渗透率一年从个位数跳到近半数
国际数据公司（IDC）在 2025 年中国工业企业调研中给出一组对比强烈的数据：已经应用大模型及智能体的工业企业比例，从 2024 年的 9.6% 提升到 2025 年的 47.5%。在不到一年里，这一比例从个位数跳到接近半数，意味着大模型与智能体在制造业已从零星试点，变为相当一批企业的常规选项。这条曲线背后，是「AI+」政策推动、模型能力下沉与工具成熟度共同作用的结果。
但自主权仍被锁在决策支持层
IDC 在 2026 年发布的多个制造业行业观察中给出了一处重要提醒：允许智能体在关键生产事项上拥有完全自主权限的制造企业，目前仍在少数；多数企业的工业智能体停留在文档、运营、供应链等决策支持场景，并不介入底层产线的实时控制环路，高风险动作保留人工终审。换句话说，渗透率的跃升更多发生在「看得见、好量化」的办公与流程环节，而非「出错了代价高」的生产核心。
腾讯 WorkBuddy 的落地账本
大厂的企业 AI 工作台，也在给出自己的规模证据。腾讯云披露，其今年 3 月发布的全场景 AI 工作台 WorkBuddy 已完成 90 亿次用户任务请求，企业版落地 50 多个行业，覆盖中国企业 500 强中的 50%、企业 100 强中的 60%；开放平台伙伴与开发者超过 5 万家，上架的 Skills 超过 20 万。腾讯采取多层次、全场景的产品矩阵，覆盖个人助手、办公工具、企业员工 Agent 与专业业务 Agent，并开放模型、工具与平台接入能力，让企业按自身业务自建 Agent 生产力系统。（以上为厂商自述口径，未第三方审计）
落到具体场景，数字更直观：在 TCL 实业，面向研发团队的代码助手 CodeBuddy 渗透率超过 90%；在太阳能企业晶科能源，自今年 5 月引入 WorkBuddy 做规模化试点后，一个工厂的物料流程从收料到发料、上料共 17 个节点，引入 AI 后整体耗时缩短约 80%。这些案例说明，当 AI 从个人提效工具推进到流程自动化，释放的不再只是单点时间，而是整条链路的等待损耗。
「稳」比「快」更重要
不过，制造企业用 AI，优先级与互联网公司并不相同。资产重、试错成本高的行业，最在意的是可控：行为可控、过程可溯、数据可管。以 WorkBuddy 为例，其围绕可信 AI 治理建立了事前识别风险、事中拦截危险操作、事后支持恢复的机制；Agent 运行权限与每个人在 OA 系统里已有的权限绑定，不能越权操作，目录以外默认不可写，客户端还提供原生级沙箱。对大型制造企业而言，能不能跑得久，往往比跑得多快更关键。
综合来看，47.5% 的渗透率与 90 亿次任务请求，共同指向同一个拐点：企业 AI 正从概念演示走向规模部署，竞争维度从「有没有模型」转向「能不能稳稳地用起来」。但产线实时控制的谨慎、以及数据合规与权限边界，仍是规模推广必须跨过的卡点。下一阶段值得持续观察的，是渗透率能否从决策支持层继续下沉到生产核心，以及厂商自述的落地数字能否经第三方检验。