2026年7月，工业和信息化部、国家发展改革委、财政部、国务院国资委、市场监管总局、国家数据局六部门联合印发《关于开展2026年度智能工厂梯度培育行动的通知》，同步发布《智能工厂梯度培育要素条件（2026年版）》。与2025版相比，新版最引人注目的变化，是首次将“工业智能体”写入领航级核心建设内容与量化考核指标——绩效指标体系新增“开发工业智能体数量”和“日均词元调用量”两项。领航级明确要求“突破并集成部署工业大模型、工业智能体”，探索建立“从数据、模型到工业智能体的一体化管理体系”。

智能制造的下半场，比拼的不是谁设备更多、系统更全，而是谁能让数据和AI真正驱动生产决策、让智能体自主运行关键业务。对于已建成高等级智能工厂的烟草企业而言，从卓越级到领航级的跨越，关键不再是加几套AI系统，而是能否构建起自主运行、持续进化的工业智能体体系。

一、 政策信号：2026版梯度培育释放了哪些关键转向

系统对比2025版与2026版《智能工厂梯度培育要素条件》，可以从总则定位、评测依据、分级建设内容、绩效指标四个维度看到一条清晰主线：智能制造的评价体系正从“系统上线率”全面转向“智能体自主运行能力”。具体表现为四个结构性转向。

▍转向一：工业智能体成为量化考核硬指标

《智能工厂建设关键绩效指标参考》的指标总数由2025版的21项调整为2026版的22项。变化全部集中在“能力提升”类：删除“数字化生产设备普及率”，新增“开发工业智能体数量”和“日均词元调用量”两项。传递的信号十分明确——政策关注点已从“有没有数字化设备”，升级为“AI是否进入真实业务、并形成稳定调用与持续优化”。

▍转向二：评测标准升国标，AI场景门槛全面拉高

评测依据由2025版的团体标准T/CAMS 182—2024《智能制造效能通用评测方法》，全等级统一升级为国家推荐性标准GB/T 47695—2026《企业智能制造效能评测方法》，权威性与规范性同步提升。与此同时，卓越级AI应用场景比例的下限由“不低于20%”提高至“不低于30%”，领航级维持“不低于60%”不变。需要提醒的是，AI场景的具体统计口径应以申报平台模板和主管部门要求为准，企业不宜自行设计分母，更不能把普通自动化或规则引擎统一包装成AI场景。

▍转向三：数字化从“核心考卷”退化为“准入门槛”，资源加速向高层级倾斜

这是2026版最深层的转向。四级梯度的定位被重新厘清、各自聚焦单一转型阶段：基础级聚焦数字化改造、先进级聚焦网络化协同、卓越级聚焦智能化升级、领航级聚焦智能化变革。对卓越级、领航级而言，数字化相关内容已从“核心得分项”转为“一票否决式的准入底线”，不再参与核心打分。政策资源的导向也随之转向——工信部“十百千”工程明确打造十家领航级、百家卓越级、千家先进级智能工厂，2026至2030年的专项资金、税收减免、技改补贴将大幅向卓越级、领航级培育对象倾斜，仅完成数字化改造、无智能化价值产出的企业将逐步失去大额政策扶持。

▍转向四：领航级首次定义“智能体驱动的下一代制造系统”

2026版领航级的总则定位，新增了2025版完全没有的三项顶层要求：工业大模型与工业智能体一体化管理体系、“数据+知识”双驱动创新范式、人工智能伦理风险防控。在分环节建设内容上，生产管理环节明确要求“构建生产管理智能体，实现计划排产、资源调度、仓储物流、能源管控等自主运行和持续优化”；运营管理环节要求“构建运营管理智能体……实现关键业务流程的决策优化”。这标志着领航级的评价重心，已从“单点AI应用”转向“智能体驱动的全流程自主运行”。

