站在 2026 年中回看,制造业的 AI Agent 已经走过了"PPT 阶段"。汽车、电子、高端装备的头部企业,大多已经在 SAP、西门子、Rockwell 这些核心系统上跑过至少一轮 Agent PoC,有的进入了规模化部署。
但**“哪家 Agent 产品最适合我们工厂”** 这个问题,几乎每家想推 AI 的甲方都在问。
到 2026 年,国内外面向制造业的 Agent 服务商已经形成了四大阵营:全栈生态型、可信决策型、垂直深耕型、开发平台型(上图)。这篇从一个做过多个 SAP + 智能工厂 AI 项目的架构师视角,把每个阵营选三家代表厂商展开讲——一国外、一国内、一兼顾,把架构差异、适用场景、踩坑点逐一展开。
一、阵营一:全栈生态型 —— SAP Joule、Oracle Fusion AI、用友精汇
这一类厂商的核心打法是**“自己有 ERP / MES 业务底座 + 长出 Agent 能力层”**,Agent 的价值绑死在自家业务系统的语义和数据上。
1.1 SAP Joule(德国 SAP SE)
核心定位:SAP 在 2023 年底推出的原生 Copilot,2024-2025 年快速整合进 S/4HANA、SuccessFactors、Ariba 全产品线。
优势:
业务语义层成熟:SAP 几十年沉淀的 BAPI、CDS View 让 Joule 不需要重新理解"什么是订单"“什么是物料”
权限继承干净:用户在 SAP 里能看什么,Joule 就能查什么,不破坏原有授权体系
跨模块编排:订单 → 生产 → 物流 → 财务一条线打通,这是非 SAP 系厂商难以企及的
适用边界:强 SAP 依赖,出了 SAP 生态价值衰减明显;现场层能力弱——它是商业流程 Copilot,不是工艺智能体;中文语义、信创合规仍在追赶。
适合谁:已经 ALL IN SAP 的汽车主机厂、电子 OEM、高端装备企业,业务痛点在 O2D、P2P 这些 ERP 主流程上。
1.2 Oracle Fusion AI Agents(美国 Oracle Corporation)
核心定位:Oracle 在 2024 年 CloudWorld 上发布的内嵌于 Fusion Cloud Applications 的预置 AI Agent 套件,首发就有 50+ 个 Agent,覆盖财务、HR、供应链、CX。
优势:
数据底座一体化:Oracle 数据库 + Fusion ERP 紧耦合,Agent 跟主数据、交易数据同步几乎无延迟
合规与审计能力强:这是 Oracle 的传统强项,在制药、汽车、航空航天这些重合规行业有天然优势
开箱即用程度高:50+ 预置 Agent 是生产级能力,不是 demo
适用边界:跟 SAP Joule 一样,出了 Oracle 生态价值打折;国内市场份额小,本地化生态薄;价格不友好。
适合谁:跨国制造企业(尤其是制药、汽车 Tier 1)总部在用 Oracle Fusion 的中国工厂;纯内资企业很少考虑。
1.3 用友精汇 YonGPT(用友网络科技,北京)
核心定位:国内 ERP 龙头用友网络在 2024 年发布的"业务大模型 + Agent 工厂"路线,基于 BIP 平台底座,国央企信创替代场景的主力选项之一。
优势:
国央企客户基础扎实:信创、国密、合规全套支持,适配国产数据库和操作系统(达梦、人大金仓、麒麟)
业务对象绑定深:Agent 跟 BIP 上的财务、供应链、HR 对象深度耦合,合并报表、合规审计是强项
国产协同生态打通:跟钉钉、飞书、企业微信集成度高
适用边界:OT 侧能力薄,产线、设备、工艺类场景需要跟工业互联网厂商搭配;跨集团复杂编排能力不如 SAP Joule。
适合谁:国央企制造集团、地方国资制造业平台,业务痛点在管理流程而非产线工艺。
全栈生态型的共同特点:Agent 的边界 = 自家业务系统的边界。出系统就失语。
二、阵营二:可信决策型 —— 西门子、Rockwell + Azure、华为盘古
这一类厂商的核心打法是**“基于工业 know-how + 大模型做关键决策辅助”**,强调结果可信、可解释、可追溯——产线决策错了真会出事故。
2.1 西门子 Industrial Copilot(德国 Siemens AG)
核心定位:从 TIA Portal(工程组态)+ MindSphere(工业互联网)长出来的车间级 Copilot,DNA 在 OT 侧。
两个杀手锏场景:
工程师代码生成:直接在 TIA Portal 里生成 PLC 梯形图、ST 代码——它懂 IEC 61131-3,懂 S7-1500 指令集。这是 ChatGPT / Claude 做不到的。一个做 BMS 装配线的电气工程师跟我说,以前写一段联锁逻辑要 2 小时,现在 Copilot 出初版只要 10 分钟。
