根据XM外汇官网 APP的国金工业报道，国金证券近期发布的证券展前直领研究报告指出，随着AI大模型的发的潜XM手机版推出，工业AI在“易部署、景垂高可靠、域A应用低成本”的国金工业 “不可能三角”中或有突破的机会。多模态大模型有助于简化工业非结构化数据的证券展前直领处理过程，凭借“大模型指挥 + 小模型执行”模式，发的潜确保生产的景垂可靠性。Agent技术有望替代人力，域A应用同时由于算力成本降低和人力成本提升，国金工业“机器换人”的证券展前直领XM手机版时机逐渐临近。此外，发的潜工业AI中台尚处于发展的景垂早期阶段，商业化进程处在渗透率为0到1的域A应用区间，能够满足模型与数据之间的高频“无痛”迭代需求，具备“开源大模型 + 云API”混合推理等四种核心能力。目前，已有部分企业实现相关项目落地，但同时还面临算力整合等多方面的挑战。

国金证券的观点总结如下：

当前工业AI的“易部署、高可靠、低成本”的需求有可能迎来突破。3月6日，Monica.im发布了全球首款通用型Agent产品Manus，标志着Agent应用进入全面落地阶段。市场普遍认为，工业场景的数据复杂度高、结果容错率低、成本敏感性强，因此在这轮AI大模型技术发展中，工业应用的步伐相对缓慢。但在2023年4月9日的报告中，我们已明确指出，AI技术在实际工业场景中的落地速度可能超出市场预期，并梳理了工业AI的三类核心应用模式和三个发展阶段。

基于当前形势，我们认为：1）“多模态大模型 any2any”的技术演进有望降低工业非结构化数据处理的难度；2）融合工业AI中台的“大模型指挥+小模型执行”有助于实现跨模型混合推理和知识库的有效迭代及优化；3）随着Agents取代人力劳动，以及算力大幅降低和国内工资水平不断上升的背景下，“机器换人”正在逼近拐点。

工业AI中台响应模型和数据的高频“无痛”迭代需求，商业化正处于渗透率0到1的早期阶段。工业客户的行业知识库与外界AI大模型的迭代速度较快，要求AI必须基于制造业的专业知识进行定制化（预训练、微调、RAG），并与客户知识库同步更新。过去两年中，AI大模型迭代加速，不同AI模型适应的场景各异。工业AI中台在不影响生产经营的前提下，实现了AI模型的平滑升级和优化，具备“开源大模型+云API”的混合推理、多模型管理、模型全生命周期管理和可观测性等四大核心能力。赛意信息近期中标金额达4,867万元的AI中台项目，其中包含基于AI工具链的数据处理、大模型训练与微调、AI应用开发等能力，并具备接入DeepSeek大模型的能力。

中控技术于2024年6月推出的流程工业时序大模型TPT，结合了大量行业知识和工业数据，进行设备异常监测及诊断，实现整个过程的质量模拟与优化，目前已在万华化学、兴发集团和镇海炼化等多家公司成功应用。我们认为工业AI中台仍处于早期渗透率阶段，以“华为晟腾+赛意信息”的合作模式为例，部署过程中对算力整合、模型管理、工业数据治理、领域知识和工程化交付等能力提出了较高要求。

在工业AI应用中，生产控制环节的成熟度持续保持领先，全环节垂类Agent的使用逐渐增多。在2023年4月9日的报告中，我们基于信通院的《工业智能白皮书(2022)》指出，生产控制环节的AI应用占比超过57%，涵盖了表面缺陷检测、生产过程优化、质量分析、预测性维护、安全管理、生产作业识别等多个典型场景。根据2023年605个工信部智能制造优秀场景的统计，排名前十的场景中，生产环节占七个，表明生产制造仍是工业AI落地中最成熟的环节。

主要原因包括：场景需求显著，直接与企业经济相关，是所有工业企业关注的重点；数据获得性高，生产和设备运行数据较为丰富、采集相对简单，为AI技术落地提供支持；技术成熟度较高，机器学习与图像识别等传统算法在特定问题上的应用成为主流。

在垂直领域的Agent应用中：1）赛意信息的AI+PCB方案实现MI参数解析到自动生成报价的全流程；2）中控技术借助TPT大模型推动流程工业APP的订阅转型，实现电解液桶的“零人工”干预；3）PLM与DS结合，构建知识问答智能体，实现智能推荐；4）钢铁IT企业推出钢铁行业大模型及废钢智能检判SaaS平台；5）基于金蝶云·苍穹开发的智能体在多场景中落实Agent应用，如单据审核、财务分析等；6）EDA企业实现智能问答、缺陷分类及模型优化等功能。