型和 API 更普及，但 Type 3 主动型 AAS 仍未成为正式规模标准 | “自治协商工厂”应延后 |
| P6 | 世界模型先用于训练、合成数据和规划候选，不直接接管安全控制 | 高 | 0–5 年 | 在仿真与机器人训练中采用，生产执行仍由确定性控制器负责 | 物理一致性、可审计性与责任界面尚未解决 |
| P7 | 机器人换型从逐点示教走向技能化，但只在限定工艺先成熟 | 中 | 2–7 年 | 抓取、上下料、检测等任务形成可复用技能包 | 柔性提升不代表达到既有专机节拍和 OEE |
| P8 | 跨企业供应链 Agent 仍慢于厂内 Agent | 中高 | 3–10 年 | 先在单企业采购、排产和备件中闭环，跨企业仍保留审批 | 数据权属、商业责任与语义不一致比模型更难 |
三年后的典型非标项目会怎样变化
售前与方案
客户规格、图纸和历史项目先被解析为结构化需求；系统生成相似项目、风险、BOM 和报价草案。工程师负责处理缺失条件、冲突约束和商业承诺。
设计与编程
机械、电气和 PLC Copilot 生成候选设计与程序，复用经过版本化的模块。工程师从“从零绘制”转向约束定义、接口评审和异常处理。
调试与验收
更多问题在虚拟调试和自动回归中被提前发现；现场仍存在，但工作重心变为标定真实偏差、验证节拍、处理长尾异常和形成验收证据。
交付与售后
交付物不再只有设备和源代码，还包括对象模型、技能包、测试包、运行数据接口和回滚机制。远程诊断与持续优化形成经常性收入。
三种情景
| 情景 | 概率判断 | 到 2029 年的状态 | 对非标企业的含义 |
|---|---|---|---|
| 基准情景 | 最高 | 工程助手普及；语义层覆盖关键对象；Agent 受控写回；世界模型用于训练与规划 | 构建工时下降，验证与工艺资产成为核心壁垒 |
| 加速情景 | 中等 | 主流平台开放稳定 API；AAS 子模型收敛；机器人技能在多个工艺跨 SKU 复用 | 产品化企业快速扩大毛利与服务收入，行业集中度上升 |
| 受阻情景 | 不可忽视 | 数据权属、安全事故、平台锁定或 ROI 不清导致项目停在只读助手 | AI 主要作为个人效率工具，企业级流程改造推迟 |
如果到 2027 年底仍没有跨项目复用率提升、评审工时没有下降、互操作性障碍继续上升，企业应暂停“自治工厂”投资，把预算收缩到知识检索、测试资产和单工艺优化；如果第二个相似项目的成本明显下降且首验通过率不降，再扩大 Agent 权限与覆盖范围。
五、三年内应做哪些事
从“每个项目重新做一遍”转向“同类工艺可复用、变更可验证、交付可持续优化”。三年内不以建设通用自治工厂为目标，而以建立一个可复制的工艺产品闭环为目标。
盘点与选点
选一个高频、低安全风险、历史数据较完整的工艺；盘点数据、系统、角色与合同权利。
交付：场景价值树；数据清单；设备/工位/报警/物料词汇表；基线指标。
停止条件：不要先买大模型平台；不要用“上线 Agent 数”当目标。
建立最小语义层
给核心对象统一 ID、关系、参数范围、版本、责任人和来源；连接只读数据。
交付：轻量本体；历史项目索引；权限与审计；数据质量报告。
停止条件：先覆盖一个工艺，不追求企业级大一统。
低风险助手投产
上线报价草案、历史方案检索、PLC 解释、故障检索、文档问答。
交付：生产用户；引用可追溯；人工确认；错误反馈闭环。
停止条件：禁止直接修改安全逻辑或自动下发参数。
验证资产化
把验收标准转成机器可执行回归集，接入软件仿真、虚拟调试和必要的 HIL。
交付：版本化测试库；变更影响分析；自动测试报告；回滚流程。
停止条件：AI 生成场景，物理仿真与真机负责判定。
受控写回
让 Agent 创建工单、报价/BOM 草案或参数建议，经审批后写回 MES/PLM/ERP。
交付：审批流；职责矩阵；全链路日志；异常熔断。
停止条件：先非安全动作，逐项扩大权限。
产品化与复制
将成熟工艺封装为技能、参数范围、失败模式、测试包和服务合同，复制到第二客户/产线。
交付：可售技能包；标准接口；远程运维；持续优化收入。
停止条件：若第二个相似项目仍需大量重新定制，说明尚未产品化。
分年重点
第一年：把知识变成数据
- 指定业务、控制工程、数据与安全/质量审批角色。
- 统一项目、设备、工位、模块、报警、物料和版本 ID。
- 关联报价—BOM—图纸—程序—变更—调试—售后全过程。
