化学原料和 化学制品制造业、有色金属矿采选业累计增加值实现较快增长，分别达 115 到9.8%、8.0%和7.7%。各细分领域的增加值增速相较于1-9月稍微有所 降低。分产品看，1-10月，钢铁产品，仅钢材产量同比增长4.7%，生 铁、粗钢产量呈现下降趋势，降幅分别为1.8%和3.9%，相较于年初增速 下降。化工产品中硫酸、烧碱、乙烯产量稳步增加，涨幅达到6.2%、 4.6%、10. 预计2026年，我国原材料工业增加值将继续保持稳步增长态势， 但内部结构分化将更为显著，主要原材料产品产量延续有增有减的态 势。化工行业中的高端新材料、有色金属行业中的深加工产品预计将延 续较好增长势头，而传统钢铁、建材产品产量则可能继续小幅下降。一 是全球经济在波动中温和复苏，外部需求环境依然复杂。IMF等机构预 计，2026年全球经济增速将与2025年基本持平或略有放缓，大国博弈、 地缘政治冲突以及 工业，特别是高端、绿色材料领域提供稳定需求。三是下游产业需求结 构性分化态势延续，驱动原材料供给结构加速调整。预计2026年，在城 市更新改造等方向带动下，我国房地产开发投资下行趋势有望进一步收 窄，拉动钢铁、水泥、平板玻璃等需求。与此同时，新能源汽车、光伏 储能、海工装备、电子信息等战略性新兴产业预计将保持较快增长，对 高性能有色金属、特种钢材、高端化工材料的需求将持续旺盛，成为拉 117 动原材料工业增长的主要新动能。

（二）应用行业：重点用于汽车、电子、金属三大行业 ..... 14 1、汽车：关注精细生产、高效物流和外观检测 ............ 15 2、半导体：重点在质量管理和柔性操作 .................. 18 3、钢铁：聚焦质量管理和安全管理 ...................... 20 四、“机器人+人工智能”工业应用展望 ..................... 22 （一）具身智能机器人将进一步变革工业生产形态 ABB 提供的人工智能机器人焊接质检 系统，以比人工快 20 倍的速度，检测、发现和识别仅 22 微米的缺陷。 4、安全管理：在部分重化工业存在一定需求 安全管理类应用占比约为 5%。主要集中在钢铁、化工、电力、 采矿、交通等安全性要求较高的领域，总体需求较小。此类场景“机 器人+人工智能”应用模式主要为“移动机器人+识别类模型+自主导 航模型”，AI 应用的主要目标是识别和预测异常情况，巡检机器人 发布的《2024 世界机器人报告》， 2023 年，全球工业机器人使用量最大的行业分别为汽车、电子/电气 和金属与机械。本报告收集的 88 个国内外“机器人+人工智能”应用 案例中，汽车、半导体和钢铁三大行业案例占比达 68.1%，占据绝对 优势（图 4），各行业应用场景分布见下图（图 5）。 图 4 88 个“机器人+人工智能”案例行业分布图 15 图 5 各行业“机器人+人工智能”应用场景分布

建立碳排放监测预警 机制，对碳排放增长较快行业视情况采取新上项目从严把关、碳市场从 严管控、重点用能和碳排放单位从严管理等措施。低碳转型已成为各行 业的必选项。从企业来看，全国碳市场已扩容覆盖钢铁、水泥、铝冶炼 等行业企业，根据中办、国办发布的《关于推进绿色低碳转型 加强全国 碳市场建设的意见》，到2027年将基本覆盖工业领域重点排放行业，意 味着将进一步覆盖石油、化工、造纸等行业企业。这将倒逼企业加强碳 加强碳 排放报告与核查，推进节能减排。从项目来看，碳排放情况将有关审查 评价意见作为固定资产投资项目开工建设以及竣工验收和运营管理的重 要依据。从产品来看，我国已在25个省份开展锂电池、光伏、钢铁等10 种重点产品的碳足迹标识认证试点，正在积极拓展产品碳足迹在企业供 应链管理、节能降碳诊断、政府采购等领域的应用场景。未来，产品碳 足迹或将成为产品竞争力的重要组成部分。 072 中国工业和信息化 车、锂电池、节能环保装备等优势产业，以及清洁低碳氢、新型储能、 生物制造、绿色智算等新兴产业，研发大规模、高效率、高可靠性、低 成本的新材料、新工艺、新装备。二是推动低碳与零碳工业流程再造技 术突破。围绕钢铁、有色、石化化工、建材等传统行业，支持绿电/绿氢 替代、柔性生产、碳捕集封存与利用等重大技术攻关。三是加大绿色低 碳共性技术攻关。聚焦铸造、锻造、焊接、热处理、表面处理、切削等 基础制造工艺，

