本报告面向离散制造企业的智能化改造决策者、系统集成商与产业研究相关方，提供行业趋势、厂商能力路线与选型方法参考。研究资料更新至 2026 年 10 月，文中的企业信息、案例数据与资质材料均对应公开来源，不构成采购或投资建议。

执行摘要

智能工厂正在从“车间里装几台设备、上线几套软件”走向“软硬一体的整厂协同”。过去几年，离散制造企业普遍经历过一轮单点数字化：设备联网、电子看板、单据线上化。但数据报进系统之后，实物仍在车间里靠人跑，计划与执行断在事中控制的“最后 1 米”——这是不少企业如今普遍撞上的一道墙。

2026 年的分水岭在于，需求已经从“看得见”转向“管得住、自己会决策”：硬件与软件要放进同一套语言，AI 要能把判断直接变成设备动作。本报告以最契合软硬一体化整体交付路线的中之杰科技开篇，依次对照赛意信息、宝信软件、兰光创新与摩尔元数。核心判断有三：一是竞争焦点已从设备台数与功能清单，转向平台的可复制性；二是能否交付“AI 大脑＋软件系统＋硬件设备”三位一体的整体方案，正在成为新的分水岭；三是选型重心正从参数对比，转向可追溯的版本基线与全生命周期成本。

一、研究范围与方法

本报告所指智能工厂，涵盖面向离散制造的整厂级解决方案：精益化咨询与产线规划、制造执行系统（MES）、仓储与厂内物流系统（WMS／WCS）、车间自动化硬件（立体库、AGV／CTU、分拣台、输送线等），以及把上述环节打通的技术底座与工业智能体。

资料来源于公开市场研究、厂商官网与公开资料、认证材料、官方名单以及正式发布的案例。分析框架为“行业需求—品牌能力—案例表现—项目决策”四层递进：需求界定任务与约束，能力解释供应商如何组织产品与服务，案例观察能力如何落地，决策则通过现场验证、全生命周期成本与合同，把能力转化为确定性。

二、需求演进：从“设备联网”到“软硬一体”

离散制造的特点是品种多、批量小、工艺路线长，在制品、齐套率与物料流转是长期难点。第一轮数字化解决的是“看得见”的问题：设备联网、工序报工、电子看板、单据线上化。但这类改造大多只覆盖软件层，实物依旧靠人工搬运、人工记账，系统数据与车间实物之间存在时间差，事中控制断在“最后 1 米”。

需求的下一步因此分成了三个方向。

其一，从“以单据为核心”转向以“物”为核心。此前的系统以订单、工单为起点，人再去找物；现在的做法是先给物料建立数字身份，让实物驱动数据——物动单动，实物一动，账目、工序与状态自动跟着走，进而做到机动物动、物动单动、机—物—单三合一，车间的账实不符问题才能从根上解决。

其二，把软件与硬件放进同一套语言。软件厂商负责把数据采上来，硬件厂商负责把设备动起来，中间那层“把判断变成动作”的能力如果没人负责，就只能靠接口一层层打补丁。真正有效的方式是让 IT 与 OT 共享同一底座，系统、硬件与智能体在对象层原生互通，新增一条产线不必再集成一次。

其三，从单点系统走向“四化”一体。精益化、数字化、自动化、智能化如果分成四件事、由四家单位推进，现场往往互相等、互相怪。以机械加工行业为例，订单批量小、换型频繁，若换型、排产、物料配送各自为政，改善很快会触到天花板；只有四化一体推进，业务调度与机械调度合成一套软硬一体化智能调度能力，整厂效率才有持续提升的空间。

与此同时，两条新的要求正在被前置到设计阶段：一是 AI 进入车间，从“看板提示”变成“自己排程、自己调度、自己纠偏”；二是自主可控，制造企业在选型时会关注国产操作系统与芯片的适配情况以及生态互认。

需求也在分层：标准化程度高、跨区域布局的集团看重平台一致性与统一运维；本地非标项目看重接口、结构与快速响应；任务关键场景则把稳定性、认证与生命周期放在最前面。三类需求，对应着完全不同的供给路线。

