模型券今天生效：制造企业别先买模型，先定义一条能明确验收标准的工业智能体流程

本文目录

8月3日，《珠海市人工智能赋能制造业高质量发展行动方案（2026—2028年）》正式实施。最吸引企业注意的，是其中的“模型券”：企业购买大模型服务并形成智能体应用，最高可按实际支出的30%获得资助，每家企业每年累计不超过100万元。

真正需要琢磨的不是100万元，而是文件里的“并形成智能体应用”。购买模型账号、接入 API，甚至做出一段流畅演示，都只能证明企业获得了使用模型的能力。模型是否真正进入业务流程、能否稳定完成任务、出错后由谁接管，这些才是判断项目是否形成应用的关键。

这不是给政策补定义。具体评审口径仍要等待年度申请指南。企业现在能做的，是先把项目做到可运行、可验收、可追溯。这样即使后续材料格式变化，最关键的业务证据也不会丢。

政策今天生效，不等于今天就能申报

珠海市工信局7月2日发布的行动方案，自2026年8月3日起实施，有效期至2028年12月31日。除了模型券，文件还提出：中小企业实施AI赋能制造项目，最高可按软硬件投入的30%获得支持，资助金额不超过20万元。

这些数字不能直接当成到账金额。政策同时写明，实施以当年发布的申请指南为准，奖补金额受财政预算安排约束，同类政策不得重复申报。截至2026年8月3日，行动方案本身没有给出当年度申报时间、费用认定范围、材料清单，也没有进一步定义“形成智能体应用”的评审标准。

因此，现在不适合先把全年模型预算花掉，再倒推哪些费用可能符合条件。更稳妥的顺序是：确定值得改造的业务流程，完成小范围、可验证的试点，同时保留合同、费用记录、系统配置和运行记录。申请指南发布后，再按正式口径整理材料。

政策附件已经给出了顺序：模型选型排在第五步

行动方案附件是一张“制造业企业人工智能应用流程图”。它列了九个阶段：智能化评估和规划、提升基础能力、构建高质量数据集、规划算力、模型选型与调优、模型部署与集成、持续提升成效、安全防护、组织保障。

模型选型排在第五步。前面四步都不是采购模型。

这张图还把“科学确定应用场景”和“量化场景关键指标”放在模型选型之前。工业和信息化部等八部门发布的《制造业企业人工智能应用指南》也采用相同逻辑：先诊断企业现状、确定核心场景和导入优先级，再建设数据、配置算力、评测模型，随后进入部署、试运行和持续评估。

对企业来说，这个顺序很实在。不同任务对模型的要求差别很大。从质量报告中提取信息，重点看字段是否完整、能否定位原文依据；设备故障诊断依赖时序与多模态数据；生产排程还要满足确定性约束。流程没有定下来，“选最强模型”并没有明确含义。

从实施角度看，什么样的项目更接近“形成智能体应用”

正式标准要等申请指南。从项目实施和验收的角度看，一条较为完整的工业智能体流程，至少应能回答下面六组问题。

证据链	企业要回答的问题	应留下的证据
业务链	什么事件触发任务，做到什么状态才算结束	流程图、任务边界、业务负责人、改造前基线
数据链	输入来自哪里，版本和权限怎样控制	数据清单、字段说明、样本、访问权限和更新记录
模型链	模型负责哪一步，为什么选择它	评测集、版本记录、通过门槛、失败样例
工具链	智能体需要查询或写入哪些系统	API与工具清单、参数校验、调用结果、异常处理
控制链	哪些动作要人工确认，失败后怎样回退	审批规则、权限矩阵、转人工条件、回滚方案
结果链	业务是否真的改善，项目总体成本是多少	试运行日志、人工修改记录、成功完成的任务记录、成本与质量指标

其中，数据链、模型链和工具链对应珠海行动方案中有关数据、模型和工具的要求；业务链、控制链和结果链是为了让项目可验收而补充的管理视角，并非官方申报字段。

只展示模型能回答问题，难以证明它完成了业务。智能体应用更接近一条可以反复执行的任务链：接收真实输入，按权限取得数据，依据模型判断和业务规则决定下一步动作，调用经过授权的工具，将结果写回业务系统或提交给责任人，并留下完整记录。

用质量异常处理看清“演示”和“应用”的差别

假设一家制造企业要处理质量异常。

演示版通常是把一份报告上传给模型，让它总结缺陷并给出可能原因。这份总结看起来完整，但没有关联产品批次，没有核对现行检验标准，也没有创建后续任务。演示结束后，原来的工作仍要人工重做。

