5月13日，全国人工智能产业发展大会在北京开幕。主题是八个字：“智赋新质生产力，融合全域新生态”。本次大会是今年国内人工智能领域规格最高的活动之一，产业链上下游机构几乎悉数到场。
同日，工信部在官网发布了八部门联合印发的《“人工智能+制造”专项行动实施方案》。两份文件一场会，基本定调了2026年下半年的企业AI落地。
但在会场之外，企业面临的实际处境要复杂得多。
会议概述了三个主要主题
Based on public information and broker interpretations, the signals released by this conference can be summarized into three lines:
第一条：政策从“方向性鼓励”转向“执行驱动推进”。会议重点强调了三个关键领域：技术突破、产业升级和民生改善，其核心目标是打通人工智能落地的“最后一公里”。各地方同步出台了配套支持政策。这实质上是在告诉地方政府和企业：不要再观望等待，是时候采取行动了。
第二条：计算基础设施从“够用”转向“好用”。大会展示了高密度计算集群、节能计算方案以及新一代AI硬件。方向很明确：高性能、低功耗、集约化。这背后是大模型训练和推理需求的持续扩张，以及全球绿色低碳发展的双重压力。
第三条：垂直行业整合从单点试点走向全流程渗透。工业制造、医疗健康、低空经济、智慧城市等均设立了专区。与一年前不同，今年展区内讨论的不再是“AI能不能用”，而是“如何将AI嵌入端到端的业务流程中”。
在会议上，多家券商给出了近乎一致的判断：人工智能行业正从“技术研发”转向“价值创造”，“人工智能+”融合应用、算力升级和垂直落地成为三大核心投资主线。
制造业：“两端加速”是现实，而非口号
While policy signals are being sent, the AI implementation in manufacturing is indeed accelerating. However, the way it accelerates is different from what many people imagine.
业内总结出“两头加速”的规律：
Leading enterprises
利用资本和数据优势，推动人工智能在整个流程中的深度应用。例如，汽车主机厂已将供应商的智能化水平纳入准入评估体系——如果你的工厂人工智能应用不足，就拿不到订单。这不是PPT里的趋势，而是正在落地的采购标准。
中小型企业
Rely on standardized AI products and lightweight solutions for basic transformation. Products like Odoo, Kingdee Jingdou Cloud, and Yonyou Changjietong are incorporating AI modules — highly similar to the past "cloud migration" path: start using it first, then upgrade gradually.
单个具身智能示范项目北京补贴上限3000万元
Beijing is promoting the "Embodied Intelligent Factory Demonstration Benchmark," while Shenzhen has issued the "Embodied Intelligent Robot Industry Development Action Plan," aiming to establish multi-domain robot industry clusters by 2027. Guangdong and Zhejiang are also introducing special policies for the digital transformation of the manufacturing industry.
补贴是实打实的钱，但拿到补贴和把AI用起来是两回事。
工业机器人市场在经历两年整合后，2025年出现小幅增长，预计2026年将迎来更强劲的反弹。驱动因素并非高科技理想，而是劳动力成本持续上升和熟练工人招聘难度加大——“机器换人”已从可选项变为生存必需。需求复苏在三个领域最为明显：汽车零部件、3C电子和新能源。
AI大模型也开始渗透到整个制造流程中：AI在产品设计中快速生成方案，在工艺规划中自动调整参数以提高良率，质量检测中的机器视觉精度在某些场景下已超越人工。
真正扼杀一切的既不是政策，也不是技术
如果只看政策文件和会议新闻，很容易产生一种错觉，以为人工智能落地的所有条件都已就绪。
In reality, the true situation of enterprises is a different matter. To sum up, there are three "bottleneck" issues:
- 人才。制造企业要实施人工智能，需要既懂生产流程又懂数据的人才。这类人才成本高昂且难以招聘。大多数中小企业连像样的IT团队都没有，更不用说AI工程师了。
- 数据。大量制造企业的生产数据从未被收集过。传感器已经安装，但数据躺在本地机器中，未经清理、未标注、未连接。如果需要一个AI模型进行训练，什么来喂养它？
- 技术泛化。工业场景千差万别。在汽车零部件工厂表现良好的质检模型，在电子元件工厂可能完全无效。每次场景变化，都需要花费时间进行参数调优、标注和验证，成本并不低廉。
中国工业机器人占全球总量的40%，但机器人与AI质检融合的深度整体仍处于起步阶段。一家制造企业的IT经理表示：“我们不缺机器人，缺的是能让机器人更聪明的人。”
下半年会是什么样子
动力正在增强，但逆风也在加剧。下半年需关注几个关键点：
- 补贴能否真正惠及需要的人。3000万元的具身智能专项补贴固然诱人，但如果评审标准偏向“已有AI团队的企业”，中小企业根本达不到门槛。“两端齐头并进”将变成“一端冲刺，一端掉队”。
- 轻量级AI产品能满足中小企业的需求吗？Odoo的AI档案管理和金蝶灵机标准化AI模块等产品的交付质量，将直接决定中小企业采用AI的速度。
- AI标准实施步伐。国家AI智能体评估标准已提交审查。一旦发布，企业在选择AI产品时将拥有硬性参考。这将淘汰一批只会制作PPT的AI供应商。
政策已经铺平了道路，但能否奏效取决于企业自身的数据基础和人才储备。这才是2026年下半年企业AI落地的真正分水岭。
National Artificial Intelligence Industry Development Conference (May 13, 2026), MIIT's "Artificial Intelligence + Manufacturing" Special Action Implementation Opinions, NetEase Account "Artificial Intelligence + Manufacturing Accelerated Implementation" Analysis (May 20, 2026), Guolian Minsheng Securities Conference Interpretation, Sina Finance
