截至 2026-05-30 UTC，中国 AI 最强的一条信号，已经落在另一张模型排行榜之外。它体现在北京如何把工业数据集、智能机器人、智能体标准与制造业升级政策接入同一个运行栈。2026 世界智能产业博览会于 5 月 28 日在天津开幕，参展单位超过 700 家，展览面积达 130,000 平方米，设置七个展区，并计划发布 200 多项产品、技术、成果与研究报告，覆盖具身智能、智能网联汽车、低空经济、智能制造和智慧生活等领域。[1]

这场展会很容易被看成一次展示窗口。更有解释力的读法，是供应链正在成形。工业和信息化部副部长柯吉欣在会上强调 AI + 制造；国家数据局局长刘烈宏把高质量数据集与先进制造业联系起来；被点名的数据集目标也落在汽车制造、船舶制造、轨道交通、有色金属和石化等领域，范围已经越过泛泛的互联网语料。[1] 也就是说，在工厂 AI 越过演示阶段之前，国家已经开始点名模型与智能体需要调用的工业记忆。

图片语境：封面使用的是新华社/国务院发布的真实照片，画面来自国务院总理李强 2026 年 5 月 18 日在北京一家科技企业调研期间。[2] 这是一张公开发布的纪实照片，避开了示意图、图表、生成图像或象征性 AI 合成图的表达方式。座舱与机器人场景与本文直接相关，因为文章讨论的是中国工业 AI 推进如何变成机器、数据集、政策与生产流程之间的回路。

从模型接入到工厂记忆

中国已经拥有充足的模型接入：Qwen、DeepSeek、Kimi、Hunyuan、ERNIE、Doubao、MiniMax 以及许多其他系统，正在开放权重、云 API、消费者应用和企业工作台之间竞争。工业瓶颈在另一处。制造企业需要的不只是更强的通用模型，还需要干净的任务历史、设备信号、缺陷记录、CAD 与工艺知识、检测图像、维护笔记、供应商数据，以及一层治理机制，让 AI 触及生产时不会制造隐蔽风险。

这也是刘烈宏在天津展会上谈到数据集时值得注意的原因。如果高质量数据集“既是技术资源，也是创新引擎”，国家层面的表述就在说明，工业 AI 能力位于聊天界面之下。[1] 竞争性资产不只是一份模型 checkpoint，还在于模型能否看到足够可信的工厂上下文，从而给出有用建议、触发流程、识别缺陷，或帮助机器人规划动作。

5 月 18 日的调研，从机器人一侧说明了同一件事。李强在北京考察科技企业，查看不同场景下智能机器人研发成果和产品，并把智能机器人称为人工智能与先进制造深度融合的重要载体。[2] 他的讲话点到了整机、关键零部件、智能决策与控制系统、研发设计、生产制造、运营管理和售后服务。[2] 这是一条完整生命周期链，叙事重心已经离开消费电子产品故事。

机器人正在成为可见终点

对工业 AI 来说，机器人是最可见的终点，因为它会迫使整个栈落到现实中。聊天机器人答错了，仍然可以显得流畅。工厂、车辆座舱、仓库、检测线或服务工位里的机器人，则要协调感知、规划、执行、安全边界和故障后备。它需要模型层，也需要传感器、零部件、控制系统、领域数据、测试程序，以及人类能够监督的运行环境。

这就是为什么中国工业 AI 推进应当通过“控制回路”来理解。这个回路从流程数据和传感器数据开始，把数据转成数据集和模型输入，再把输出送入机器人或智能体工作流系统，记录发生了什么，并把结果反馈到下一轮训练、调优、评估或流程再设计。如果其中一环薄弱，回路就会断开。缺少干净数据集的好模型，会产生脆弱的自动化。没有流程集成的机器人，会变成舞台道具。没有部署路径的数据集，会变成档案库。

国务院 2025 年发布的 AI Plus 指导意见，给出了国家层面的时间表。到 2027 年，中国希望人工智能在六大重点领域实现深度融合，新一代智能终端和 AI 智能体普及率超过 70 percent；到 2030 年，普及率超过 90 percent，智能经济成为重要增长驱动。[3] 这些目标覆盖面很宽，但工业 AI 是其中能够被具体衡量的领域之一：多少车间采用 AI 辅助检测，多少机器人系统能够通过软件升级，多少工厂使用行业数据集，多少流程智能体从试点进入日常运行。

