结合《智能工厂梯度培育要素条件（2025 年版）》《智能制造典型场景参考指引（2025 年版）》《GB/T 46734-2025 智能工厂评价要求》官方标准，就AI技术应用场景申报的计算方法和常见误区进行解读。

一、AI技术应用场景比例要求

智能工厂梯度培育实行分级量化管控，AI 场景应用占比为一票否决类核心指标，两级工厂指标明确区分：

1.卓越级智能工厂

人工智能技术应用场景占比≥20%，定位为行业标杆型智能化，以局部 AI 赋能、系统级协同优化为核心，侧重单点及关键环节 AI 落地，满足基础智能化升级要求。

2.领航级智能工厂

人工智能技术应用场景占比≥60%，定位为行业引领、模式创新型智能制造，以全流程 AI 深度融合、全局自主决策为核心，实现研产供销服全链条智能化重构。

补充配套门槛：两级工厂均需满足 CMMM 成熟度要求，卓越级≥三级、领航级≥四级，数据互联互通、工业算力底座为 AI 应用前置基础条件。

二、AI技术应用场景能力分层要求

两级工厂不只是比例数值差异，核心是AI 应用深度、技术能力、业务价值、智能化层级的本质差距。

（一）卓越级

1.技术层面

以通用标准化 AI 模型为主，依托成熟工业视觉、预测分析、简单算法工具；云边协同基础部署，边缘端轻量化推理，无强制自研算法要求。

2.应用层面

聚焦生产、质量、设备、能耗等关键刚需环节单点应用，AI 以辅助分析、预警研判、参数优化为主；不要求全流程覆盖，非侵入式改造，适配传统企业智能化升级。

3.业务价值

解决碎片化痛点：降不良、减停机、优化能耗、降低人工质检成本；AI 不替代核心决策，仅作为管理人员辅助工具。

4.数据与模型

具备基础数据采集与治理能力，模型以固定场景套用为主，低频迭代、轻量化运维。

（二）领航级

1.技术层面

融合工业大模型、深度学习、强化学习、知识图谱、数字孪生仿真等高端 AI 技术；支持定制化算法自研、模型全生命周期管理，具备工厂级 AI 训练、优化、迭代能力。

2.应用层面

覆盖研发设计、生产制造、运营管理、供应链、售后服务全价值链场景；AI 实现自主决策、自适应调控、动态全局调度，形成闭环自治运行。

3.业务价值

实现生产模式创新、柔性定制、全局降本增效、低碳智慧管控；依托 AI 重构生产组织模式，形成行业可复制的智能制造标杆方案。

4.数据与模型

搭建工业数据中台、AI 算法平台，多源数据融合贯通，模型常态化迭代、自主学习、动态优化，支撑复杂工况下智能决策。

三、典型AI技术应用场景清单

依据 2025 版智能制造典型场景指引，从 40个通用场景中，筛选可纳入 AI 统计、评审认可度最高的核心场景，全覆盖八大业务领域：

1. 研发设计类

产品性能 AI 仿真预测、生成式工艺设计、结构参数智能优化、图纸工艺智能校核、研发知识图谱智能检索。

2. 生产作业类

AI 视觉外观/尺寸/缺陷全量质检、工艺参数AI实时动态调优、危险作业AI智能监控、混线生产AI柔性适配控制。

3. 设备运维类

设备振动/电流 /温度AI预测性维护、机组故障智能诊断与根因分析、关键装备寿命AI预判。

4. 质量管控类

质量缺陷AI分类统计、生产异常智能溯源、质量波动趋势 AI 预警、全链条质量数据关联分析。

5. 能源安环类

厂区能耗AI负荷优化与峰谷调节、碳排放智能核算预警、安全生产AI视频识别（违章、越界、烟火）、环保排放实时AI监测。

6. 生产管理类

车间AI智能排产、插单/设备异常扰动智能调度、在制品智能管控、生产节拍自适应优化。

7. 供应链运营类

市场订 AI需求预测、安全库存智能优化、物流运输路径智能调度、供应商履约风险AI评估。

8. 经营决策类

工厂经营指标AI智能分析、生产成本动态测算、人力资源智能排班优化。

四、计算方法和判定标准

（一）官方统一计算公式

Psai = (N_sai ÷ N_st) × 100%

•Psai：应用人工智能技术场景比例

•N_sai：已应用 AI 技术的智能制造典型场景数量（判定为 “AI 场景” 的个数）