设备异常诊断:基于 MindSphere + Senseye Predictive Maintenance,做故障归因。汽车焊装车间几百台机器人 + 几千个传感器的场景,价值非常实。
适用边界:强西门子硬件绑定——产线不是 SIMATIC 体系,价值大打折扣;license 费用普遍比国内方案高 3-5 倍;业务流程 Agent 能力空白。
适合谁:汽车整车厂焊装 / 涂装 / 总装车间、半导体晶圆厂、OT 侧 70% 以上是西门子设备的工厂。
2.2 Rockwell FactoryTalk + Microsoft Azure(美国 Rockwell + 美国 Microsoft)
核心定位:Rockwell + Microsoft 2024 年宣布的深度合作,面向北美阵营的工业 AI 路线。FactoryTalk 提供工业数据和控制底座,Azure OpenAI 提供模型能力。
优势:
AB PLC 原生:Logix 控制器的代码生成、故障诊断是强项,跟西门子在各自生态里势均力敌
Microsoft 生态打通:Teams、Power BI、Dynamics 365 全打通
Azure 工业云:适合全球化部署的跨国制造企业
适用边界:国内数据出境合规问题导致大多数工厂用不上完整方案——Azure 那一层在国内要走特殊架构(世纪互联),实际可用功能打折扣。
适合谁:北美 / 欧洲制造业总部的中国工厂、外资 Tier 1 汽车零部件供应商。纯内资企业基本不考虑。
2.3 华为盘古工业大模型(华为云,深圳)
核心定位:华为云 2023 年起推的行业大模型路线,国内工业 AI 自主可控阵营的旗舰选项,在钢铁、煤矿、化工、电力等行业已有规模化落地案例。
优势:
预训练 + 行业精调能力扎实:盘古的工业行业数据沉淀厚,工艺寻优、能耗优化有实际效果
端到端一体化交付:算力(昇腾)+ 模型(盘古)+ 行业方案,适合大型集团一站式采购
国产化 + 信创合规:从芯片到模型全栈自主可控,这是国央企的强需求
适用边界:产品化程度不如 SAP / 西门子,多数仍是项目制交付,中小客户难以快速复用;离散制造领域(汽车、电子)目前还在打样阶段,流程制造领域更成熟。
适合谁:能源、冶金、化工等流程制造大型集团;离散制造的国央企可以试点。
可信决策型的共同特点:做的是"高风险、高价值"的关键决策,要求可解释性,license / 实施成本也最高。
三、阵营三:垂直深耕型 —— Cognex、o9 Solutions、黑湖科技
这一类厂商不做全栈,只做某个细分场景做到极致。
3.1 Cognex 康耐视(美国 Cognex Corporation)
核心定位:工业机器视觉的老牌国际厂商,2024 年发布的 In-Sight L38、L80 系列把生成式 AI 集成进视觉系统,做缺陷检测的小样本学习和自然语言配置。
优势:
算法+硬件一体化:几十年的工业相机、镜头、光源沉淀,跟 AI 算法配合度极高
小样本学习:传统视觉检测要几千张样本,Cognex 现在几十张就能起步
稳定性久经考验:汽车、电子、医药行业大规模部署的口碑底子
适用边界:只做视觉检测,其他场景不碰;价格在国产替代面前不友好。
适合谁:对质检稳定性要求极高的汽车、半导体、医疗器械工厂;愿意为可靠性付溢价的高端制造企业。
3.2 o9 Solutions(美国 o9 Solutions)
核心定位:美国独角兽,做企业供应链 / 需求计划的 AI 决策平台,客户里有不少全球 Top 10 汽车主机厂、消费电子品牌。
优势:
跨企业数据图谱(EKG):把需求、供应、产能、库存做成统一图谱,Agent 在图谱上推理
场景仿真能力强:做"如果某供应商断供怎么办""如果某区域需求暴涨怎么办"这种 what-if 推演
集成度高:跟 SAP IBP、Oracle SCM、Kinaxis 都能打通
适用边界:复杂度高、实施周期长(通常 12+ 个月);价格在头部跨国企业之外难以承受。
适合谁:营收 100 亿以上的跨国制造集团,供应链复杂度足够高的汽车、消费电子、家电品牌。
3.3 黑湖科技(上海黑湖网络科技)
核心定位:国内离散制造 MES 的代表厂商,2024 年开始把 Agent 能力嵌入 MES 产品,做异常处理、智能排程、生产协同。
优势:
离散制造 MES 场景深:对汽车零部件、电子、五金、家居行业的产线流程理解到位
轻量化部署:对比西门子 Opcenter、SAP DMC 这类重型 MES,实施周期短、价格友好
