相輔相成，相得益彰

工業互聯網為人工智能創造廣泛的應用場景和數據基礎，人工智能也為工業互聯網創新發展賦智，形成協同發展、雙向促進的格局。二者的融合對推進新型工業化、建設現代化產業體系、構建新發展格局意義重大。

工業互聯網產業基礎不斷完善。我國工業互聯網核心產業增加值規模已達到1.35萬億元。在基礎設施層面，工業互聯網基礎設施建設不斷強化，截至2024年7月，我國5G基站達399.6萬個，90%實現共建共享。在關鍵技術層面，5G核心網、定制化基站等實現商用，推動5G工業網關、巡檢機器人等終端創新。在應用賦能層面，超過270家綜合型、特色型、專業型平臺涌現，跨行業工業互聯網平臺達50個，承載大量工業機理模型。在合作生態方面，5G已融入71個國民經濟大類，應用案例超過9.4萬個。工業互聯網圍繞全產業鏈、全價值鏈、全要素的全面“鏈接”，構建新一代信息技術賦能制造業的新生態，強調海量生產要素的互聯互通、運行數據的價值挖掘和工業知識的沉淀復用，為大模型的應用提供了“天然土壤”。

人工智能技術產業蓬勃發展。今年以來，我國人工智能賦能新型工業化取得了積極成效，典型產品加速迭代，場景應用加快落地。算力基礎設施加快布局，云算、智算、超算、量算等協同發展，10余個高性能智算中心得以規劃建設，算力供給結構不斷優化，算力規模位居全球第二。算法創新水平穩步提升。以大模型為代表的通用人工智能技術蓬勃發展，自主研制的智能芯片、開發框架、通用大模型等創新成果加速涌現，人工智能企業數量超過4500家，我國涌現出一批準確性高、穩定性強的大模型。《人工智能大模型工業應用準確性測評報告》顯示，截至2024年8月，以通義千問為代表的國內多款大模型能力接近GPT-4o，工業知識問答等場景已經具備較高的應用成熟度。工業數據訓練語料不斷豐富，大模型訓練語料已在電力、裝備、石化、汽車、日常消費品等領域率先實現匯聚，在研發設計、生產制造、運營管理、營銷服務等制造業全流程中開展應用。中國工業互聯網研究院面向八大工業重點行業，目前已收集了10萬余條工業知識問答數據，形成了工業語料庫，支撐了大模型在工業領域的高效微調，加速工業互聯網應用落地。

融合應用，成效初顯

重塑技術研發模式，強化數字設計能力。在工業控制領域，某汽車制造商聯合設備制造商打造的智能大模型，內嵌于汽車工業機器人等生產設備，實現自動化編程與控制，大幅減少停機時間，生產效率提高30%。在工業設計領域，中國商飛利用智能建模仿真和模擬預測技術，優化了大型客機的研發流程，通過數字化設計和虛擬仿真，降低了試錯成本，加快了產品開發進程。

升級人機交互方式，提升人機協同水平。在人機交互層面，多模態交互系統逐漸成為主流，語音、圖像和觸控等多種交互方式正在融入。洛克希德·馬丁公司采用微軟的HoloLens混合現實技術，輔助工人進行航天器的組裝，將生產效率提高了50%，培訓時間縮短了85%。在具身智能層面，基于人工智能和大模型技術，新一代工業機器人正在引領制造業的變革，近期發布的“領航者2號”機器人采用了大模型結合強化學習的決策規劃框架，具備與人類接近的導航能力。

優化數據決策鏈路，實現數據驅動運營。在生產層面，鞍山鋼鐵針對高爐煉鐵環節，建立煤氣智能平衡系統，對高爐產氣、管網波動、異常狀態等進行預測，形成輔助調度策略，對煤氣管網進行精細化管理，每年實現直接經濟價值千余萬元。在運營層面，中鐵裝備研發了智能倉儲物流協作設計平臺，通過資源統一管理，將制造工期由5個月縮短至3個月，效率提升40%。

提升質檢和運維效率，強化精準質量管控。在質檢層面，寶馬通過自研工業AI云平臺，構建了通用發動機質檢應用底座，實現了發動機產品檢測全程“無人化”作業和誤檢率“自學習”模式，節省檢測工位70%，缺陷識別率達到99.86%。在運維層面，中車集團以工業互聯網技術為基礎，采集車輛設計制造數據、在線運營數據等，應用智能算法實現車輛故障診斷與預測，日檢工作量減少30%，部件利用率提升15%。

