相輔相成，相得益彰

工業(yè)互聯(lián)網(wǎng)為人工智能創(chuàng)造廣泛的應用場景和數(shù)據(jù)基礎，人工智能也為工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展賦智，形成協(xié)同發(fā)展、雙向促進的格局。二者的融合對推進新型工業(yè)化、建設現(xiàn)代化產(chǎn)業(yè)體系、構建新發(fā)展格局意義重大。

工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)基礎不斷完善。我國工業(yè)互聯(lián)網(wǎng)核心產(chǎn)業(yè)增加值規(guī)模已達到1.35萬億元。在基礎設施層面，工業(yè)互聯(lián)網(wǎng)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(xiàn)共建共享。在關鍵技術層面，5G核心網(wǎng)、定制化基站等實現(xiàn)商用，推動5G工業(yè)網(wǎng)關、巡檢機器人等終端創(chuàng)新。在應用賦能層面，超過270家綜合型、特色型、專業(yè)型平臺涌現(xiàn)，跨行業(yè)工業(yè)互聯(lián)網(wǎng)平臺達50個，承載大量工業(yè)機理模型。在合作生態(tài)方面，5G已融入71個國民經(jīng)濟大類，應用案例超過9.4萬個。工業(yè)互聯(lián)網(wǎng)圍繞全產(chǎn)業(yè)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(yè)的新生態(tài)，強調海量生產(chǎn)要素的互聯(lián)互通、運行數(shù)據(jù)的價值挖掘和工業(yè)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(chǎn)業(yè)蓬勃發(fā)展。今年以來，我國人工智能賦能新型工業(yè)化取得了積極成效，典型產(chǎn)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(xié)同發(fā)展，10余個高性能智算中心得以規(guī)劃建設，算力供給結構不斷優(yōu)化，算力規(guī)模位居全球第二。算法創(chuàng)新水平穩(wěn)步提升。以大模型為代表的通用人工智能技術蓬勃發(fā)展，自主研制的智能芯片、開發(fā)框架、通用大模型等創(chuàng)新成果加速涌現(xiàn)，人工智能企業(yè)數(shù)量超過4500家，我國涌現(xiàn)出一批準確性高、穩(wěn)定性強的大模型?！度斯ぶ悄艽竽Ｐ凸I(yè)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(yè)知識問答等場景已經(jīng)具備較高的應用成熟度。工業(yè)數(shù)據(jù)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(xiàn)匯聚，在研發(fā)設計、生產(chǎn)制造、運營管理、營銷服務等制造業(yè)全流程中開展應用。中國工業(yè)互聯(lián)網(wǎng)研究院面向八大工業(yè)重點行業(yè)，目前已收集了10萬余條工業(yè)知識問答數(shù)據(jù)，形成了工業(yè)語料庫，支撐了大模型在工業(yè)領域的高效微調，加速工業(yè)互聯(lián)網(wǎng)應用落地。

融合應用，成效初顯

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

升級人機交互方式，提升人機協(xié)同水平。在人機交互層面，多模態(tài)交互系統(tǒng)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(xiàn)實技術，輔助工人進行航天器的組裝，將生產(chǎn)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(yè)機器人正在引領制造業(yè)的變革，近期發(fā)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(guī)劃框架，具備與人類接近的導航能力。

優(yōu)化數(shù)據(jù)決策鏈路，實現(xiàn)數(shù)據(jù)驅動運營。在生產(chǎn)層面，鞍山鋼鐵針對高爐煉鐵環(huán)節(jié)，建立煤氣智能平衡系統(tǒng)，對高爐產(chǎn)氣、管網(wǎng)波動、異常狀態(tài)等進行預測，形成輔助調度策略，對煤氣管網(wǎng)進行精細化管理，每年實現(xiàn)直接經(jīng)濟價值千余萬元。在運營層面，中鐵裝備研發(fā)了智能倉儲物流協(xié)作設計平臺，通過資源統(tǒng)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(yè)AI云平臺，構建了通用發(fā)動機質檢應用底座，實現(xiàn)了發(fā)動機產(chǎn)品檢測全程“無人化”作業(yè)和誤檢率“自學習”模式，節(jié)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(yè)互聯(lián)網(wǎng)技術為基礎，采集車輛設計制造數(shù)據(jù)、在線運營數(shù)據(jù)等，應用智能算法實現(xiàn)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(chǎn)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(tǒng)的大規(guī)模標準化生產(chǎn)模式已難以滿足用戶需求。針對3C、汽車等制造行業(yè)生產(chǎn)物料復雜、規(guī)格多樣等痛點，京東物流推出柔性線邊物流解決方案，研發(fā)多款物流機器人和云端柔性線邊物流管控平臺，通過物聯(lián)網(wǎng)、云計算等技術實現(xiàn)機器人智能調度、算法集成和數(shù)據(jù)管控，引入仿真技術和大數(shù)據(jù)算法實現(xiàn)管理精益化。

