工业大模型正在成为贯通工业知识、生产数据与决策过程的关键通用能力。针对制造业存在的多约束、多模态与强合规的现实需求，本文提出“数据—模型—知识—工具—治理”一体化技术架构，以工业多模态数据与数字线程为基础，结合预训练与参数高效适配方法，融入检索增强生成（RAG）与知识组织机制，并引入机理约束与工具校核，构建面向现场的证据链、验证链与责任链。基于该架构，本文归纳了设计与工艺规划、计划调度、质量管控、设备运维、供应链协同及能碳管理等典型场景的落地范式，提出工程化实施路径与综合评价指标体系，并系统讨论算力与数据治理、可靠性与安全、标准与生态等关键挑战。研究结果表明，将生成能力与可验证工具链及制度化治理相结合，可显著提升工业大模型在高风险制造环节中的可用性与可复制性，为制造业智能化升级提供可执行的技术路线。