写在2026年三季度经济数据发布日｜晶捷智能行业观察放送
近期，国家统计局发布2026年前三季度国民经济运行情况。对多数人来说，这是一组宏观数字；对工厂老板来说，这是接下来一年订单、成本和利润的底色。
我们把这些真实的数据摊开，把窗口期内的政策摆清楚，再说清楚一件事：在这个节点上，制造企业真正该动的是哪几步。
一、制造业正在回暖，但回暖并不均匀
先看国家统计局已经公布的几组数据（2026年9月底至10月发布）：
**组，景气度。 9月制造业PMI为50.1%，比上月上升0.3个百分点，重回扩张区间。其中生产指数51.7%，比上月上升1.3个百分点；新订单指数50.5%，连续位于临界点之上。生产恢复的力度强于需求恢复的力度。
第二组，利润。 1—8月，全国规模以上工业企业利润总额52719.8亿元，同比增长15.7%；其中制造业利润增长17.4%。营业收入利润率5.66%，同比提高0.44个百分点；每百元营业收入中的成本85.07元，同比减少0.41元。
第三组，结构。 同样是1—8月：计算机、通信和其他电子设备制造业利润增长1.1倍，有色金属冶炼和压延加工业增长82.9%，化学原料和化学制品制造业增长51.0%；而汽车制造业利润下降16.0%，电气机械和器材制造业下降5.2%，专用设备制造业下降2.1%，黑色金属冶炼和压延加工业下降62.4%。
第四组，分化。 9月，大型企业PMI为50.6%，中型企业49.7%，小型企业48.9%。小型企业比上月上升1.0个百分点，是各类企业中回升幅度较大的，但仍在临界点之下。
这四组数据合起来说了一件事：行业利润在修复，但修复极不均衡；规模在分化，中小企业的景气度还没有回到荣枯线。
对工厂老板来说，这不是"要不要转型"的判断题，而是"在利润窗口里往哪投"的排序题。因为利润回升期，恰恰是企业现金流相对宽裕、适合做长线投入的时候；等景气再度回落，能动的空间就小了。
二、政策已经落地到“可申报”的层面
9月以来，政策信号密集且具体。
9月16日至17日，全国先进制造业大会在北京召开。 习近平总书记就发展先进制造业作出重要指示，强调坚持智能化、绿色化、融合化方向，持续做大做强先进制造业。***总理李强在会上指出，以新一代智能制造为主攻方向，发展策略上更加注重数智赋能，技术路线上更加注重高端自主，生产方式上更加注重绿色低碳，场景业态上更加注重跨界融合。
10月12日，2026年上海市新一代智能制造发展论坛举行。 工信部装备工业一司副司长叶猛在致辞中给出了一组关键数字：截至2026年上半年，我国已累计建成5.6万余家基础级、1.3万余家先进级、500余家卓越级智能工厂，培育15家领航级智能工厂；人工智能已融入领航级智能工厂70%以上业务场景，沉淀了超6000个垂直领域模型。
在地方层面，"人工智能+制造"已经从口号变成可执行的文件。 河北省八部门印发《河北省"人工智能+制造"专项行动实施方案》，构建"一核三化"体系，明确提出"算力超市"等普惠举措；云南省10部门联合印发《云南省"人工智能+制造"专项行动方案》，计划到2027年在重点产业推广50个以上AI典型应用场景、培育10个标杆企业；宁德市印发三年行动方案，提出到2028年打造20个标杆示范场景、培育一批轻量化工业智能体。此前，工信部等八部门已印发《"人工智能+制造"专项行动实施意见》，工信部等十部门印发的《促进中小企业发展"十五五"规划》中，专设"中小企业数智化转型专项行动"，明确要求"研制推广'小快轻准'数智化产品和解决方案"。
注意结尾这四个字——小快轻准。政策制定者非常清楚：多数工厂不是领航级智能工厂，也拿不出几千万做全厂改造。政策真正想要的是"能快速见效、成本可控、可复制"的东西。
三、行业案例
政策讲方向，案例讲尺度。以下三个案例均来自公开报道，数据可查。
案例一：包头铝业——"大模型预测+小模型决策"
包头铝业电解车间有342台电解槽，过去参数调节依赖老师傅的经验，难免滞后。企业采用"大模型预测+小模型决策"架构，将设备历史数据与操作规则建模，由AI提前算出氟化铝添加量、设定电压等参数，建议经现场校验后指挥设备执行，运行数据实时回传、持续迭代。
结果：生产每吨铝电耗降低62千瓦时，关键参数预测准确率超98%。这套"铝电解槽AI自适应调控"今年8月获中国信息协会数据要素应用创新大赛一等奖。
案例二：包钢股份——把"看火听音"喂给模型
包钢采集炉口火焰图像、烟气成分等多源数据，人工标记后由AI融合多种算法分析，实现转炉吹炼状态判识、终点碳温预测与供氧枪位调控。"包钢智冶"智慧炼钢大模型在1号转炉投用后，转炉终点碳温双命中率超92%，冶炼效率提升6%以上，吨钢综合生产成本下降1.5%，异常炉况占比压缩至1.5%，吨钢生产环节碳排放降低8%。
案例三：中信戴卡——X光影像的自动判读
秦皇岛中信戴卡把AI用于汽车铝合金轮毂的X射线无损检测，依托千万级X光影像样本训练模型，自动识别缩松、裂纹等内部缺陷，识别效率提升40%，大幅减少人工漏检误判。该方案已在其全球多基地推广，并入选工信部人工智能应用典型案例。
三个案例行业不同，方法论却高度一致：
都从一个具体工位切入，不是全厂铺开；
