由上海市经济和信息化委员会编制的 2026 年上海市 "AI + 制造" 服务商能力图谱正式发布。图谱涵盖工业智算云、工业语料数据、工业模型平台、工业智能体和应用、工业具身智能、工业 AI 安全六大服务方向，共收录 60 余家服务商，上海鸿翼软件技术股份有限公司成功入选 "工业智能体和应用" 服务商类别，覆盖研发创新平台、企业管理、质量追溯三大方向。
2026上海市 "AI + 制造" 服务商能力全景图谱
一、看清服务商，先看这份图谱：四大原则，三重维度
图谱按"技术底座---行业场景---标杆案例"三重维度展示服务商能力，编制过程遵循技术领先、场景落地、服务成熟、生态协同四项原则。它的定位是帮助制造企业甄别服务商能不能做、适不适合、靠不靠谱。
把选型标准摊开来讲，是这份图谱的价值所在。制造企业推进AI，难的不是立项，而是判断一家服务商究竟能解决什么问题、在哪些场景验证过、交付是否稳定。六大方向之下的67个细分领域，把这些判断标准拆成了可对照的条目。
鸿翼入选的"工业智能体和应用"是其中与应用落点最贴近的方向。三个覆盖领域分别对应研发端的产品定义与工艺、管理端的流程与文档运转、质量端的问题追溯与分析。这三类工作有一个共同点：都依赖企业的非结构化数据，包括图纸、工艺文件、质量报告、项目文档。
评审关注的不仅是技术指标，还有场景是否落地、服务是否成熟。鸿翼在制造行业多年积累的实践，构成了这次入选的基础。
二、制造企业AI落地真正的难处：四道坎，一个根本
工业制造企业推进AI，普遍要过四道坎：系统之间连接性差，数据留在各自系统里，形成信息孤岛；跨部门协作缺少统一入口，整体效率受影响；知识分散在不同岗位和工具里，没有平台统一承载；数据安全与合规要求严格，企业担心引入AI应用会增加数据暴露风险。
这些问题都真实存在，而更根本的一环在数据本身。组织中70%到90%的数据是非结构化的，散落在文件服务器、邮件附件、项目图纸、合同扫描件、工程文档里。传统工具只管"存"，不管"懂"。文件躺在那里，机器读不懂，AI也用不上。
把长期积累的非结构化业务知识与经验，转化为结构化、标准化、高质量的数据集，是连接行业智慧与模型能力的关键一环。这一步跨不过去，上层的智能体与应用都缺少立足点。
两层问题叠在一起，制造业的AI项目就容易停在数据准备阶段：模型选好了，数据喂不进去；场景想清楚了，依据找不齐。
三、从数据就绪到场景落地：一套基座，四个行业
针对这一环，鸿翼提供AI就绪数据基座。基于AI原生数据管理平台，构建「Data + AI」全栈技术体系，走"数据---Agent---模型"三位一体的技术路线。多模态数据治理是核心，把图纸、表格、扫描件、音视频等不同形态的内容解析、治理、向量化与知识组织，变成可检索、可引用的数据资产。Agent是引擎，通过Skill、工作流与工具调用，把自然语言需求转成可控的业务任务。模型应用是价值出口，输出分析结论、审核意见与业务成果。
三者串在同一体系里，AI在政企组织的落地才有规模化、工程化的可能，而不是停留在一个个孤立的项目上。
这套体系的价值还在于可复制。同一套基座换到另一家工厂，数据治理的方法、Agent的任务编排、模型的调用方式都能沿用，不必从零再搭一遍。
目前，鸿翼已为芯片半导体、汽车及配件、高端装备、能源化工等重点制造行业提供数智化转型服务，形成了可复制的实践经验。在真实生产与管理场景中跑通的方法论，对同行业企业有直接的参考价值。
入选图谱是一个节点，而非终点。后续鸿翼将持续深耕高质量数据集建设，打造 AI 就绪数据基座，打通数据价值释放的最后一公里；在 "AI + 制造" 从概念走向规模化落地的关键阶段，充分发挥服务商示范作用，携手制造企业与生态伙伴，推动人工智能和制造业深度融合，为制造业高质量、智能化发展筑牢支撑。