工业大模型一行业一模型已成：195条明细看格局

本文解读：《2026年国内工业大模型及行业应用研究报告-新工业网》 · 共 62 页 · 原文

国内工业大模型已经不是零星试点，而是按行业排好了队：19 类场景、195 条明细。

新工业网这份 62 页报告最有价值的地方不是观点，而是清单。它把每条模型对应到企业、场景和落地结果， 逐条标注是查证过还是企业自述，最后给出的判断是"一行业一模型"格局初步形成。

支撑这个判断的是两类硬数据：一是旗舰模型的参数规模，昆仑 3000 亿、坤安超 7000 亿、星港 350 亿； 二是效益数据，干散货排泊从 3 到 4 小时变成秒级，仿真分析提速约 1000 倍。

但报告没有把话说满。33 条属于企业自述口径，医药板块查证率只有 50%，中小企业的供给明显偏薄。

看懂这份报告的正确方式，是把它当供给地图用，而不是当排行榜看。

图源：《2026年国内工业大模型及行业应用》（第1页） · 原文

一、195 条明细里藏着什么

报告的统计口径说得很清楚：195 条企业或模型条目，分布在 19 类行业应用场景里，其中 162 条已查证， 占 83%，另外 33 条来自企业自述，占 17%。去重之后的信息来源共 379 条。

这个比例本身就值得注意。六分之一的信息只能靠企业自己讲，意味着有一部分参数、场景数和效益数据 在公开渠道里找不到第二个出处。

报告把它归为 5 大板块：重工业 51 条、制造业 34 条、轻工消费品 38 条、特殊行业 48 条、泛工业平台与 AI 创业公司 24 条。板块条数大致对应了模型供给的密度，重工业和特殊行业加起来接近全部明细的一半，这也是央企体系最容易 形成集团级平台的地方。

报告的核查方法也交代了：每条都要求能追溯到产品名、开发企业和落地案例，无法追溯的归入自述。

这份报告的原文件放在运营动脉（www.yydm.cn）上，图表、口径说明和样本量都写得很清楚。

想看原文的完整版，搜标题就能打开，图表和数据附录都是齐的，不用注册。

一份肯把 17% 标成"企业自述"的清单，比一份全是漂亮数字的榜单可信。

图源：《2026年国内工业大模型及行业应用》（第2页） · 原文

二、三条供给路线各自站在什么位置

报告把供给格局拆成三条线，第一条是行业专属大模型，由央企和龙头围绕自有知识库、工艺规则和私有数据自研。这条线的代表很集中：宝联登做钢铁，昆仑做石油，光明做电力，星港做港口，坤安做有色，晓妙做建材。

第二条是通用平台加行业适配。华为盘古、百度千帆、阿里通义、腾讯混元、讯飞星火往行业下沉，和卡奥斯天智、 树根根云、中控 supOS、徐工汉云这些工业互联网平台在矿山、电力、汽车、建材场景交汇。

第三条是 AI 创业公司点场景突破，聚焦工业视觉、具身智能和时序决策，以解决方案方式切入现场。三条线的分工其实很清楚：央企买的是底座和确定性，平台商卖的是适配速度，创业公司卖的是单点精度。

报告还提示了一个细节：不少企业名义上是自研，实际是"通用底座私有化加场景应用"，命名权和训练深度是两回事。

三条线并存的真实原因是，没有一条能同时解决算力、数据和现场知识。

图源：《2026年国内工业大模型及行业应用》（第3页） · 原文

三、钢铁：11 条明细双轨并行

钢铁冶金 11 条明细里有 10 条完成查证，是查证质量最高的一类。宝武系的宝联登钢铁大模型采用基础模型、行业垂类、场景领域三层架构，已覆盖 105 个典型场景， 关键工序覆盖率突破 85%。

