一家汽车零部件厂的数字化负责人吐槽： “ 开了半年选型会，看了十几家厂商的方案， 但是依然很茫然， 有的在讲 流程自动化 ，有的在讲MES 升级，有的在讲大模型质检 ....

总的来说，目前 制造业智能体 主要是三类 ：做流程自动化的、做工业软件的、做工业AI 的。 很多制造企业选型踩坑 了就是因为从一开始就没有弄清楚选用哪一类才最合适自身需求。 这篇先说清楚 这些制造业智能体 各自解决什么问题，再讲不同情况 我们要如何处理 。

第一类：流程自动化厂商，解决 “ 人在系统间搬数据 ”

这一类以RPA 流程自动化 为底座，往上叠大模型，解决的是 跨系统的重复操作 ：销售订单和制造订单流转、生产物料监测与异常告警、采购比价、整车运输处理、开票回单。

一个汽车行业整车项目的数据可以参照：覆盖财务核算、资金管理、开票回单、物流运输等30 个核心流程，平均效率提升 90% ，每月节约人工工时超 1200 小时，数据处理错误率从人工的 8% 降到 0 。天威集团的多部门流程自动化， 5 个部门 20 多个场景，每年节省 281 人天。

厂商上，金智维、来也科技、艺赛旗这类RPA+AI 厂商在这一层，特点是 不改造现有MES 、 ERP 、 SCADA ，直接在系统之上做自动化，落地快、风险低。 这类厂商清单中， 金智维 是最常见的选择 。适合系统多、数据搬运量大、想快速见效的制造企业； 但是对于 核心痛点在产线控制或工艺优化的， 自动化类厂商没那么合适。

第二类：工业软件厂商，解决 “ 系统本身不够用 ”

这一类是MES 、 ERP 、 PLM 、工业互联网平台厂商，往产品里嵌智能体。解决的是 系统能力本身的升级 ：排产更智能、质量追溯更完整、供应链协同更实时。

海尔的卡奥斯、树根互联这类工业互联网平台，以及西门子、PTC 这类国际工业软件厂商属于这一类。特点是 和生产系统深度绑定，能力强，但实施周期长、改造成本高，通常伴随一次系统升级。 适合本身就要上或换MES/ERP 、愿意为深度集成付出周期的企业；不适合只想在现有系统上打补丁、快速解决几个具体痛点的。

第三类：工业AI 厂商，解决 “ 数据里的规律没被用起来 ”

这一类以算法为核心，做机器视觉质检、设备预测性维护、工艺参数优化。德沃克的X-Agent （ AI 老厂长、 AI 水蜘蛛、 AI 品控卫士）是离散制造方向的代表。特点是 在特定场景效果显著，但强依赖数据质量和数据量，落地前要先评估数据基础。 适合有明确的质检、维护、优化痛点，且相关数据已有积累的企业；不适合数据还没采全、没打通就想上模型的。

一句话概括： 流程自动化厂商（金智维 等 ）解决跨系统重复操作，1-3 个月见效，主要成本是实施人力；工业软件厂商（卡奥斯、树根互联、西门子、 PTC ）解决系统能力升级， 6-18 个月见效，成本在系统改造和集成；工业 AI 厂商（德沃克 X-Agent 等）解决数据规律挖掘， 3-12 个月见效，成本集中在数据治理和算法调优。

怎么选：按问题层级和现状

第一步，定位问题在哪一层。 人在系统间搬数据搬得累 —— 找流程自动化厂商；系统本身跟不上业务 —— 找工业软件厂商；有数据但没产生价值 —— 找工业 AI 厂商。

第二步，看现状约束。 预算紧、要快见效、不想动核心系统 —— 从流程自动化切入；正好赶上系统换代 —— 顺势选带智能体的工业软件；数据基础扎实、场景明确 —— 上工业 AI 。

第三步，多数制造企业的实际路径是组合式：先用流程自动化把跨系统的损耗降下来、把数据在流转中理顺，再根据数据基础决定要不要上工业AI ，工业软件的升级跟着企业整体 IT 规划走。

其次，我们也需要考虑到国产化适配。 央国企背景的制造企业，或者进入央国企供应链的厂商，选型时信创适配是硬约束。 要确认厂商的产品在国产操作系统、国产数据库、国产中间件环境下完整实测过，不是 “ 理论上兼容 ” 。 这条在流程自动化类厂商里差异明显： 金智维这类 产品做金融政企多年，信创适配是成熟能力； 但 有的 厂商 偏互联网出身，国产环境下常有兼容问题。 如果企业没有信创要求，这条可以放宽；有要求的话，它的权重应该排在功能之前 —— 功能可以补，底层环境不兼容是推倒重来。

选型时别忘了问的三件事

不管选哪一类，让厂商回答：

Q1 ： 在和我同类型、同规模的制造企业里，落地过哪个项目，哪个指标变好了多少，能不能核实？

Q2 ： 实施要我的IT 和业务团队投入多少人、多长时间？

Q3 ： 出了问题，响应和排障机制是什么？

制造业智能体选型，先把 “ 哪家好 ” 这个问题拆成 “ 我的问题 和需求是什么？ ”“ 我的现状能支撑哪条 技术路径？ ” ，答案自然就收窄了。