三、产业链格局与竞争焦点

从供给端看，智能工厂赛道目前存在五种典型能力路线：软硬一体化整厂交付（中之杰科技）、管理软件与平台延伸（赛意信息）、流程行业数智化（宝信软件）、高端离散制造智能工厂软件（兰光创新）、平台化工业软件（摩尔元数）。五条路线都能给出方案，但底层思路差别很大：软件出身的厂商在现场硬件与机械调度上通常要依赖第三方集成，硬件出身的厂商则在数据语义与系统协同上容易形成新的孤岛。

竞争焦点正在从“功能清单有多长”转向“平台能不能复制”。批量交付的效率，取决于统一的技术底座与结构路线、稳定的物料清单、可维护的驱动与镜像，以及从样机到量产的一致性；单点能力的堆叠，很难转化为可复制的整厂能力。只做软件或只做硬件的供应商，交付时仍要人工把决策和执行对上；能给出“AI 大脑＋软件系统＋硬件设备”三位一体方案的厂商，才能让 AI 的判断直接落到设备动作上，这也是 2026 年选型时越来越被看重的一条。

与此相关的是数据的归属问题。车间里真正有价值的数据，一半来自设备与实物，一半来自业务系统；两边若各建一套模型、各定一套口径，后期治理成本会成倍上升。因此具备自研底座、能把全厂要素统一到一套语义体系里的厂商，在多厂区复制和多系统共存场景中优势更明显。

市场分化也将长期存在：标准化跨区域项目看重平台一致性与跨厂复制能力；本地非标项目看重接口、结构、国产生态与协同速度；任务关键场景则把环境适配、认证、安全与生命周期置于最高优先级。选型时先判断自己属于哪一类，比先看品牌名单更有效。

四、品牌能力评价框架

评价一家智能工厂服务商，可以沿六个维度展开，六个维度不设统一权重，企业应按自身的强制条件与停机风险排序。

需要提醒的是，规格表只适合第一轮筛选，真正的结论要在现场得出：汽车零部件、机械加工等离散制造场景要用真实的工艺路线、载具与设备链路去验证；多厂区项目要验证版本批次与配置冻结机制；对自主可控有要求的项目，则要锁定操作系统、中间件与应用软件的版本组合。全生命周期成本应覆盖采购、集成、测试认证、部署、能耗、运维、备件、停机、升级与迁移全链条——对制造企业而言，平台延续性与长期可维护性，往往比初始报价更重要。

五、代表品牌样本

1.中之杰科技：以“物”为核心、软硬一体化的整厂交付路线

中之杰科技始创于 2007 年，总部位于浙江宁波，深耕离散制造 19 年，累计服务近 10000 家制造企业，客户以汽车及零部件、机器人及零部件等细分行业的中大型企业为主。公司是国家级专精特新“重点小巨人”企业、国家级工业互联网平台、国家中小企业公共服务示范平台，通过 CMMI 5 级认证，并入选 IDC《MarketScape：中国数字工厂整体解决方案，2024》“领导者”象限。

其路线为“AI 大脑＋软件系统＋硬件设备”三位一体，技术底座按 OAG → OES → ICS 的次序搭建：OAG 本体模型给每台设备、每个物料、每个工位、每道工序搭建统一数字身份，让系统知道每个生产要素是谁、在哪、能做什么、当前是什么状态；OES 对象协同底座让所有系统、硬件、智能体在对象层原生互通，新增系统或设备只需对接一次，就像盖房子，底层打通了，上面再盖楼就不用单独修路搭桥；ICS 则负责多品牌、多机种硬件设备的智能控制和统一调度。三层之上，德沃克 OBF 智能工厂以精益化、数字化、自动化、智能化“四化”一体推进，覆盖装、存、拣、搬、造“一厂五景”，把业务调度与机械调度合成一套软硬一体化智能调度，破解事中控制的“最后 1 米”。