•N_st：工厂实际部署的智能制造典型场景总数（工厂已建设、在运行的场景总数）

关键规则：

1.分母 N_st：

￮依据 《智能制造典型场景参考指引（2025 年版）》，共 8 大环节、40 个典型场景。

￮分母 ≠ 40，而是 工厂自身实际建设、应用的场景总数。

￮例：工厂只建了 15 个场景，分母就是 15；建了 25 个，分母就是 25。

2.分子 N_sai：

￮从上述 N_st 个已建场景中，判定为应用了 AI 技术的场景数量。

￮必须满足：AI 深度嵌入、数据驱动、自主分析 / 决策 / 优化（≠简单自动化、≠规则判断）。

3.分级门槛：

￮卓越级：Psai ≥ 20%

￮领航级：Psai ≥ 60%

注意

1.分母界定

分母不以官方 40 个全量场景强制统计，仅统计本工厂已建设、常态化投入使用、稳定运行的智能制造场景，企业之间分母数值不统一，据实填报。

2.分子界定

在工厂已建全部智能制造场景中，完全符合 AI 判定规则、持续落地应用的有效场景数量。

（二）AI 场景严格界定与判定标准

必须同时满足 3 项条件，方可计入 AI 有效场景，单纯自动化、程序化系统不计入：

1.技术判定

应用深度学习、机器视觉、机器学习、预测算法、知识图谱、强化学习等人工智能技术；排除 PLC 逻辑控制、固定阈值报警、人工预设规则的传统自动化系统。

2.功能判定

具备自学习、自适应、预测研判、智能优化、自主分析能力，区别于固定流程执行设备，可基于数据自主挖掘规律、动态调整策略。

3.运行判定

场景长期稳定投用、有完整运行数据、台账记录、系统日志，非试点演示、短期试用、闲置停用场景。

（三）统计补充规则

1.同一场景下多项 AI 功能叠加，只统计 1 个 AI 场景，不重复累加；

2.跨车间、跨产线复用的同类 AI 应用，按单一场景类别统计；

3.研发、供应链、安环、能耗等非生产类 AI 场景，同等有效，可正常计入占比。

五、典型案例与常见误区

（一）卓越级智能工厂

案例 1：离散制造企业

•企业已建智能制造场景总数：15 个

•符合 AI 判定的落地场景：3 个

①AI 视觉在线质检 ②设备预测性维护 ③能耗 AI 智能优化

•AI 场景占比：

•结论：刚好达到卓越级最低门槛，符合申报要求。

案例 2：零部件加工企业

•已建智能制造场景总数：16个

•AI 应用场景：4 个（视觉质检+工艺 AI调优+质量根因分析+安全AI识别）

•AI 场景占比：

•结论：远超底线要求，申报材料竞争力更强。

（二）领航级智能工厂

案例：大型流程制造标杆工厂

•全流程已建智能制造场景总数：28 个

•全链条AI 深度应用场景：18 个（覆盖研发、生产、设备、质量、能源、排产、供应链、安全等全领域）

•AI场景占比：

•结论：满足领航级≥60% 硬性指标，AI 全链路融合，符合引领级定位。

（三）申报常见误区

1.统计口径误区

错误将官方 40 个全部场景作为分母核算；正确做法：仅统计企业自身实际建成在用场景。

2.概念混淆误区

把自动化、数字化、信息化等同于AI；如：普通机器人作业、MES固定流程管控、简单阈值报警，均不属于AI场景。

3.重复统计误区

同一套AI系统在多条产线复用，重复计数；评审要求按场景类别统计，不按产线数量重复计算。

4.无效场景凑数误区

使用短期试用、演示版、未常态化运行的 AI 试点项目凑数量；评审会核查运行日志、台账、落地成效，无效场景直接剔除。

5.层级错配误区

卓越级盲目堆砌高端大模型、全链条 AI 建设，增加成本；领航级仅做单点零散 AI 应用，占比不足、应用深度不达标，直接评审扣分。

注意：

1.❌ 分母用 40：错。分母是你厂实际建的场景数，不是 40。

2.❌ 自动化 = AI：错。PLC / 机器人自动执行≠AI；预测、优化、自学习才算 AI。

3.❌ 单场景多点 AI：只算 1 个。同一场景内多个 AI 应用，仍计 1 个场景。

4.❌ 只算生产环节：错。研发、管理、供应链、服务环节的 AI 场景都算。