首钢走的是另一条路，用集团统筹的大模型统一应用平台做热轧智能体，计划审核从 1 小时缩到秒级， 生产总结从 40 分钟缩到 3 分钟。

河钢威赛博钢铁大模型 2.0 用大模型加小模型协同，邯钢重点产品合格率提升 8%，年减损 1260 万元； 唐钢的一键炼钢把摇炉作业做成一键完成。

外部赋能这条线上，湘钢与华为、中国移动合作的盘古钢铁大模型是关键工艺推荐准确率 95% 以上， 吨钢综合能耗下降约 4%。

中冶赛迪的金睛大模型把喷溅和跳渣识别准确率做到 99% 以上，涟钢的异常检出率做到 99%。报告也点出缺口：沙钢、德龙等民营钢企没有命名大模型，多以智能工厂形态推进。

钢铁的规律是，谁掌握工序数据，谁才有资格训练模型。

图源：《2026年国内工业大模型及行业应用》（第4页） · 原文

四、煤炭与石化：两种不同的自研姿势

煤炭矿山 12 条明细里查证 11 条。华为、山东能源和云鼎科技合作的盘古矿山大模型是全球首个商用的 能源行业大模型，在兴隆庄等 100 多个场景落地，报警准确率 95% 以上。

云鼎山海做成工厂式 AI 开发，一个平台加四项能力，服务 200 多家企业、覆盖 15 个省，累计创收超 7 亿元。

中国中煤一次拿出三件套：安全应急大模型、灵镜垂类大模型生态、防突多模态智能感知； 中国煤科的太阳石和 GeoGPT 则分别指向原生通用和地质垂直。

国家能源集团神东的全闭环智能截割系统实现地面规划割煤、面内无人作业，生产效率提升 6.7%。

石油化工 11 条里有 4 条只能算自述。昆仑大模型 3000 亿参数，是能源化工行业首个通过国家备案的行业大模型， 覆盖 152 个场景，地震正反演全流程效率提升 10 倍以上。

石化侧的长城大模型做到 70B 和 700B 两档，烽火工业智能体积累 500 多项专业技能； 中控 TPT 走的是流程工业时序大模型，在万华宁波 65 万吨烧碱装置上跑闭环控制。

煤与油的差别在于，煤炭重安全，石化重工艺，模型再大也要落在装置上。

图源：《2026年国内工业大模型及行业应用》（第5页） · 原文

五、电力 17 条最密集，效益也最清楚

电力能源 17 条是全调研最密集的板块，"两网五大"基本全部自研，四类专业模型齐备。国家电网的光明电力大模型是国内首个千亿级多模态电力大模型，落在 27 家省级公司、600 多个业务场景， 国网江苏的高压方案编制效率提升 211%。

南方电网的大瓦特是全栈自研百亿级多模态，覆盖 23 个业务域、3000 多个细分场景，建成近 300 个 AI+ 应用场景。其中驭电在仿真分析上比传统软件快约 1000 倍，云睿把电网规划报告从数天压到约 10 分钟。

国家能源集团的擎源是我国首个千亿级发电行业大模型，关键生产步骤 100% 应用 AI； 华电、华能、国家电投、中广核、中核各自在安全、交易、燃机、核电上开出专门模型。

气候相关的还有两支：华电智禹·乌江睿算与雅砻江水风光一体化，都把中长期径流预报从 45 天延长到 60 天。大唐数字科技的苇络 AI 覆盖十多个省的新能源场站，累计挽回发电量损失 4.5 亿度。

电力跑得最快，是因为它的数据最规整、边界最清楚、损失最好折算成钱。

图源：《2026年国内工业大模型及行业应用》（第6页） · 原文

六、制造业：视觉质检是最先跑通的那一环

汽车制造 10 条明细里 7 条查证。华为与江汽的迈思特 CV 质检大模型用 30 亿 MoE 底座、130 万张图像， 检出率 99.99%，新场景开发周期缩短 95%。比亚迪与 DeepSeek 的质检方案把漏检率从 0.3% 压到 0.05%，年减损超 2 亿元；理想 Li-Mos 把 PPAP 审核 从 5 小时压到 2 分钟。

电子制造 8 条里，京东方蓝鲸做到 OLED 良率提升 5.4 个百分点、检测人力减少 80%； TCL 华星星智把 ADC 准确率从 85% 提到 95%，单批检测从 48 分钟降到 9 分钟。

装备制造 9 条全部查证。中车斫轮分出匠枢和九章，前者做排产与流程模拟，后者做车辆全生命周期健康管理； 中国电气装备的电擎参数量从 4.5 亿跨到 6710 亿，覆盖 1132 个场景。

