工信部把“新一代智能制造”列进十五五了，做了几年工厂获客，我说说这意味着什么

楔子：三则通知

9月15日，工信部、国家发改委联合印发《电子信息制造业发展"十五五"规划》，把"夯实人工智能硬件底座""新一代智能终端"直接写进十五五，目标到2030年规上企业营收突破30万亿元。

3天后，9月18日，工信部召开党组会议，明确要实施"人工智能+制造"行动，加快发展新一代智能制造。

又过两天，9月20日，2026世界制造业大会在合肥开幕，工信部把新一代智能制造定为主攻方向，要大力发展开源基座模型和垂类模型，夯实新一代智能制造的软硬件基础。

三则挨得近，十天都不到。

我刷了下朋友圈，没几个人转。制造业老板刷机器人跳舞的视频，科技圈刷大模型榜单，真正做工厂的人可能还在纠结下个月的订单和货款。

可这三则通知一出，工厂的打法怕是要换血了。

问题抛给大家：国家把AI钉进十五五、把新一代智能制造立为主攻方向，咱们这些开厂办厂的，是该高兴还是该防着点？

一、政策信号：从"上不上"到"怎么用"

先把政策背景捋一捋。

AI加制造这茬，前些年就有风声。那时候挂的是"智能制造试点""灯塔工厂"的牌子，基调是"先试着来"——能上就上，至于怎么算跑通、怎么铺开，谁也给不出标准。

但这回9月15日到20日连着三则，味道全变了。

规划里这几条最要紧：

· 到2030年，规上电子信息制造业营收突破30万亿元

· "夯实人工智能硬件底座"单列成重点任务，新一代智能终端应用普及率显著提升

· 加快智能体与终端产品深度融合，端侧大模型、计算芯片、操作系统协同适配

· 工业数据治理、算力供给被放到基础位置

9月18日工信部党组会议进一步定调，要实施"人工智能+制造"行动、加快发展新一代智能制造；9月20日世界制造业大会上，工信部又把"新一代智能制造"明确列为主攻方向，大力发展开源基座模型和垂类模型。

三则通知连起来看：顶层设计收尾了，现在进入干活阶段。

配套的数字更硬：已经建成8000多个5G工厂、7000多个先进级、500多个卓越级智能工厂，工业互联网覆盖41个工业大类。百家5G工厂平均运营成本降了19%。

把两版文件的措辞摆在一起看，差别就出来了。过去关心的是"自动化设备买不买、机器人上不上"。眼下变成了"AI加数据驱动运营"，还钉死了到2030年的硬指标。

这意味着，工厂从"生产单元"变成了"数据加智能体驱动的运营单元"。

二、工厂的真实水位：AI在哪里落地

干工厂获客和转型这几年，几百家厂子我进进出出。ERP、MES、质检、设备数据——天天跟厂长掰扯的就是这些。

工厂里的AI到底处在什么阶段？我讲几个真事。

第一，数据分散。

一个中等工厂，日常要用的系统包括：ERP（订单成本）、MES（生产排程）、质检系统、设备PLC、仓储WMS。这些系统通常来自不同厂商，数据格式不统一，接口互相不通。

我碰到过最离谱的一家：4套系统、4个数据库，各管各的。生产主管想算个良品率，得从3个系统里分别导出来，再手工拼到一起。

这种情况下，"AI赋能"是一个伪概念。因为数据这时候成不了资产，只是一地碎片。

第二，认知模糊。

很多厂长以为AI进厂，就是买几台机器人、上一套MES。把"智能化"等同于"买设备"。

其实AI进厂是数据驱动决策——用历史订单预测排产、用视觉模型做质检、用设备数据预测故障。这些的核心是数据，不是铁。

有家厂我印象深，砸钱上了MES，结果数据还是靠人手敲，敲完也没人瞄一眼。系统成了墙上的摆设。脏数据喂进去，吐出来的判断也是脏的。

第三，落地断层。

大厂有示范：8000多个5G工厂摆在那。但中小厂缺人、缺钱、缺懂行的。

当国家说"工厂要AI化"，第一个要问的是：谁来判断上什么、花多少钱、值不值？

对中小厂来说，这可能是好事——效率提升、成本下降。但也可能是坏事——如果供应商拿着"智能工厂"的帽子来卖一堆用不上的系统，厂长可能连账都算不清。

三、商业机会：谁能在AI加制造里赚到钱

政策松了口，机会落哪？

站在获客和转型这两个位置上往里看，AI加制造至少露出三层机会。

机会一 工业数据治理服务

数据要能卖（能变现、能降本），首先要能"用"。而工厂数据最大的问题是"不能用"——分散、标准不统一、质量差。这意味着，数据治理会成为一个独立的生意。这活和传统软件实施不一样，专门帮工厂把数据"洗"成可用资产：标准化、清洗、标注、质量校验。这活不难上手，但壁垒在行业阅历里。因为要懂制造业务逻辑——什么样的工艺参数算正常、什么样的质检结果是可信的、什么样的订单数据能用来预测。这活远不只是写代码，要的是制造业务加数据技术的交叉能力。

