北京市9月9日发布《北京“十五五”时期高精尖产业发展规划》，明确大力推动产业智能化升级：2026年规模以上制造业企业全面实现数字化达标，到2030年规模以上生产企业全部达到基础级智能工厂标准，并建设1000家先进级智能工厂、100家卓越级和领航级智能工厂。北京市经信局规划处副处长都康介绍，当前北京规上制造业企业数字化达标率为95%。规划同步提出绿色化与未来工厂目标：到2027年有生产制造能力的规上企业基本实现绿色化达标，2030年国家绿色工厂产值占规上制造业总产值比重达50%；并在机器人、医药健康、智能网联汽车等领域建设10家左右未来工厂，支持形成“人形机器人+智能算力+绿色能源”的新制造模式。
分级培育：智能制造第一次有了统一刻度
规划最受关注的一点，是把智能工厂建设拆成了可考核的等级：基础级、先进级、卓越级、领航级。2026年规上制造业企业全面数字化达标是入口，2030年规上生产企业全部达到基础级智能工厂标准是底线，1000家先进级、100家卓越级和领航级是标杆。其价值在于，企业不必再凭感觉判断“数字化做到什么程度算够”，而是可对照等级补齐数据采集、设备联网、工艺建模、质量追溯等能力项。
95%达标率之后：难点从“有没有”转向“好不好”
当前北京规上制造业企业数字化达标率已达95%，这意味着“有没有系统”基本不再是问题，接下来的差距在使用深度。规划提出推进人工智能赋能新型工业化，深入实施“人工智能+制造”，推动AI深度嵌入全行业、全环节；并将通过引导企业智能化升级、培育智能制造标杆等方式提升数字化水平，以标杆引领带动行业提升。
对制造企业而言，最现实的动作是把已经积累的生产数据真正用起来。设备运行参数、质检图像、工艺记录、能耗数据，只有当它们被统一治理、形成可训练的数据集，才能支撑工艺参数寻优、质量缺陷根因分析这类高价值场景。这也正是多数企业在达标之后拉开差距的地方。
未来工厂：把“工厂智能体”写进规划意味着什么
规划提出开展未来工厂建设试点，聚焦机器人、医药健康、智能网联汽车等产业，综合运用数字孪生、人工智能、工业互联网、下一代网络等技术，到2030年建设10家左右未来工厂。北京市经信局研究室主任吴志全表示，将支持未来工厂率先形成“人形机器人+智能算力+绿色能源”的新制造模式，打造研发、生产、运维、服务全链条贯通、自主迭代进化的“工厂智能体”。
“工厂智能体”这个提法值得注意：它把智能体从办公场景推进到生产现场，要求系统不仅能回答问题，还要能在给定约束下调整参数、调度资源、预判故障。这对数据实时性、系统可靠性与人工兜底都提出更高要求，数据治理也由此从可选项变成硬门槛。
对其他地区制造企业的三点参考价值
- 先对齐等级，再选技术：对照基础级要求自查数据、网络、系统覆盖情况，避免跳过基础直接上大模型；
- 把数据治理前置：数据是分级达标的硬门槛，也是后续AI场景能否落地的决定性条件；
- 用可量化场景验收：优先选择良率、能耗、停机时长这类可对比的指标，让智能化投入可核算、可复盘。
一道科技视角
对杭州及长三角的制造企业来说，北京的分级路径提供了一个清晰参照系：先补齐数据底座，再谈模型与智能体。一道科技业务覆盖 AI大模型定制、数据挖掘与软件外包，可提供从智能工厂等级自评、数据治理到行业模型与智能体开发的完整服务。若您正在规划智能制造升级路径，欢迎了解我们的服务或查看更多行业分析。
常见问题（FAQ）
基础级是覆盖底线，强调数据采集、设备联网、关键环节数字化的广度；先进级强调在多个环节实现协同优化与模型应用；卓越级和领航级则要求全链条贯通、自主迭代与行业引领。对多数中小企业而言，应先对照基础级补齐数据与网络底座，再选择单一高价值环节向先进级突破，跳过基础直接上大模型往往难以验收。
达标率衡量的是系统覆盖，不等于数据可用。产线数据常分散在不同厂商的设备与系统中，口径不一致、时序不完整、缺少标注，无法直接用于模型训练。智能工厂分级越往上，对数据质量与实时性的要求越高，因此数据治理是从“有系统”走向“用得起AI”的必经环节。
普通工业软件按固定规则执行，人下发指令、系统响应；“工厂智能体”在给定业务目标与约束后，可以自主分解任务、调用工具与系统、并根据结果调整下一步动作，人更多承担目标设定与监督职责。这也决定了它必须配套权限控制、审计日志与人工兜底机制，不能沿用传统软件的验收方式。