工业和信息化部近日印发《工业互联网和人工智能融合赋能行动方案》，明确将通过实施基础底座升级、数据模型互通、应用模式焕新、产业生态融通等四大行动，推动工业互联网和人工智能在更广范围、更深程度、更高水平上释放融合赋能效应。

“人工智能作为引领新一轮科技革命和产业变革的战略性技术，工业互联网作为新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态，两者融合赋能，不仅有助于加快自身创新发展，更加有利于推动制造业数智化转型。”中国工业互联网研究院副院长田川认为，《行动方案》为推动我国工业互联网和人工智能深度融合、一体赋能新型工业化提供了方向、明确了路径、部署了任务。

提升基础设施水平

经过多年发展，我国工业互联网已由战略谋划、起步探索、快速推进迈入高质量发展、规模化应用阶段，核心产业增加值超过1.5万亿元，带动产业规模近3.5万亿元。人工智能技术发展迅速，核心产业规模超过万亿元，在用算力中心达1250万标准机架，智能算力规模达1053EFLOPS。

“随着两项技术迭代升级，以及融合应用不断从消费服务领域向工业领域延伸，基础设施水平需要进一步提升。”田川告诉记者，面向高速泛在、云网融合、智能敏捷等建设要求，《行动方案》提出网络、平台、算力等基础设施智能化升级路径。

网络领域，聚焦人工智能工业应用的大连接、高通量、低时延通信需求，部署工业网络控网算一体化演进、新型工业网络改造等相关任务；平台领域，提出工业APP开发技术创新、“模型池”建设、“平台+智能体”推广等举措，全方位强化平台智能化水平；算力领域，设置公共算力资源接入、边缘一体机等设备部署、端侧算力模块开发等任务，实现“云边端”工业智能算力多级布局、互联互通、高效调度。

对于基础设施建设情况，《行动方案》给出了具体目标：到2028年，满足人工智能工业应用高通量、低时延、高可靠、低抖动通信需求的新型工业网络规模持续扩大，推动不少于5万家企业实施新型工业网络改造升级。

为实现上述目标，要从企业培育、技术创新等层面发力。一方面，要大力培育系统级、行业级智能化解决方案供应商，以及工业数据、工业模型等细分领域服务商，进一步强化企业主体地位。另一方面，要部署软硬件智能化升级、智能工具产品研发、标准体系建设等系列工作，助力关键技术产品自主创新和应用推广。

“《行动方案》并未将工业智能视为单个企业的技术升级问题，而是将其置于产业体系整体演进框架中统筹推进。通过培育智能化解决方案供应商、建设模型服务平台、推动能力共享与开放协作，为不同基础、不同规模的工业企业提供可行的智能化转型方案。”北京神州光大科技有限公司董事长高峰说。

场景牵引加快应用落地

我国拥有41个工业大类、207个工业中类、666个工业小类，已建成全球规模最大、技术领先的信息通信网络，5G基站总数达483万个，工业5G专网项目超过2万个，这些都为工业互联网和人工智能融合赋能提供高速网络通道、海量数据资源、丰富应用场景。

“工业互联网叠加人工智能机器视觉、深度学习及数据分析等技术，对工业制造全流程进行智能化管理与控制，有效解决传统质检规则不统一、准确率波动大、检测效率低等难题。”高峰介绍，公司打造“检测—判别—数据扩充”三位一体技术体系，具备实时性强、精度高、低样本依赖等特点，可适配复杂工况需求。

《行动方案》提出以场景为牵引，以应用为导向的融合思路，提出要加快个性化定制、网络化协同、服务化延伸、可视化治理等模式创新，对研发设计、生产制造、运维管理等环节实施改造；部署工业互联网“链网协同”参考指南发布及典型案例征集、解决方案资源池建设等工作，加快融合应用在重点行业、大中小企业普及推广。

鞍钢集团数智科技有限公司总经理王弢解释，研发设计阶段，人工智能驱动的方案生成、三维建模与代码自动化，将显著压缩产品开发周期，提升设计质量；在生产制造阶段，依托虚拟产线和智能模型的预测与优化控制，实现设备状态超前感知和工艺参数动态优化。

建设高质量工业数据集

工业数据是工业互联网与人工智能融合赋能的基础与纽带。《行动方案》提出，到2028年，工业数据汇聚、治理、流通、共享体系不断完善，在20个重点行业打造一批高质量数据集。

“高质量工业数据驱动人工智能在工业领域应用深化，推动工业互联网智能化升级。工业互联网为高质量工业数据集建设提供采集网络、处理平台、服务生态，推动人工智能在工业领域技术迭代与创新。”中国工程院院士、合肥工业大学教授杨善林说。

《行动方案》提出数据模型互通行动和应用模式焕新行动，构建起覆盖数据全生命周期的技术支撑体系，为高质量工业数据集建设提供了能力保障。同时，“数据汇聚—可信流通—场景赋能”的完整链路，也为高质量工业数据集建设擘画了具体实施路径。

“实施路径的重要抓手在于打造一个支撑数据安全、可信、高效流动的公共基础环境，为集数据确权登记、存证溯源、安全计算、合规审计与交易结算等功能于一体的数据流通提供保障，降低多方主体间的数据协作门槛与技术复杂度，保障数据主权、数据隐私和数据安全，促进数据在产业链上下游、区域产业集群以及产学研用之间的规模化流通。”杨善林建议，围绕钢铁、航空、船舶、工程机械等重点行业关键痛点，针对消费与生产、供应与制造、产品与服务等典型场景的迫切需求，开展面向特定领域与问题的高价值、高复用性工业数据集的联合开发、标注与封装，牵引工业数据集在真实场景中落地应用，赋能制造业数字化转型与智能化升级。

国家智能制造专家委委员张龙强以钢铁行业为例分析，目前钢铁数据标注缺失、格式不统一等问题仍然存在，应联合龙头企业、数据服务商，分类建设通识类、行业通用类、专用类三级数据集。此外，要加强数据安全与质量管控，研发专用清洗标注（MA标识体系）工具，建设工业数据训练基地，为AI应用提供标准化的数据服务。依托“AI+工业互联网”打造虚拟产线，实现工艺参数自优化、物料平衡调控等自主决策，推动生产从“经验驱动”向“数据驱动”转变，通过全链条数据分析优化能源调度与库存管理，降低运营成本。

“工业互联网和人工智能融合赋能是一项系统工程，涉及面广、复杂度高、交叉性强。下一步，要鼓励地方因地制宜出台配套政策，打造区域集聚、各具特色的发展路径，不断完善部省联动、横纵贯通、齐抓共管的发展模式。充分利用现有资金渠道，积极引导和带动社会资本参与，加快关键技术攻关和工程化应用。”田川说。

来源：经济日报

编辑：章　西

初审：舒 怀

审核：洪 峰