最近几个月，如果你关注工业软件领域，可能会注意到一个微妙的变化：那些曾经主打RPA（机器人流程自动化）的厂商，开始在产品路线图里频繁出现"Agentic"这个词。UiPath在2025年的技术发布中，明确将"Agentic Automation"作为战略方向，强调在原有RPA能力之上增加自主决策模块。这不是简单的产品升级。它暗示着自动化产业正在经历一次底层逻辑的扩展——从"流程驱动"向"目标驱动"演进。对于已经投资了大量自动化系统的制造业企业来说，理解这个变化的本质，比追逐新概念更重要。当前市场讨论相当混乱，许多产品演示号称的"Agentic能力"，实际上只是传统技术的包装。
本文中的"Agentic AI"特指具备目标驱动、自主规划、多步执行能力的形态。
因此，制造业决策者需区分三个本质不同的层级：
第一层级是传统RPA，也就是过去十年我们熟悉的流程自动化，核心逻辑是"流程驱动"。工程师预先录制或编写好操作步骤，机器按脚本严格执行。这类工具适合高重复性、规则明确、环境稳定的场景，比如财务对账、数据录入。第二层级是大模型和AI助手，核心逻辑是"知识驱动"。它能理解自然语言、生成内容、回答问题，像一位咨询顾问，能提供建议但不主动执行。你可以问它"如何优化这条产线的排产"，它会给出分析，但不会自己去调整ERP里的参数。第三层级才是真正意义上的Agentic AI，核心逻辑是"目标驱动"。你给出一个目标——比如"确保这条产线本周不停机"——它会自主感知环境变化、规划行动步骤、调用不同系统工具、并根据反馈调整策略。事实上，Gartner近期的一项研究就指出，在数千家声称具备Agentic AI能力的供应商中，真正符合严格定义的仅有约130家，概念滥用现象相当普遍。它的产业化可能性，建立在2024—2025年间逐步成熟的四个技术条件之上：
以GPT-4、Claude为代表的模型，在复杂目标拆解、多步规划与语义理解方面显著提升，使系统能够围绕"目标"而非"固定脚本"进行决策。以NVIDIA数据中心业务扩张为观察窗口，企业级AI算力逐步可获得，为持续运行型Agent系统提供了现实基础。AutoGen、LangGraph等工具的成熟，使复杂任务分解与状态管理具备可复用路径，降低了系统构建门槛。云原生ERP与现代MES逐步开放API，使跨系统操作成为可能。需要注意的是，制造业大量遗留系统的接口封闭，构成了落地的主要障碍，这也解释了为何制造业进展慢于服务业。这些条件的交汇，并不意味着Agentic AI已经全面成熟，但确实使其从概念验证阶段，进入可工程化部署与规模化试验的阶段。过去十年的自动化停留在"流程层"，是因为制造业环境相对可控。·边界：仅适用于高重复性、规则明确、环境稳定的场景·制造业局限：无法应对供应链异常、设备突发故障、紧急插单等"例外场景"·方法：给定目标（如"确保产线不停机"），由AI Agent作为执行单元自主感知环境、规划行动、调用工具、适应变化·突破：在通用语义环境下，首次具备跨流程的例外处理与协调能力——区别于传统APS或强化学习系统的单点自适应对于制造业企业来说，关键问题不是是否采购某个"Agent产品"，而是是否需要引入目标驱动型决策架构？工厂有多少决策是规则无法预设的？这些场景才是Agentic AI的潜在空间。如果当前流程本身已经标准化且稳定，传统RPA可能仍是更经济的选择。在关注机会的同时，制造业决策者需要看清这个赛道的现实约束。
如前所述，市场上大量产品将工作流编排包装成"Agentic能力"，企业可能支付高额溢价，却获得与传统自动化相当的效果。识别真正的Agentic能力，需要回到那四个特征：主动性、多步骤处理能力、持续学习能力和跨系统协调能力。Gartner近期预测，到2027年底，超过40%的Agentic AI项目可能被取消，主要原因包括成本失控、商业价值模糊和风险控制不足。Gartner的分析师特别指出，AI不会修复薄弱的基础，它会放大这些问题。从应用场景看，目前Agentic AI在IT运维和知识管理领域的规模化程度最高，制造业的具体进展缺乏公开数据。考虑到制造业物理世界的容错成本远高于办公室场景，规模化落地大概率会滞后于服务业。在产线上，一个错误决策的代价可能是停线或质量问题，这种成本结构决定了制造业必然更谨慎。当前AI Agent在处理长任务、非结构化提示和实时判断时仍容易失败。下一代AI模型可能需要百倍于当前的计算资源，这对企业的IT基础设施和预算都是考验。自动化产业正在经历一次重要的逻辑扩展，从"按脚本执行"走向"按目标行动"。RPA在标准流程场景的价值依然存在，Agentic AI则为那些"规则无法预设"的动态决策场景提供了新的可能性。对于制造业中高层管理者来说，现阶段最理性的态度或许是：持续关注技术演进，建立清晰的概念分层能力，在充分理解风险边界的前提下，小规模验证特定场景。若您正在规划相关方向，或希望厘清不同技术路径的适用边界，欢迎私信交流具体情境，我们愿意分享更多一线观察。|本文涉及的技术趋势与数据，主要参考Gartner、Microsoft、McKinsey、UiPath等机构2024-2025年公开报告。如需了解具体研究细节，可通过上述机构官网检索"Agentic AI"相关专题。