- 先做只读工程助手，并要求答案带原始证据引用。
第二年：把经验变成验证资产
- 每项工艺写成输入条件、参数范围、动作、失败模式、验收测试。
- 把 FAT/SAT 用例转为版本化回归测试集。
- 每次 AI 生成或参数变更自动触发影响分析和审批。
- Agent 从创建草案和工单开始，再扩展到审批式写回。
第三年：把能力变成产品和收入
- 在第二个相似客户或产线上验证模块、技能和测试包复用。
- 设备合同拆分为硬件、技能许可、验证服务和持续优化。
- 明确数据导出、跨客户训练和模型改进权。
- 确定哪些能力依附大厂平台、哪些保持跨厂商中立。
三年验收指标
| 维度 | 指标 | 三年建议目标 | 它回答的问题 |
|---|---|---|---|
| 商业 | 第二个相似项目的非物料成本 | 较基线下降 20–30% | 衡量知识复用是否真正发生 |
| 交付 | 首验通过率 | 不低于基线，目标提升 5–10 个百分点 | 防止用质量换速度 |
| 工程 | 方案与代码复用率 | 核心模块复用率达到 40–60% | 区分产品化与复制粘贴 |
| 验证 | 回归测试覆盖率 | 关键工艺路径 80% 以上 | AI 生成越多，验证覆盖越重要 |
| 效率 | 构建工时 / 评审工时 | 构建下降且评审不成为新瓶颈 | 防止成本从“写”搬到“审” |
| 运维 | 平均修复时间 MTTR | 目标下降 15–25% | 验证知识助手是否改善现场运营 |
| 质量 | AI 建议采纳后的异常率 | 不得高于人工基线 | 控制 Agent 权限扩张节奏 |
| 收入 | 软件、技能与持续服务收入占比 | 第 3 年达到 10–20% | 验证商业模式是否离开纯项目制 |
第二个相似项目的非物料成本下降 20–30%，同时首验通过率不下降。配套观察资深工程师评审工时：若构建工时下降但评审工时等量上升，AI 只是转移成本；若复用率、测试覆盖和持续服务收入同步上升，才说明企业完成了知识资产化。
六、证据边界与关键校正
| 原说法 | 校正后说法 | 原因 |
|---|---|---|
| Spec2Control 节省 94–96% 全部工程人力 | 构建环节节省 94–96%；计入语义评审后端到端约 63–72% | 论文明确排除中位 42.8 分钟/段的语义评审 |
| 非标集成商净利率普遍降至 5–8% | 利润显著分化，产品化程度影响毛利和净利 | 2025 年报中赛腾约 14.3%、博众约 9.0%、克来约 5.5% |
| 生产案例占 62.3%，说明生产 AI 渗透率最高 | 62.3% 是案例集构成，不能推导企业渗透率 | 分母是入选案例而非企业或产线 |
| 供应链总成本 6–10 万亿元 | 约 6.8 万亿元是潜在数智化降本空间 | 把节约空间误写成总成本 |
| AAS Type 3 已是下一代自治标准 | 主动型 AAS 仍是研究概念 | 未进入 IDTA 正式规范 |
| 世界模型已理解摩擦和接触动力学 | 生成结果可视觉合理，但仍频繁违反基本物理约束 | 2026 年解耦式物理基准尚不支持该结论 |
| 本体可自动保证功能安全合规 | 本体可表达约束与证据，不能替代安全生命周期 | 合规还需要危害分析、验证、工具资格和独立评估 |
可作为事实
- 官方统计、标准正文、上市公司审计年报。
- 明确样本与方法的调查。
- 同行评审论文中的限定性实验结果。
只能作为案例
- 厂商与客户联合发布的 ROI。
- 单一工厂或受控试点。
- 缺少外部复现的产品基准。
只能作为情景
- 商业市场规模与渗透率预测。
- 未标准化的“自治”“世界模型”能力描述。
- 没有触发条件和退出条件的时间预测。
核查截止 2026-08-02。预测为基于当前证据的条件化判断，不构成投资建议。厂商案例只证明在特定条件下发生过，不能外推为行业平均效果。主要来源包括 McKinsey State of AI 2025、Rockwell State of Smart Manufacturing 2026、Deloitte Smart Manufacturing Survey 2025、Spec2Control（ICSE 2026）、IFR World Robotics 2025、Dassault × NVIDIA Industrial AI、WorldBench / PhysicsMind / PhyGround。