机会二 垂直场景智能体

政策要1000个工业智能体。落到工厂，是质检、排产、预测维护这些"小场景"。谁能把一个具体场景做成可用智能体，谁就能拿到价值。比如质检，连续的生产图像加视觉模型，能把漏检率压下来；比如排产，用历史订单和设备状态预测，能把交期算准。这些"小场景"不性感，但每一个都能帮工厂省真金白银。

机会三 AI获客

工厂的AI不能只停在车间。获客端也要AI。

现在的采购方，找供应商先在AI搜索、AI推荐里问。谁的工厂信息、案例、口碑在AI的回答里出现，谁就被主动找上门。这一块，我从获客角度做了几年，知道中小厂几乎没人做。谁能帮工厂把"被AI推荐"这件事做成，谁就拿到了制造业AI落地里最稀缺的那块——订单。

四、风险边界：谁该兴奋，谁该警惕

机会说完，风险也得摊开。

对三类人是利好

有数据治理能力的技术方：能帮工厂把数据"洗"成资产

有场景落地能力的AI厂商：能把智能体做成真能用的东西

有行业know-how的集成方：知道工厂的痛点在哪、怎么落地

对三类人可能是威胁

数据意识薄弱的中小厂：系统上了一堆，数据还是乱的，等于花钱买焦虑

纯卖软件不落地的传统厂商：如果客户开始问"你的AI能省多少、多久回本"，而你答不上来，你的价值会被重新定义

被割韭菜的厂长：买一堆"智能系统"，用不起来，钱白花

《置身钉内》里有一段话我印象深刻："技术可以迭代，组织惰性、权限体系、汇报文化比技术债更难还清。"

把这句话挪到工厂AI化的现场，照样说得通。

AI进厂真正的拦路虎是组织机制。算法能迭代，数据能补，但权责不清、谁来拍板用哪个系统，这些事比写代码难得多。数据权属不清、责任边界模糊、落地拍板的人模糊——这些"软"问题，比算法"硬"技术更难解决。

五、一个工厂转型搭子的判断

AI加制造对工厂是结构性利好，但好处不会自己砸中所有人。

利好在于：工厂从"成本中心"变成"数据资产"，信息化投入有了回报逻辑。过去厂长问我"上系统有什么用"，我只能回答"提高效率、满足客户审核"。现在我可以回答"您的产线数据未来可能直接降本、甚至变成可定价的资产"。

但这些好处不会自动到账。想分这块蛋糕，得先备齐三样本事：

1. 数据基础能力——把碎片化的数据变成标准化的资产

2. 场景选择能力——知道先上哪个场景、ROI怎么算

3. 落地伙伴能力——知道找谁做、怎么验收、怎么不被割

这三样本事，恰好是老牌工厂的软肋。我们擅长开动设备、带好工人，却不擅长玩数据、做资产定价。

所以，往后3到5年，制造业要拉开梯队了。能补上"数据加AI运营"这一课的工厂，会拿到新一轮增长红利。补不上的，会从"品牌制造商"变成"代工管道"，利润越来越薄。

尾声：河在改道

咱们把开头那三则通知再拎出来。

规划落地、党组会点题、主攻方向敲定，三件摞在一起才算齐活。它们串的是同一根政策线：从"上不上AI"到"怎么用AI"到"怎么靠AI赚钱"。

落到厂长头上，这条链只说明一件事：厂长守护了几十年的产线、客户、工艺数据，不再只是系统里的记录，正在变成可定价的资产。

水在改道。有人被甩上岸，有人借上顺水船。

干这行几年，这条河的水我摸过深浅。眼下水位上来了、闸也提起来了，能跑多远，看工厂能不能从"拼设备拼人工"换道到"拼数据拼智能体"。

花流 · 工厂获客实战

我是花流，在青岛做制造业AI全域获客。帮制造业工厂老板，把"被AI推荐、被主动找上门"这件事做成。

📌 关注我，接着聊工厂获客和AI转型的实在干货。

加花流微信，领工厂AI获客资料

长按识别，加我好友