定制化生產和柔性制造，滿足多樣化市場需求。隨著市場需求的多樣化和個性化趨勢日益顯著，傳統的大規模標準化生產模式已難以滿足用戶需求。針對3C、汽車等制造行業生產物料復雜、規格多樣等痛點，京東物流推出柔性線邊物流解決方案，研發多款物流機器人和云端柔性線邊物流管控平臺，通過物聯網、云計算等技術實現機器人智能調度、算法集成和數據管控，引入仿真技術和大數據算法實現管理精益化。

融合發展，挑戰猶存

在技術集成上，工業互聯網和人工智能的結合需要以高度的技術集成和大量的技術創新為基礎，包括硬件和軟件的融合、數據管理、網絡安全及系統集成等。而工業場景碎片化特點較為突出，技術供應商往往需要根據行業特點甚至單一廠商的特點進行工業大模型研發和適配，將“通用大模型”轉化為“專用大模型”仍存在“最后一公里”的問題。同時，在高端技術層面，“缺芯少魂”的問題依然影響發展。我國高性能芯片對外依賴嚴重，高端智能算力供給不足，原創算法薄弱，底層框架、基礎算法與美國仍存在2到3年的動態差距。

在數據管理上，我國工業體系龐大，數據結構多樣，數據間關聯性和復雜度高，數據質量參差不齊。一方面，目前工業大模型標準體系尚不健全，導致不同企業之間的數據難以互通互認，對工業大模型的訓練和應用造成制約。另一方面，如何在確保數據的安全和隱私，防止數據泄露和濫用的前提下，實現數據要素流通也是一個需要長期關注的問題。

在應用推廣上，制造企業因智能化改造回報周期長而望而卻步，不敢投；中小企業數字化基礎弱，專業人才匱乏，導致不會用人工智能技術；制造業場景眾多、生產流程差異大，智能化解決方案復用性較差，人工智能企業缺乏工業經驗，形成供需不匹配難題。同時，我國人工智能核心技術研發、行業應用等領域的投資分別約為美國的1/5和1/20，頂尖人才數僅為美國的1/5，高端復合型人才、產業實用技能人才嚴重短缺。

一是強化人工智能技術基礎，加速高智能大模型研發。加快關鍵核心技術攻關，推進智能芯片、算法、模型、框架等基礎性關鍵技術和產品的突破，提升智能算力供給水平。培育高智能大模型，加快打造具備全球競爭力的通用大模型，重點支持數學定理證明、工程計算等領域的大模型研發。鼓勵自主研發和開源生態建設，引導科研機構和企業堅持自主創新，構建面向國產開源架構的大模型開源生態，提升國內高智能大模型的研發水平。

二是建設人工智能增強版工業互聯網平臺。打造AI增強版工業互聯網大數據中心，整合工業數據資源，解決數據流通難、標準不統一、質量參差不齊等問題，構建高質量的行業語料庫和提示詞語料庫。建設行業大模型中試平臺，依托工業互聯網大數據分中心，搭建行業級模型訓練庫，開展國產人工智能框架和芯片的適配測試，降低企業AI應用開發門檻。強化算力和平臺供給，提升數據匯聚和分析能力，通過突破高端傳感器、邊緣計算設備等，增強工業互聯網平臺的數據匯聚、建模分析和知識復用能力，為工業智能應用奠定基礎。

三是深化人工智能融合應用，構建協同發展新格局。加強產業協同，發揮人工智能領域領軍企業的生態整合作用，帶動“專精特新”中小企業提升智能解決方案供給能力，形成協同創新格局。打通供需壁壘，鼓勵行業龍頭企業開放資源和應用場景，促進通用大模型在工業領域的部署，加速研發、中試、生產、服務、管理等環節的智能化升級。構建賦能聯合體，支持AI企業與制造業龍頭企業組建賦能聯合體，開展“深度行”活動，推動企業智能化升級。培育應用生態，依托創新中心、公共服務平臺等載體，促進大模型與工業場景的深度融合，打造一批典型應用示范，壯大產業生態。

四是加強政策引導和數據安全保障，完善產業發展生態。完善頂層設計和資金引導機制，強化國家統籌協調，完善產業政策保障，設立人工智能產業投資基金，引導社會資本支持人工智能與制造業融合。建立標準化的工業大模型應用評測體系。面向工業重點領域，構建可實踐、可度量、可擴展的評測基準，構建大模型工業應用發展指數。支持工業企業聯合高校和科研院所搭建大模型測試環境，收集大模型工業應用中的各類問題并迭代優化，使模型可以逐漸適應多樣化的工業場景。