在“软件定义一切”的时代，AI大模型作为新的生产力工具，必将从内容领域（文生文、文生图等）深度扩张到生产实体领域，在制造业的各个环节中引发新的效率革命，加速制造业走向智能化。

1.AI驱动软件升级是大模型赋能制造业的主要途径
AI将重构软件开发模式、交互方式、使用流程和商业模式，无论是研发类、管理类、生产类还是后服务类工业软件，都将用大模型重新升级一遍，越是复杂的软件系统，未来改造的空间越大。
基于代码大模型打造的新一代AI编码平台产品，具备强大的代码理解与生成能力，支持代码补全、测试单元生成、代码解释、代码查错等核心场景。随着MaaS（模型即服务）的崛起，以模型为中心的开发范式将降低工业软件开发门槛，提高开发效率。
在工业软件开发层面，AI大模型正在革新软件开发范式。AI将与人类共同协作开发，倍数级提升软件研发的效率，例如服务于一线研发人员的内容生成工具（文档、编码、测试、发布、运维），可以大幅提升生产力。同时“代码大模型”的研究和应用，正在引发AI编码的革命。

2.弥合数据流断点是AI大模型赋能制造业的重要价值
制造业数字化的核心是，以数据的自动流动化解复杂系统的不确定性，将正确的数据、以正确的方式、在正确的时间传递给正确的人和机器，提高资源配置效率。
但企业实际的运营状态是：多个环节中存在数据流的断点，需要工程师开发各种工艺软件和流程软件。AI大模型为改变这一现状找到了新路。

这条新路是，基于AI大模型的自然语言交互能力，为制造业企业内部、产业上下游之间的实时、泛在的连接提供了软件开发、交互的新方式，降低了工艺和流程的软件开发门槛、提高了效率，弥合了企业数据流动过程中的无数个断点。
例如国内机器人公司，借助通义大模型开发机器人行业模型，基于自然语言，可以实现人和机器的互动。如机器人收到了人的指令后，可以进行理解、推理和分析，并自动生成软件代码，组织协调不同智能体完成不同场景下的任务。

3.进入控制环节是AI大模型赋能制造业的关键标志
AI大模型进入制造业的核心价值不是在营销和管理等环节，而是要进入生产控制环节。
我们认为进入生产环节最核心的控制系统，例如PLC、MES、SCADA等等，提升工艺生产流程的智能化，是AI大模型应用制造业的关键标志。
西门子和微软在今年4月宣布合作，基于GPT推动下一代自动化技术变革，合作开发PLC的代码生成工具，将AI大模型融入控制环节。
企业正探索利用AI大模型能力，驱动工业软件SCADA智能化。SCADA系统（数据采集与监视控制系统）可以应用于电力、冶金、石油、化工、燃气、铁路等领域的数据采集与监视控制以及过程控制等诸多领域。
在SCADA场景下，典型做法是利用大模型在特定行业场景下的编程接口和生态库，产生工业逻辑代码（交互、建模、SQL开发），自动集成到工业软件中，基于结果闭环优化模型。

4. 大小模型协同是AI大模型赋能制造业的重要趋势
AI大模型本身需要找到具体落地场景，离解决千行百业的实际场景问题，还有距离。从实际的产业发展看，一个重要的趋势是：通用与专用、开源与闭源、大模型与现存软硬件系统的协同配合，是产业落地的必经阶段，而且在这一阶段，大小模型高度协同的重要载体——AI智能体（AI Agent）将成为新的生产工具。
AI Agent一般是指基于LLM、能够使用工具自主完成特定任务的智能体。AI Agent将LLM与其他模型、软件等外部工具协同，能够处理真实世界中的各种复杂任务。

未来，AI Agent将主要由“感知系统+控制系统+执行系统”组成，不仅具有生成能力，还将同时具备任务理解、任务拆解、任务调度、执行规划、链条协同等能力。其中LLM将主要承担指挥中心角色，类似人类“大脑”的角色，对接入AI Agent的数字化工具（比如SaaS软件、工业机器人、数字人等）进行统一智能调度管理，实时在生产、管理、服务等场景中，由不同组合的数字化工具协同完成具体场景中的实际问题。