融合發(fā)展，挑戰(zhàn)猶存

在技術集成上，工業(yè)互聯(lián)網(wǎng)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(chuàng)新為基礎，包括硬件和軟件的融合、數(shù)據(jù)管理、網(wǎng)絡安全及系統(tǒng)集成等。而工業(yè)場景碎片化特點較為突出，技術供應商往往需要根據(jù)行業(yè)特點甚至單一廠商的特點進行工業(yè)大模型研發(fā)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(fā)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(chuàng)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(tài)差距。

在數(shù)據(jù)管理上，我國工業(yè)體系龐大，數(shù)據(jù)結構多樣，數(shù)據(jù)間關聯(lián)性和復雜度高，數(shù)據(jù)質量參差不齊。一方面，目前工業(yè)大模型標準體系尚不健全，導致不同企業(yè)之間的數(shù)據(jù)難以互通互認，對工業(yè)大模型的訓練和應用造成制約。另一方面，如何在確保數(shù)據(jù)的安全和隱私，防止數(shù)據(jù)泄露和濫用的前提下，實現(xiàn)數(shù)據(jù)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(yè)因智能化改造回報周期長而望而卻步，不敢投；中小企業(yè)數(shù)字化基礎弱，專業(yè)人才匱乏，導致不會用人工智能技術；制造業(yè)場景眾多、生產(chǎn)流程差異大，智能化解決方案復用性較差，人工智能企業(yè)缺乏工業(yè)經(jīng)驗，形成供需不匹配難題。同時，我國人工智能核心技術研發(fā)、行業(yè)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(shù)僅為美國的1/5，高端復合型人才、產(chǎn)業(yè)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(fā)。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(chǎn)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(shù)學定理證明、工程計算等領域的大模型研發(fā)。鼓勵自主研發(fā)和開源生態(tài)建設，引導科研機構和企業(yè)堅持自主創(chuàng)新，構建面向國產(chǎn)開源架構的大模型開源生態(tài)，提升國內高智能大模型的研發(fā)水平。

二是建設人工智能增強版工業(yè)互聯(lián)網(wǎng)平臺。打造AI增強版工業(yè)互聯(lián)網(wǎng)大數(shù)據(jù)中心，整合工業(yè)數(shù)據(jù)資源，解決數(shù)據(jù)流通難、標準不統(tǒng)一、質量參差不齊等問題，構建高質量的行業(yè)語料庫和提示詞語料庫。建設行業(yè)大模型中試平臺，依托工業(yè)互聯(lián)網(wǎng)大數(shù)據(jù)分中心，搭建行業(yè)級模型訓練庫，開展國產(chǎn)人工智能框架和芯片的適配測試，降低企業(yè)AI應用開發(fā)門檻。強化算力和平臺供給，提升數(shù)據(jù)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(yè)互聯(lián)網(wǎng)平臺的數(shù)據(jù)匯聚、建模分析和知識復用能力，為工業(yè)智能應用奠定基礎。

三是深化人工智能融合應用，構建協(xié)同發(fā)展新格局。加強產(chǎn)業(yè)協(xié)同，發(fā)揮人工智能領域領軍企業(yè)的生態(tài)整合作用，帶動“專精特新”中小企業(yè)提升智能解決方案供給能力，形成協(xié)同創(chuàng)新格局。打通供需壁壘，鼓勵行業(yè)龍頭企業(yè)開放資源和應用場景，促進通用大模型在工業(yè)領域的部署，加速研發(fā)、中試、生產(chǎn)、服務、管理等環(huán)節(jié)的智能化升級。構建賦能聯(lián)合體，支持AI企業(yè)與制造業(yè)龍頭企業(yè)組建賦能聯(lián)合體，開展“深度行”活動，推動企業(yè)智能化升級。培育應用生態(tài)，依托創(chuàng)新中心、公共服務平臺等載體，促進大模型與工業(yè)場景的深度融合，打造一批典型應用示范，壯大產(chǎn)業(yè)生態(tài)。

四是加強政策引導和數(shù)據(jù)安全保障，完善產(chǎn)業(yè)發(fā)展生態(tài)。完善頂層設計和資金引導機制，強化國家統(tǒng)籌協(xié)調，完善產(chǎn)業(yè)政策保障，設立人工智能產(chǎn)業(yè)投資基金，引導社會資本支持人工智能與制造業(yè)融合。建立標準化的工業(yè)大模型應用評測體系。面向工業(yè)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(yè)應用發(fā)展指數(shù)。支持工業(yè)企業(yè)聯(lián)合高校和科研院所搭建大模型測試環(huán)境，收集大模型工業(yè)應用中的各類問題并迭代優(yōu)化，使模型可以逐漸適應多樣化的工業(yè)場景。