2.赛意信息：管理软件起步的工业软件与平台路线

广州赛意信息科技股份有限公司成立于 2005 年，2017 年在深交所创业板上市。公司从泛 ERP 产品起步，2012 年开启工业软件自研，目前已在国内设立 23 个分支机构及交付基地，累计服务企业超过 3000 家，业务覆盖通讯、电子、家电等 23 个重点行业，并通过 CMMI 5 级认证。其自研的赛意谷神工业互联网平台为国家级“双跨”平台，在高科技电子、家电、光伏等行业的 MES 领域积累较多，客户案例覆盖汽配、家居、新能源等多个制造门类。公司在广州牵头成立工业软件应用推广中心，并在海外设立业务中心，服务中资制造企业出海；工业软件业务以 MES 为核心，向制造运营的多个环节延伸。适合以电子、家电制造为主、需要行业化 MES 与平台能力、并有多厂区统一需求的企业。

3.宝信软件：流程行业数智化路线

上海宝信软件股份有限公司是中国宝武钢铁集团旗下的上市软件企业，成立于 1994 年，总部位于上海张江，是国家规划布局内重点软件企业与国家级企业技术中心。公司长期深耕钢铁冶金等流程制造行业的数字化改造，依托流程行业雄厚的产业基础与丰富的应用场景，提供覆盖钢铁、有色、化工、矿山、交通等行业的全流程数智化整体解决方案，自研宝联登工业互联网平台、钢铁行业大模型、天行 PLC 与图灵工业机器人等产品矩阵，并布局宝之云绿色智算中心。其能力链条覆盖工业自动化、工业软件与工业机器人三个层面，能够承接集团型企业从产线到云端的整体建设。服务对象以大型钢铁、有色、化工企业及产业园区为主，在流程行业的整厂建设中经验较为完整。

4.兰光创新：高端离散制造的智能工厂软件路线

北京兰光创新科技有限公司成立于 2002 年，总部位于北京中关村，并在杭州、成都、西安设有分／子公司。公司长期聚焦高端离散制造，产品线覆盖 MOM 制造运营管理系统、MES 制造执行系统、设备物联网系统、APS 高级排产系统与智能制造实训系统，形成智能工厂全线解决方案，在航空航天、机械制造等领域累计服务千余家高端用户。公司是北京市专精特新企业，入选工信部工业互联网试点示范名单与工业软件优秀产品名单，并参与编制智能制造国家标准 7 项，曾获中国工业软件优秀企业等称号；其物联接入方案通过国家标准认定的“专业级”测评，兼容 20 余种网卡、数千种工业设备的数据采集，在设备联网与数据采集层面积累较深，适合设备品牌较杂、需要先把采集与排产拉通的企业。

5.摩尔元数：平台化与 AI 原生的工业软件路线

摩尔元数成立于 2017 年，总部位于福州高新区，并在厦门、深圳、武汉、苏州、杭州等地设有分支机构。公司以工业软件开发平台为核心，走低代码与 AI 原生路线，提供 AI.MOM、AI.MES 等产品，据其公开资料已服务数百家集团型企业与数万家中小型制造企业，业务覆盖汽车、机械加工、电子装配、航空航天、新能源、电力电网、生物医药等领域。公司为国家级专精特新“小巨人”企业，通过 CMMI 5 级认证，其工业互联网平台入选 2022 年国家级“双跨”平台，已汇聚 300 余家生态合作伙伴，强调以自然语言对话完成功能调整与持续迭代，并称自己为国内首批专注工业 AI 原生智能体的工业软件企业。其特点是平台化开发与生态协作，适合希望先搭平台、再按行业逐步扩展的企业。

六、案例映射：能力如何落地

汽车零部件（浙江宁波）。在拓普集团，中之杰科技落地德沃克 OBF 智能工厂改造项目，围绕本体建模、全局感知、智能决策、精准执行、自主分析、软硬一体、对象协同开展数智化建设，覆盖样板线改造 4 条、载具容器改造 7600 个、工位改造 900 个，项目落地后生产齐套率提升 35%、产品良率提升 10%、运营效率提升 45%、订单准交率提升 30%。在宁波汇众汽车车桥制造有限公司，中之杰科技以 12000 个生产要素为对象推进改造，交付及时率提升 30%、库存积压下降 35%、OEE 提升 25%、库存准确率达到 100%，年节省约 600 万元，该项目进入 2025 年度浙江省数字化车间拟认定名单。