五五”重大工 程项目将启动。明年是“十五五”开局之年，我国将在新质生产力发 005 展、重大基础设施建设、绿色低碳转型等领域，加快推出一批具有牵引 带动作用的重大工程，从而有力带动工程机械、钢铁、建材等相关制造 行业投资。二是投资环境持续优化。近期国办印发《关于进一步促进民 间投资发展的若干措施》，在扩大准入、打通堵点、强化保障等方面提 出了13项务实举措，将提振民营企业发展信心，激发和释放民间投资活 加快，经济新动能不断培育壮大。三是传统产业转型提速。随着数字化 转型在原材料、机械、食品、纺织、轻工、园区等深入推进，传统产业 的研发设计、生产制造、经营管理等各个环节的智能化水平显著提升； 钢铁、有色金属、石化化工、建材等重点行业的绿色化转型从原料、 用能、工艺、产品等全面发力，将促进传统产业生产力跃迁。综合看， 2026年工业生产将保持稳定增长。 009 二、需要关注的几个问题 贸合作难度，影响我产业链供应链安全稳定。 （二）部分行业存在供需失衡 当前有效需求不足，而供给调整又受到市场变化、技术更迭等多 方影响，导致工业品价格持续下行，产销率和产能利用率均处于历史低 位，供需矛盾突出。钢铁行业需求依然疲软，新能源汽车、风电、光伏 等新兴领域快速发展对高强钢、特种钢的需求增长尚难以弥补建筑用钢 的持续回落，叠加贸易摩擦升级，供需失衡风险上升。建材行业短期仍 难摆脱房地产市场持续低

焦于能直接满足业务需求、创造显著价值的特定场景。工信部印发《场 032 中国工业和信息化 发展形势展望系列 景化、图谱化推进重点行业数字化转型的参考指引（2025版）》（以下 简称《参考指引》），覆盖钢铁、石化等14个重点行业，为场景优化、 要素匹配、供需衔接、成效评估等提供了系统框架。累计培育“小快轻 准”解决方案超1万个，有效降低中小企业数字化转型门槛。 展望2026年，制造业数字化转型将进一步向纵深发展，更加注重 至2025年6月，全国已建成省、市级数促中心近230家，覆盖18个省份， 建成高质量数据集超3.5万个，总体量超400PB，覆盖钢铁、石化、煤炭 等重点行业。企业数据治理能力持续增强，截至2025年9月，8000余家企 业已通过数据管理能力国家标准（DCMM）认证。可信数据空间试点已覆 盖汽车、装备制造、钢铁等制造业领域，为多主体协同创造条件。 035 展望2026年，数据要素价值将加速释放，有力重构制造业价值链。

以大语言模型为核心，以语言为接口，控制多 AI 模型系统，构建“贾维斯” 式智能管家。我们认为大语言模型不仅可以实现对话、创意，未来也有望作 为众多复杂 AI 模型的控制中心，同时也是接受用户指令的交互窗口，实现 《钢铁侠》电影中“贾维斯”式综合智能管家。23 年 5 月，Google 推出 PaLM 2 轻量版 Gecko，其可在最新的旗舰机型上离线运行。同月，OpenAI 首次推 出 ChatGPT 移动端应用，各家大厂正式进入 .. 15 图26： 剪枝算法流程 ...................................................................... 15 图27： 钢铁侠和 Jarvis ....................................................................16 图28： 微软亚洲研究院的 Jarvis 大语言模型有望成为复杂 AI 系统的控制中心和交互入口 大模型协作让“贾维斯”式智能管家更进一步。Jarvis 全称 Just A Rather Very Intelligent System，是漫威宇宙中钢铁侠的 AI 助手，不仅能完成智能家居管理， 还能实时监控周围环境、与用户实时沟通、为用户计算最优策略等，这些强大的 功能显然这不是一个单独的 AI 模型可以解决的。微软亚洲研究院曾在 Github 上

国产数字化升级标杆实践报告 35 - - 36 国产数字化升级标杆实践报告 - 36 国产数字化升级标杆实践报告 鞍钢集团是国资委直属的中央企业，由鞍山钢铁、攀枝花钢铁（2010年）、本溪钢铁（2021年）、凌源钢铁（2024年）联合重组而成。员工超15万 人，总资产规模超5000亿元。2024年《财富》世界500强排行榜列371位。在数字化方面面临的需求与挑战： 1.数据孤岛

............................7 （三） 小脑模型算法迭代优化，实现拟人化运动控制..........................7 （四） “肢体”构筑机器人的“钢铁之躯”......................................8 三、 全球人形机器人的典型实践与探索..................................... 者借助人工智能技术，以人类示教（模仿学习）或自主探索（强化学习） 建立策略，能降低开发难度、加快迭代。二者各有优劣，共同推动人形 机器人运动控制技术发展。 07 （四）“肢体”构筑机器人的“钢铁之躯” 2.“小脑”向基于强化学习和模仿学习的控制策略发展 传统机器人控制方法因高度依赖精确动力学模型及专家先验知识， 在动态开放环境适应性方面存在局限。尽管数据驱动的学习型控制能

全国内部审计数智化转型发展研究报告（2025） 8 图 2 不同行业单位样本数据分布 本报告中的行业划分为：电力、石油石化化工、通信、交通运 输、银行、保险、证券、高等院校、医院、中小学及职业教育、建 筑工程、钢铁冶金、烟草、投资机构、党政机关、事业单位、其他 行业等，其中样本量超过 100 份的行业依次为党政机关、医院、建 筑工程、中小学及职业教育、投资机构、交通运输，除烟草、证券、 保险三个行业外，其余行业样本量处于 行业相对领先，已构建起系统化的运作体系，审计平台功能完备， 数据资源全面丰富，模型应用实现规模化成熟，AI 技术应用实现多 点突破，整体能力处于各行业前列，在被调研单位中占比为 4.0%； 交通运输、钢铁冶金、建筑工程等行业处于追赶状态，审计平台相 对完善，数据资源积累和模型应用体系初见成效，新技术仅初步尝 试，占比约为 7.8%；其余高校、烟草、医院等行业处于不同程度的 起步期，在平台、数据、模型、AI