跟 ERP 解耦:可以独立部署,不绑死任何一家 ERP
适用边界:只覆盖 MES + 产线场景,跨业务的端到端编排需要跟其他平台配合;品牌势能在 Tier 1 主机厂面前仍偏弱。
适合谁:中型离散制造企业(3-30 亿规模),汽车零部件 Tier 2 / Tier 3、消费电子 ODM、家电组装。
四、阵营四:开发平台型 —— Microsoft Copilot Studio、Bizfocus ADP、开源工具链
这一类不是"现成的 Agent 产品",而是给企业自建 Agent 提供的开发平台和工具链。
4.1 Microsoft Copilot Studio(美国 Microsoft)
核心定位:微软在 2024 年把原 Power Virtual Agents 升级为 Copilot Studio,定位为面向企业的低代码 Agent 构建平台,跟 Microsoft 365、Dynamics、Power Platform 深度联动。
优势:低代码门槛低——业务人员就能拖拽建 Agent;生态完整——跟 Teams、SharePoint、Outlook 天然集成;模型选择灵活——Azure OpenAI 多模型可切换。
适用边界:对接非微软系的 ERP / MES / IoT 系统需要额外开发;Azure 国内合规架构限制了部分能力。
适合谁:Microsoft 重度依赖的外资 / 合资制造企业,以业务流程自动化为主要场景。
4.2 Bizfocus ADP(上海比孚科技)
核心定位:比孚科技推出的面向制造业的企业级 Agent 开发平台,内置 SAP / 鼎捷 / 用友等主流 ERP 连接器,以及 MES、PLM、IoT 平台的集成能力。
优势:
生在制造业场景里:对 SAP S/4HANA、智能工厂数据架构理解深,不需要从零做集成
企业级支持完整:权限、审计、合规、运维体系做到企业级要求,比开源工具直接可用
混合架构友好:可以作为前面三个阵营产品的"补丁层"——把 SAP Joule 没覆盖的车间场景、把西门子 Copilot 没覆盖的业务流程、把单点 Agent 之间的协同补上
本地化合规:支持国产数据库 / 信创环境,满足国央企对自主可控的要求
适用边界:作为平台层,仍然需要甲方有 1-2 个架构师对接业务场景;不是开箱即用的 SaaS 产品。
适合谁:已经选了主力 Agent 厂商(比如 SAP Joule + 西门子),但发现还有 20%-30% 的场景没覆盖,需要一个本地化、企业级、懂制造的平台来"打补丁"的中大型制造企业。
4.3 开源工具链(Dify、LangChain、扣子等)
代表:Dify、FastGPT、LangChain / LangGraph、AutoGen、CrewAI、扣子 Coze。优势是完全可控、灵活度最高、直接成本低;适用边界是需要自己有 5 人以上 AI 工程团队 + 长期维护投入,适合作为补充能力,不适合作为主力路线。
开发平台型的共同特点:核心价值在"灵活性"和"集成能力",不是"开箱即用"。选这一类要先想清楚:你买的是工具,自建能力得自己有。
五、选型决策树
问题 1:核心痛点在 IT 侧还是 OT 侧?
IT 侧 → 全栈生态型(SAP / Oracle / 用友)
OT 侧 → 可信决策型(西门子 / Rockwell / 华为)
单点场景 → 垂直深耕型(Cognex / o9 / 黑湖)
需要打补丁 / 自建 → 开发平台型(Copilot Studio / Bizfocus ADP / 开源)
问题 2:有信创 / 国产化要求吗?
强信创要求 → 用友精汇 / 华为盘古 / Bizfocus ADP
无 → SAP Joule / Oracle / Microsoft 系都可选
问题 3:OT 侧主流设备是什么?
西门子 S7 为主 → Industrial Copilot
AB / Rockwell 为主 → FactoryTalk + Azure
多品牌混合 / 国产替代 → 华为盘古 + Bizfocus ADP 等组合方案
六、最后说三句大实话
第一,没有一家 Agent 厂商能覆盖你工厂的所有场景。汽车整车厂的真实部署,基本都是"全栈生态型(IT 侧)+ 可信决策型(车间侧)+ 垂直深耕型(单点)+ 开发平台型(补丁)"的混合架构。承认这一点比追求单一供应商更省钱。
第二,别被 demo 骗了。所有厂商的销售 demo 都是用最干净的数据、最标准的场景跑出来的。选型 POC 必须用你自己的真实数据跑一遍。
第三,Agent 选型最重要的不是厂商,是你自己的 IT / OT 数据底座。底座不行,选哪家 Agent 都是在沙子上盖楼。