智能体规则也是栈的一部分

治理层也在同一时期到来。2026 年 5 月 8 日，中国有关部门发布《智能体规范应用与创新发展实施意见》。国家网信办文本把智能体定义为具备自主感知、记忆、决策、交互、执行等能力的系统，并提出任务理解、规划、工具使用、长期记忆、互操作、群体协作等基础能力，以及用于发现、干预、阻断和恢复智能体违规行为的安全工具。[4]

这组表述应当放进工业 AI 栈更新中理解，因为工厂智能体的评价标准不能只看答案质量。它们需要接口标准、工具边界、质量评价、安全保障、可信认证，以及医疗、交通、媒体、公共安全等领域的行业规则。[4] 同样的模式也适用于制造业：一个能够操作流程、安排维护、汇总缺陷或协调机器人的智能体，需要一套规则说明它可以观察什么、修改什么、上报什么。

因此，与更早的中国 AI 报道相比，有意思的增量已经越过“中国想让 AI 无处不在”这一层。这一点已经显现多年。增量在于，2026 年的政策正在把智能体能力转成部署语法。模型只是一个组件。句子的其余部分还包括数据集、终端、机器人、标准、安全工具和业务流程位置。

算力目标设定底板，不设定边缘

《数字中国建设 2025 年行动方案》给出了基础设施底板。方案提出到 2025 年底算力规模超过 300 EFLOPS，要求推进 AI Plus 应用、数字人才、基础设施升级和统一数据市场建设，并披露 2025 年一季度数字产业收入 8.5 万亿元，同比增长 9.4 percent。[5] 这些数字不能证明工业 AI 已经带来生产率提升。它们显示的是，国家正在给地方政府和企业提供足够的算力、数据市场管道和政策空间，让它们去尝试。

需要观察的是，这块底板会变成有纪律的生产栈，还是只形成一轮采购浪潮。有力的确认信号，应当包括行业专用数据集发布、工厂 benchmark 套件、机器人评估协议、智能体接口标准，以及 AI 改变缺陷率、停机时间、设计周期速度或售后解决效率的案例研究。较弱的确认信号，则是更多缺乏数据访问的展会演示、不清晰的安全边界，或没有可衡量流程改善的项目。

证伪条件也很直接：如果工业 AI 仍然停留在模型新闻稿、机器人舞台演示和彼此断开的地方试点之中，那么控制回路论点就不能成立。更强的版本需要可重复的数据采集、可信数据集、受治理的智能体、能部署的机器人，以及从真实生产回流到 AI 系统的反馈路径。

目前看，2026 年 5 月的信号是连贯的。天津把工业应用表面摆上展台，李强北京调研把智能机器人置于制造融合载体的位置，AI Plus 提供 2027 年和 2030 年的采用时钟，智能体实施意见提供执行规则，《数字中国》提供算力与数据背景。[1][2][3][4][5] 中国工业 AI 竞赛正在向模型层以下移动，进入工厂记忆、机器行动和流程可衡量的地方。

来源

1. 国务院英文网站 / 新华社，“World Intelligence Expo highlights AI-industry integration, global collaboration”（2026 年 5 月 29 日；天津展会规模、展区、AI + 制造表述、高质量工业数据集目标和产品发布数量）。
2. 国务院英文网站 / 新华社，“Chinese premier stresses promoting deep integration of AI, advanced manufacturing”（2026 年 5 月 18 日；李强调研、智能机器人、制造业生命周期表述和来源照片）。
3. 国务院英文网站 / 新华社，“China issues guideline to accelerate 'AI Plus' integration across key sectors”（2025 年 8 月 27 日；AI Plus 关于智能终端和 AI 智能体的 2027 年与 2030 年普及率目标）。
4. 国家互联网信息办公室，《智能体规范应用与创新发展实施意见》（2026 年 5 月 8 日；官方智能体发展与治理指引，涵盖智能体能力、工具链、标准、安全、互操作和行业应用）。
5. 国务院英文网站 / 新华社，“China releases plan to advance Digital China development”（2025 年 5 月 17 日；《数字中国建设 2025 年行动方案》、AI Plus、数据市场、300 EFLOPS 算力目标和数字产业收入数据）。