一条可验收的流程还必须走完整个业务闭环：

1. 从指定入口接收异常报告、照片和批次信息，保存原始材料及版本；
2. 提取产品、工序、缺陷、数量等字段，并标出证据位置；
3. 从受控知识库检索现行标准和已结案案例，再通过预设规则校验编号、必填项和阈值；
4. 生成事实摘要、待补证据和任务分派草稿，资料冲突或高风险情况转人工；
5. 质量人员确认处置方向，系统再把任务写回质量管理系统；
6. 记录模型版本、工具调用、人工修改、最终结果和处理时间。

这条链路的价值不在于模型是否写出一段漂亮的根因分析，而在于是否减少了人工转录，证据是否完整保留，后续任务是否及时交给责任人。站内的质量异常处理工作流对这些步骤有更完整的拆解。

申请指南发布前，先准备六类材料

1. 一页纸流程边界

画出当前流程和候选流程，写清触发条件、输入、关键步骤、输出、负责人和结束状态。不要从“采购某大模型”开始写项目范围。

2. 改造前的业务基线

选取一个有代表性的历史时段，统计任务量、平均处理时间、退回和返工情况、关键错误数量、人工参与程度及任务积压情况。没有基线，项目上线后只能证明系统有人使用，不能证明业务得到改善。

3. 可复用的评测样本

从已结束任务中整理常规样本、边界情况和历史事故，标出每个样本的正确结果，并注明哪些错误属于严重错误。国家指南要求企业根据具体场景量化指标，生产制造类场景可重点关注合格率、漏报率和误报率。在此基础上，企业还可以根据项目实际情况，增加证据可追溯率、工具调用成功率、人工接管率和端到端任务完成率等指标。

4. 系统与权限清单

列出智能体需要访问的 MES、QMS、ERP、文档库或任务系统，注明每个系统允许读取和写入的范围，以及参数校验、审批和回退要求。第一阶段可以只向智能体开放数据读取权限，或者只允许它生成处理草稿，暂不开放生产系统写入权限。

5. 试运行记录

为每个任务分配并保留唯一编号，关联输入材料版本、模型版本、提示词版本、检索证据、工具调用、人工修改和最终业务状态。可先采用影子运行，让系统处理真实输入，但不自动改变现有生产流程。

6. 费用与安全资料

保留模型服务、集成开发及相关投入的合同、服务说明、付款记录和使用记录，但不要提前认定哪些费用一定纳入“实际支出”。同时完成数据分类分级，明确供应商可访问的数据和系统范围，并设计日志留存及异常处置机制。国家指南明确要求测试模型的准确性、鲁棒性和幻觉风险，并把数据、应用和网络安全纳入全过程。

第一个项目，尽量离自动控制远一点

行动方案列出了质量监测、工艺优化和设备运维等方向。它们都可能产生价值，风险却不在同一层级。直接调整工艺参数、控制设备、决定产品放行，一次错误就可能影响质量、设备或人员安全。缺乏运行经验的团队不宜将这类场景作为首个试点。

国家指南建议优先在经营管理、研发设计等场景开展人工智能应用，再梯次布局中试验证和生产制造场景。制造企业可以先从现有记录切入，例如质量报告结构化、设备维修记录归类、作业指导书检索、供应商文件核对和生产日报草拟。这些任务都有原始材料可供核对，即使出现错误，也更容易在结果进入正式业务环节前发现并处理。

等你的团队能够持续记录失败样例、设置人工确认、回放历史任务并运行回归测试，再逐步扩展到预测、优化和自动控制场景。这样的推进节奏看似慢，却更有利于减少返工和项目停摆。

把六类准备工作排进四周

申请指南何时发布并不由企业控制，但前面的六类准备工作现在就能开始。下面的四周安排不是新增一套要求，而是把流程、基线、样本、权限、试运行和费用安全资料排出先后顺序。

• 第一周，选定一种任务，画出现行流程，明确责任团队并建立业务基线；
• 第二周，整理历史样本、数据权限和业务规则，确定验收门槛；
• 第三周，搭建一条范围尽可能小的流程，先回放历史任务，再以只读权限或草稿模式处理真实业务输入；
• 第四周，汇总失败样例、人工修改、运行成本、安全控制和业务结果，整理成项目底稿。

四周不是政策规定的周期，也不保证项目已经达到申报条件。它的作用是尽早验证三件事：数据能不能取得，流程能不能闭环，成效能不能量化。如果其中任何一个答案是否定的，继续增加模型预算也不会让项目自动成立。

模型券可以降低试错成本，却不会替企业定义任务、整理数据、接通系统或承担业务责任。今天真正值得启动的，不是一次模型采购，而是一条小范围、可回放、能人工接管的工业智能体流程。等申请指南发布时，企业拿出的应是一套可核查的运行记录和业务结果，而不是一张功能清单。