中国信息通信研究院信息化与工业化融合研究所副所长田洪川在2026工业互联网大会上指出，工业智能体应用现阶段主要聚焦流程自主执行（约占50%）与跨系统协同决策（约占35%），利用智能体感知、决策、执行的一体化能力，实现高效的流程自主执行与辅助综合决策。这与领航级“生产管理智能体”“运营管理智能体”的建设导向高度契合。

二、 烟草行业现状：智能工厂建设走到哪一步了

烟草行业在智能制造领域起步较早，已形成清晰的梯度培育格局。截至2026年7月，全国烟草工业企业中，通过智能制造能力成熟度（CMMM）四级评估10家、三级评估38家、二级评估1家。2025年4月，国家烟草专卖局印发《关于烟草行业智能工厂梯度培育实施方案》，明确提出：力争通过五年持续培育，推动基础级智能工厂基本普及，培育认定40个左右行业领先的先进级智能工厂，择优打造10个左右国内领先的卓越级智能工厂，探索培育具有全球影响力的领航级智能工厂。从当前格局看，行业正处在从“规模化普及”向“卓越领航”跃升的关键节点。从标杆实践看，烟草行业智能化建设的推进还面临三个关键瓶颈：

三、 烟草工业智能体建设：从哪里切入、怎么建

工业智能体是以大模型为核心引擎、以记忆与规划为关键能力、以外部工具调用为手段，具备自主感知、理解、规划并执行响应动作能力的自主智能系统；它以真实工业场景的刚性约束为前提，深度融合工业知识与AI、物联网、数字孪生等技术，通过引入“数据—知识”这一新的内生生产要素，重塑制造业生产函数。

简言之，工业智能体是给产线装上“大脑+感官+手脚”。其完整架构自下而上可分为四层：知识底座层（沉淀行业Know-How、工艺参数与历史数据，形成可被机器调用的行业知识图谱）、智能执行层（推理型、协调型及各类专业智能体各司其职，经MCP等标准协议调用外部工具，完成从“思考”到“行动”的转换）、系统协同层（通过A2A、ANP等智能体间通信协议构建多智能体系统，完成任务分解与跨工序协作）、场景应用层（在生产具体场景落地，完成从技术赋能到业务闭环）。

对烟草行业而言，先行企业的实践已经证明了从“制造”到“智造”的可行性。下一步从卓越级迈向领航级，核心突破口在于能否抓住“工业智能体”这个政策强信号——将分散的AI应用场景整合为系统级智能体，将隐性工艺经验转化为可复用的知识资产，将数据治理从“采得到”升级为“用得好”。

对烟草企业而言，智能体建设不是推倒重来，而是在现有数字化基础上，沿“知识内化—智能执行—系统协同”的路径，让数据从“看得见”升级为“会思考、能决策、自执行”。以下四个场景，可按成熟度和价值排序分步切入。

▍切入场景一：制丝工艺智能体

制丝是烟草制造的核心工艺环节，涉及加水、加料、切丝、烘丝等多个工序，工艺参数受来料批次、环境温湿度、设备状态等多因素影响。传统模式下，参数调整依赖“老师傅经验”，换批调试时间长、批间质量波动大。

建设路径：第一步，打通制丝线全流程数据（已有基础的烟厂可跳过）；第二步，构建制丝工艺知识库，将老师傅的调参经验、历史最优参数、工艺标准文档结构化；第三步，训练工艺优化AI模型，实现“感知—分析—调参—验证”闭环；第四步，封装为制丝工艺智能体，实现自主运行。

▍切入场景二：卷包质量智能体

卷包环节的质量控制是烟草企业AI应用最成熟的领域，但当前多数应用停留在“AI视觉检测”的单点层面。质量智能体的升级方向是：从“检测到缺陷”升级为“诊断缺陷成因、反馈前序工序、自主调优”。