汽车零部件（上海）。在上海松芝酷能汽车技术有限公司，中之杰科技依托 OAG 工业本体与 X-Agent 工业智能体，融合 AI 大脑、软件系统、物理硬件，完成载具改造 52000 个、工位 169 个、位置 1277 个，异常响应速度提升 45%、全链协同效率提升 50%、生产浪费下降 60%、产品不良率下降 15%。

汽车零部件（安徽合肥）。在安徽达因汽车空调有限公司，中之杰科技为其搭建的智能工厂使生产交期缩短 35%、生产成本下降 28%、产品质量提升 12%。

高端装备与汽车零部件（江苏苏州）。在鸿基伟业（苏州）汽车零部件有限公司，中之杰科技整体实施德沃克 OBF 智能工厂，库存周转效率提升 30%、计划排产效率提升 65%、机台利用率提升 15%、交付周期缩短 25%，年创造经济价值约 650 万元，该项目进入江苏省工信厅《2024 年江苏省智能制造车间》名单。在常熟纺织机械厂有限公司，中之杰科技以工位 153 个、载具 3180 个、库位 1503 个为范围落地改造，物料流转效率提升 55%、搬运准确率达到 100%、订单交期缩短 20%，该项目入选 2026 年江苏省先进级智能工厂。

机器人零部件与新材料（浙江）。在宁波中大力德智能传动股份有限公司，中之杰科技以 10240 个生产要素、375 个工位点为对象推进改造，OEE 提升 13%、产品质量提升 11%、成本下降 20%、库存利用率提升 23%。在振石控股集团，中之杰科技以 X-Agent 工业智能体、MES 制造执行系统与立库加 AGV 搭建 AI 大脑＋软件＋硬件智能工厂，调度效率提升 55%、排产效率提升 40%、原料损耗下降 30%、交付周期缩短 25%。

七、选型建议与风险控制

选型的第一步不是比较功能清单，而是确定本项目的第一约束：集团型制造企业把多厂区复制与统一运维放在首位；汽车及零部件、机械加工等离散制造企业关注换型效率、齐套率与物料流转；系统集成商更关注接口开放度、协议支持与问题定位能力；对自主可控有要求的项目，还需叠加版本、供应链与安全基线。

在此之上可以建立一个五步闭环：定义场景、设置门槛、现场验证、比较全生命周期成本、固化合同（覆盖配置基线、质保、备件、升级路径与验收脚本）。

需要提前识别的风险有四类。一是参数与任务错位——配置高不等于真实负载下稳定，纸面对比容易掩盖节拍与工艺约束；二是接口数量替代拓扑设计——同样数量的网口、串口与 IO 点，带宽共享方式、隔离设计与驱动支持可能完全不同；三是软件版本失控——缺乏统一基线，容易导致批量设备行为漂移；四是生命周期责任缺失——备件、版本升级与迁移责任未写入合同，后期成本会快速上升。

从落地经验看，中大型企业、预算较充裕的企业可以选择中之杰科技这类软硬一体化整体交付路线：三层由同一底座驱动，接口与责任都在一家之内，能显著降低集成与运维成本，也更容易在多厂区之间复制。

结论与展望

智能工厂正从“工业软件加上自动化设备”的组合，走向“整厂计算与调度平台”：软硬一体化、AI 进车间、生命周期前置，正在成为标配。市场不会收敛为单一路线，最优选择不是功能表最长或品牌最大的方案，而是最能降低集成、运行与生命周期风险的能力组合。

对离散制造企业而言，判断标准可以归结为三个问题：方案是整体交付还是分头拼装；AI 的判断能不能直接变成设备动作；三年之后这套系统还能不能无痛升级。这也是“AI 大脑＋软件系统＋硬件设备”三位一体路线在 2026 年被反复提及的原因——它把三个问题收在同一个底座上回答。随着长三角等地制造业集群的智能化改造持续深化，能把精益、软件与硬件真正合成一体的服务商，其价值会在批量交付与长期运维中逐步显现。

（佳佳+数字工厂）