工程机械 7 条里出现了新主线：中联重科云谷做具身智能和 Robot Ops，上百个工位训练人形机器人； 山推 SSC2.0 做全场景 L4 无人作业；山河智能做 VLA 遥控挖掘机。

徐工汉云连接超过 161 万台设备、覆盖 90 多个细分行业，设备故障率下降近 40%，服务效率提升约 60%。

制造业最诚实的回报来自质检，因为检出率可以当场验收。

图源：《2026年国内工业大模型及行业应用》（第7页） · 原文

七、轻工与特殊行业：灯塔工厂兑现效益

轻工消费品 38 条明细，化纤和家电龙头跑在前面。恒力化纤用大模型统筹、小模型执行，丝锭检测 2.5 秒一个，入选工信部 2025 年典型案例； 魏桥纺织把万锭用工压到 10 人以内，纺纱效率提升 38%。

家电侧美的美擎带 2.28 万个智能体、400 多个 AI 场景、8 家灯塔工厂；海尔智家 6 万员工使用智小能， 研发周期缩短 30%、制造效率提升 20%。

建材的海螺云工熟料强度预测准确率超 85%，中国建材晓妙有 200 多个场景模型、在 66 家水泥企业批量应用， 配料成本降 1% 以上，煤耗电耗各降 2% 以上。

食品领域海天的 AI 豆脸一年检 2.5 万亿颗黄豆；医药侧恒瑞灵枢覆盖靶点发现到分子设计， 临床前研发周期缩短 30% 以上。

特殊行业 48 条里，星港大模型 350 亿参数、25 万组知识问答、19 个业务智能体， 干散货排泊从 3 到 4 小时变成秒级；上海港 AI 配载让装船方案速度提升 13 倍、翻箱率下降 20.6%。

航天和船舶则走双层结构，集团级基座加院所级应用，坤安 2.0 的总参数已超 7000 亿。

轻工和特殊行业的共同点是，效益最终都落在一张智能工厂名单上。

图源：《2026年国内工业大模型及行业应用》（第8页） · 原文

八、政策把目标写成了数字

报告核验了三份政策的原文。八部门联合印发的"人工智能+制造"专项行动提出，2027 年要形成 3 到 5 个 通用大模型深度应用、行业大模型特色化全覆盖、1000 个高水平工业智能体和 500 个典型场景。

国务院的"人工智能+"行动给出的是普及率：2027 年智能体普及率超 70%，2030 年超 90%。工信部办公厅的工业互联网与人工智能融合赋能方案把节点放在 2028 年，要求不少于 5 万家企业完成 新型工业网络改造、20 个重点行业数据集。

报告特意强调了两处容易看错的地方：第一份文件成文于 2025 年 12 月，公开在 2026 年 1 月； 第三份的量化节点是 2028 年而不是 2027 年。这三份文件叠在一起，意味着模型、智能体和数据集三个东西都要报数量，企业的建设节奏会被数量指标牵引。

政策给了数量，但没给质量门槛，这正是下一轮分化的入口。

图源：《2026年国内工业大模型及行业应用》（第9页） · 原文

图源：《2026年国内工业大模型及行业应用》（第10页） · 原文

九、报告自己点出的三个风险

第一个是披露不透明。参数规模、训练数据、案例细节三项里，往往只有一项公开， 另两项要靠企业自己说，报告只能标为自述。

分行业看，医药查证率 50%、食品 67%、纺织 60%，装备、港口、船舶和泛工业平台则是 100%。第二个是中小企业供给薄弱。报告里的旗舰模型基本出自央企和龙头，中小制造企业更多是采购通用底座做私有化部署。

第三个是重复建设。同一个行业里，多家集团各自训练一套垂域模型，工艺知识高度重叠， 但彼此不互通，算力和数据都花了两遍。

报告给出的用法建议是场景、厂商、解决方案三段式复用：先按场景找可复用素材，再对照厂商能力， 最后落到具体方案。

62 页的原文、19 个场景的完整明细表，都在运营动脉（www.yydm.cn）上，搜报告名就能打开。