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、整车运输票据处理、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，2025年被认定为广东省“工业生产性智慧软件服务领域”制造业单项冠军企业。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。
