先简单交代下这个展会——可能不少朋友只听过名字。汉诺威工博会（Hannover Messe）每年4月在德国汉诺威办，办了快80年了，是全球规模最大的工业展会，没有之一。西门子、博世、ABB、施耐德、罗克韦尔这些工业巨头每年必到，重大产品、方案首发也常常选在这儿。最近几年中国是参展国里最大的几个之一。

说白了，工业制造业里能数得上号的方向，今年在汉诺威展上是什么样，基本就代表了未来一两年这个方向能跑到哪儿。所以每年这一届展会的解读都很值得追，但解读里一半是真东西，一半是营销稿。我下面写的就是从各家公开报道、白皮书、案例集里筛出来的，哪些数字能信，哪些得打个折。

1. 物理AI不是新东西，今年新在哪

具身智能、物理AI这俩词被吹了快三年。从这届展会公开的方案来看，今年和往年的区别不在技术多炫，在愿意把弱点说出来了。

举个例子。施耐德电气的工业智能助手，新闻稿写的是「工程调试周期缩短约50%」。但你看清楚了——它说的是「调试周期」，不是「整体生产效率」。这俩差得远。调试是项目早期一次性工作，整体效率是天天要过的日子。

还有个流传很广的数字——「AI抓取准确率99.7%」。这是宣传话。工业无序抓取的真实情况，主流方案的稳定识别准确率落在90%–95%区间，差的那4%–9%在工厂里就是返工率。

别神化了它。物理AI是好东西，但今天的它还没强到可以无人值守的地步——展厅里抓得稳，不代表产线上抓得住。

2. 工业大模型为什么都做「小」了

华为盘古工业、百度文心工业版、阿里通义制造——展会上这三家不约而同打的都是同一张牌：轻量化、私有化部署、OT侧安全隔离。

为啥都不秀「我比谁参数多」了？答：通用大模型解决不了工业的强合规、强实时、强场景三件事。工厂里不能联公网、数据不能出园区、响应必须是毫秒级——这种条件下你给我一个千亿参数的云端大模型，没用。

中国信通院《工业大模型发展研究报告（2025）》给的实测均值：排产优化、工艺参数寻优类应用，平均交付周期压缩25%–40%、工艺调试效率提升30%以上。

注意一下——这俩数字都是「过程指标」，不是「最终省了多少钱」。我猜信通院没敢给后面那个数，因为各厂差太多没法平均。

3. 大模型的瓶颈不在大模型

这件事思科今年那份《Global Industrial AI Trends 2025》白皮书讲得很直接：超过9成的工业企业认为，工业AI能不能规模化落地，前提是稳定的工业网络加上够用的边缘算力。

差不多一半的制造企业，目前边缘算力不够、数据采集还碎片化。超过4成企业，IT和OT两套系统各管各的，数据壁垒严重。

换句话说，这一年最值得追踪的不是哪家又发了新模型，是谁的边缘部署能稳跑。

4. 预测性维护——目前最值钱的工业AI场景

这一类基于振动、温度、电流、油液监测的AI时序分析，是工业AI里最不花哨、也最能算清账的。综合思科、艾默生、罗克韦尔今年公开的运维方案，标准化AI预测性维护落地后大致是：非计划停机时长下降30%–50%，设备综合运维成本下降20%–25%。

注意这是区间——不同行业不同设备差异很大，最好别拿单一最佳值去和老板谈预算。

国内方面，上海电气「星云智汇」工业互联网平台已经商用上线，接入了不少火电、电网、动力设备。它的官方表述比较克制，只说「有效降低异地场站突发停机风险」，没给具体省了多少钱。这种克制反而更可信——一上来就给「省了40%」那种数字的，多半在编。

如果你正在选工业AI第一个落地场景，预测性维护是相对最容易出账的方向。

5. AI视觉质检——已经在替岗了

对照下来很清楚：人工外观目检在长期疲劳作业下，综合准确率85%–90%，漏检和误判是常态。标准化AI视觉质检的稳定准确率能做到99%以上，批量标准化件的漏检率能控制在0.1%以内。

舍弗勒、大陆集团这些外资零部件巨头今年都在公开披露——重复性外观检测岗位在被AI替掉。这件事过去几年都说会发生，但今年是第一次出现在他们对外的口径里，而不是只藏在内部年报。

6. 数字孪生：从豪华定制到中小工厂

PTC、西门子的数字孪生案例里，一条产线级应用做下来，整体调试周期能缩短30%–40%，成品良率稳步提升。这个数字过去十年没怎么变。

真正变了的是别的——本届中国参展企业数量稳居全球前列，国产工业软件、轻量化方案厂商集中亮相，主打的卖点不再是「对标西门子」，而是「短周期、中低预算、适配中小工厂」。

过去十年高端智能制造方案的固有格局是大厂吃肉、中小工厂连汤都喝不上。今年第一次被打开了一道口子。这才是这届展会真正的产业级变化。

7. AI节能——双碳压力下最现实的方向

流程工业耗能大、利润薄，对节能的敏感度比一般行业高一个量级。宝武、鞍钢这些大型钢铁企业公开过AI节能成果——通过优化配料、燃烧、负荷调度，高耗能流程工序的单位能耗能下降5%左右。

5%听起来不起眼。但你算笔账——一座千万吨级钢厂一年电费几十个亿，5%就是一两个亿真金白银。这是为什么钢铁行业是工业AI付费意愿最强的几个行业之一。

工信部节能司历年案例给的区间是：智能调度、错峰运行、空载管控类AI系统，能让综合用电能耗下降10%–18%。区别在于厂商口径里这个数往往写成「最高可达18%」，掐头去尾就成了营销话术。

中国厂商这一届的真实差异化在哪

不夸国货，就说这一届展会上能让海外客户当场聊订单的几条真东西。

第一是场景。海外厂商习惯秀底层技术——模型多大、参数多少、架构多新。国内厂商今年集中亮的几乎全是「已经在某某矿山/某某园区/某某新能源基地跑了一年」的方案。这种贴近真实工厂运维现状的优势，对欧洲客户也成立——德国大众的工厂和北汽的工厂，本质上是同一类系统。

第二是性价比。中小企业是过去工业4.0方案吃不下来的硬骨头。国内厂商这两年学聪明了——把方案分了层。单工位视觉检测、单设备运维监测这些轻量化应用，准入门槛比过去低了一个数量级。这才是能让「批量复制」发生的事，不是给行业头部再做一套豪华定制。

第三是本地服务。从工业网关、边缘终端，到行业算法、本地化实施服务，国内是一条产业链全部串起来的状态。海外厂商的常见痛点是「卖完软件就走」，国内厂商默认要驻场。卖完就走的方案，做不出工业AI。这个差异在中小工厂里比在大厂里值钱得多——大厂有自己的IT团队，中小工厂只有一个IT经理兼着。

最后说几点我自己的判断

一，从「标杆试点」到「批量复制」。头部龙头工厂验证完了之后，下一阶段的钱在中小企业。这件事说了三年，今年是第一次有具体的产品形态匹配上来。

二，纯公有云大模型在工业场景没戏。安全、合规、私有化是硬指标。边缘大模型、本地轻量化推理是接下来几年的主线。

三，AI不再是单独议题。未来工厂改造里，AI会像电表一样默认存在，不再单独讨论「要不要上」，而是讨论怎么和现有产线、能耗、品控融在一起。

还有一句话——这届展会最值得追踪的不是「谁又发了新模型」，是哪家工厂用谁的方案，跑了一年还没被拆掉。

下一届的看点，可能就藏在这一年的运行日志里。

智造进化论｜看见制造业的AI未来