都先把老师傅的经验结构化、数据化，再交给模型；
都保留人工校验环节，"AI给建议、人做决策"；
验证有效之后，才谈规模化复制。
这也印证了宁夏工信部门在化工企业入企服务中给出的建议：企业应先沉淀高质量工艺数据，从能耗优化、质量管控等高频场景切入，按"小模型给结论、大模型给建议、人在环中决策"的架构推进，涉及核心配方、工艺参数的敏感数据优先本地化部署。
四、立项之前，先看这四块“地基”
看了这么多政策与案例，回到一个更朴素的问题：如果明天就要立项，先动哪一步？
晶捷智能自2014年成立起持续服务离散制造企业，覆盖机械装备、汽车零部件、五金加工、电子电器、塑胶制品、新材料、泛家居等行业。我们说句实话：不少"AI项目做不成"，不是算法不行，而是地基不行。
**块地基：图纸和BOM必须"**"。
以我们正在推进的亨威紧固件PLM项目为例。亨威成立于2006年，做非标紧固件定制，是***高新技术企业、省级专精特新企业，长期配套广汽集团、五羊本田等品牌。它的痛点很典型：图纸散落在个人电脑和纸质文件里，版本对不上；物料编码口径不一；设计变更靠口头传递。
这些问题的共同根源，是产品数据缺少统一底座。PLM要做的不是"管好图纸"这么简单，而是把需求、设计、工艺、变更的全过程数据集中管理，保证数据完整、准确、**、安全——图文档集中管理、物料标准化编码、设计变更闭环、研产数据打通。对非标定制企业来说，这直接决定了非标响应速度和成本核算的准确性。
图纸不**、物料一物多码，后面所有AI都是空中楼阁。因为模型吃的是脏数据，吐出来的只能是错误的建议。
第二块地基：车间数据要能自动采上来。
很多工厂的MES跑得不错，但数据靠人录。人录的数据有三个问题：不及时、不完整、不可信。所以MES必须往下接IoT——通过MQTT、Modbus-TCP等协议对接机床、机器人、AGV，把设备状态、生产参数实时采上来；往上接ERP，让工单、发料单下发，报工、完工入库回写，形成工单、报工、物料、委外、入库的全链路闭环。
这一步做扎实了，"设备到底停在哪、停多久、为什么停"才有答案。设备预测性维护、OEE改善、能耗优化，全部建立在这个基础上。
第三块地基：排产要能被算法算出来，而不是被调度员脑算。
多品种小批量、频繁插单改单，是离散制造中难度突出的部分。一家家居工厂换产一次要40分钟，意味着一天能接的订单独有上限；交期承诺靠调度员经验估，估偏了就是违约或压库。
AI排产的本质，是把交期、产能、模具、物料齐套等多个约束条件放进模型里自动求解，把排产耗时从数小时压到分钟级，并支持插单模拟与交期承诺——不是让AI替老板拍板，是让老板在承诺交期前，先有一个可算的答案。
第四块地基：质检要从事后拦截变成过程控制。
AI视觉质检在缺陷样本充足、光源与工位标准化的前提下，常见外观缺陷识别准确率通常可达95%—99%（具体需以现场打样与试跑数据为准）。但更重要的价值不在准确率数字，而在于一致性——人能连续看8小时，第7个小时的判定标准会和第1个小时不一样；模型不会。
我们通常建议企业不要一上来就追求"无人化工厂"，而要选一条有AI演进路径的技术路线：先让ERP、MES、WMS、PLM跑通，再在跑通的数据上叠加AI场景。反过来做，几乎必然返工。
五、给老板的三条建议
写完数据和案例，落脚到三句实在话。
**句：别把"上系统"当成"做转型"。
系统的价值不在有没有装，而在有没有被用。一套ERP上线不顺，常见的三个原因是：需求范围失控、基础数据不准、一线不使用。所以选实施团队时，看三件事就够了——是否提供驻场实施、是否分阶段验收、是否承诺上线后陪跑到稳定运行。
第二句：先算回报，再谈投入。
政策窗口期常见的误区，是为了拿补贴而上项目。建议的顺序是反过来的：先盘清自己的数据家底（经营数据、工艺知识、设备物联），找出痛得最狠、收益最可量化的那个场景，做小范围试点，用3到6个月跑出真实数据，再决定是否扩大。效益导向，不是规模导向。
第三句：把老师傅的经验留下来。
这可能是这一轮转型里被低估较多的一件事。包钢的老师傅会"看火听音"，包头铝业的老师傅会凭手感调参数——这些经验过去只存在于人脑里，人一走就散了。数据化、模型化的意义，是把"人的手艺"变成"企业的资产"。对一家要做十年、二十年的工厂来说，这笔账比任何单点效率提升都值钱。
六、结语
9月PMI回到50.1%，1—8月制造业利润增长17.4%，这是好消息。但小型企业PMI还在48.9%，汽车制造业利润还在下降16.0%，这也是事实。
同一组数据里，有人看到回暖，有人看到分化。差别往往不在行业，而在企业自己的数据底座扎得有多深。
制造强国不是靠一句口号建成的。它是由一家一家工厂，把图纸理顺、把数据采准、把排产算清、把质检做稳，一步一步攒出来的。
这条路不快，但每一步都算数。
晶捷智能愿与各位制造业同仁一起，把这四块地基打扎实。
本文数据来源：国家统计局（2026年9月中国采购经理指数、1—8月规模以上工业企业利润数据）、工业和信息化部及地方政府公开文件、新华社及经济日报等公开报道。文中案例均为公开报道的真实项目，企业自身项目信息引自晶捷智能官方发布。
获取企业专属数字化转型规划，请拨打 400-626-5857。