质量智能体的核心能力：

① 视觉检测 识别76种以上外观缺陷，漏检率低于0.1%

② 根因分析 自动判断缺陷来源（如“划痕呈周期性，疑似上游滚轮异物”）

③ 闭环反馈 将诊断结果反馈至前序机台，触发参数自调整

④ 质量追溯 基于“数字身份证”实现产品全生命周期追溯

▍切入场景三：设备运维智能体

烟草制造设备精密化程度高，卷包机、切丝机等核心设备非计划停机造成的产能损失巨大。设备运维智能体应实现从“定期维修”到“预测性维护”再到“自主运维”的三级跃迁。

▍切入场景四：生产管理智能体

这是烟草企业从卓越级迈向领航级必须攻克的核心堡垒。2026版在领航级“生产管理”环节明确要求“构建生产管理智能体，实现计划排产、资源调度、仓储物流、能源管控等自主运行和持续优化”。

其建设逻辑是：将排产规则、物料约束、设备产能、人员排班、能源价格等全部要素数字化，构建多目标优化模型，由智能体在复杂约束下实时求解最优排产方案，并根据生产进度动态调整。真正的领航级形态，是从“单点增效”迈向“全局优化”的多智能体系统（MAS）：由排产、仓储、品质、能源等专业智能体经A2A等标准协议自治协同，主智能体负责端到端任务分解与冲突协商。曲靖卷烟厂率先探索的“大模型统筹全局决策、小模型驱动产线级执行”的分层架构——以工业大模型统筹多产线动态调度、全厂能源优化，以小模型驱动单机台工艺参数自调整、设备预测性维护——正是这一MAS思路在烟草行业的先行实践，代表着领航级“生产管理智能体覆盖全部调度、能耗、物流自主优化运行”的进阶方向。

四、 行动路线图：从卓越级迈向领航级的四步路径

距离2026年度卓越级、领航级智能工厂线上申请截止（2026年8月15日，推荐单位9月1日前完成审核推荐）时间紧迫，但智能体建设不是“申报前突击”能完成的工程。以下四条路径按优先级排列，供烟草企业分阶段推进。

2026版在卓越级和领航级均新增了“基于统一语义的数据治理”要求。对烟草企业而言，这意味着需要打通制丝、卷包、物流、质检等各环节的数据孤岛，建立统一的数据字典和主数据标准。数据治理是智能体建设的“地基工程”——没有高质量的数据，任何智能体都是空中楼阁。需要特别提醒的是，工业智能体的瓶颈往往不在数据“量”而在“质”——工业现场数据普遍存在噪声、缺失、不均衡问题，真正可用于训练的高质量样本极为稀缺。烟草企业的优势在于制丝、卷包数据规范化程度较高，应把握这一先发条件，优先完成核心生产数据（设备运行、工艺参数、质量检测）的标准化采集、清洗、标注与脱敏治理，并同步沉淀异常工况、缺陷样本等高价值数据，确保数据可被模型识别、调用和复用。

烟草制造高度依赖工艺经验，但核心经验往往集中在少数资深技术人员手中。工业智能体之所以能从“泛而不精的通才”变成“深度掌握行业知识的领域专家”，关键正在于对行业Know-How的深度融合。要把设备维修手册、工艺标准、历史最优参数，以及老师傅的“手感”“听感”“直觉”等操作类隐性知识、工艺专家的模糊决策知识，提炼成可量化的参数与规则，形成覆盖研、产、供、销、服，贯通人、机、料、法、环的行业知识图谱和规则库。这一“知识内化”过程，能从根本上破解传统生产中技能积累缓慢、易流失、难复制的困境，让智能体像“数字班组长”一样调用知识、做出判断。

不建议同时铺开所有场景，而是按“成熟度由高到低、业务价值由大到小”的顺序分步推进：

这是2026版领航级的顶层要求，也是烟草企业构建长期竞争力的制度保障。核心包括：建立数据资产管理机制（数据确权、质量评估、安全管控）；建立模型全生命周期管理机制（开发、测试、部署、监控、迭代）；建立智能体运行评估机制（KPI考核、持续优化、伦理审查）；建立跨部门协同机制（IT、OT、业务深度融合的“智能制造特战队”）。