工業和信息化部近日印發《工業互聯網和人工智能融合賦能行動方案》，明確將通過實施基礎底座升級、數據模型互通、應用模式煥新、產業生態融通等四大行動，推動工業互聯網和人工智能在更廣范圍、更深程度、更高水平上釋放融合賦能效應。

 

“人工智能作為引領新一輪科技革命和產業變革的戰略性技術，工業互聯網作為新一代信息通信技術與工業經濟深度融合的新型基礎設施、應用模式和工業生態，兩者融合賦能，不僅有助于加快自身創新發展，更加有利于推動制造業數智化轉型。”中國工業互聯網研究院黨委書記、副院長田川認為，《行動方案》為推動我國工業互聯網和人工智能深度融合、一體賦能新型工業化提供了方向、明確了路徑、部署了任務。

 

 

提升基礎設施水平

 

經過多年發展，我國工業互聯網已由戰略謀劃、起步探索、快速推進邁入高質量發展、規模化應用階段，核心產業增加值超過1.5萬億元，帶動產業規模近3.5萬億元。人工智能技術發展迅速，核心產業規模超過萬億元，在用算力中心達1250萬標準機架，智能算力規模達1053EFLOPS。

 

“隨著兩項技術迭代升級，以及融合應用不斷從消費服務領域向工業領域延伸，基礎設施水平需要進一步提升。”田川告訴記者，面向高速泛在、云網融合、智能敏捷等建設要求，《行動方案》提出網絡、平臺、算力等基礎設施智能化升級路徑。

 

網絡領域，聚焦人工智能工業應用的大連接、高通量、低時延通信需求，部署工業網絡控網算一體化演進、新型工業網絡改造等相關任務；平臺領域，提出工業APP開發技術創新、“模型池”建設、“平臺+智能體”推廣等舉措，全方位強化平臺智能化水平；算力領域，設置公共算力資源接入、邊緣一體機等設備部署、端側算力模塊開發等任務，實現“云邊端”工業智能算力多級布局、互聯互通、高效調度。

 

對于基礎設施建設情況，《行動方案》給出了具體目標：到2028年，滿足人工智能工業應用高通量、低時延、高可靠、低抖動通信需求的新型工業網絡規模持續擴大，推動不少于5萬家企業實施新型工業網絡改造升級。

 

為實現上述目標，要從企業培育、技術創新等層面發力。一方面，要大力培育系統級、行業級智能化解決方案供應商，以及工業數據、工業模型等細分領域服務商，進一步強化企業主體地位。另一方面，要部署軟硬件智能化升級、智能工具產品研發、標準體系建設等系列工作，助力關鍵技術產品自主創新和應用推廣。

 

“《行動方案》并未將工業智能視為單個企業的技術升級問題，而是將其置于產業體系整體演進框架中統籌推進。通過培育智能化解決方案供應商、建設模型服務平臺、推動能力共享與開放協作，為不同基礎、不同規模的工業企業提供可行的智能化轉型方案。”北京神州光大科技有限公司董事長高峰說。

 

 

場景牽引加快應用落地
 

我國擁有41個工業大類、207個工業中類、666個工業小類，已建成全球規模最大、技術領先的信息通信網絡，5G基站總數達483萬個，工業5G專網項目超過2萬個，這些都為工業互聯網和人工智能融合賦能提供高速網絡通道、海量數據資源、豐富應用場景。

 

汽車零部件產線上，工業相機毫秒內就能精準識別微小焊接瑕疵，電子元件裝配現場，AI系統全天候排查芯片等產品合格率……近年來，神州光大利用“AI+工業互聯網”技術，在質檢領域探索出一套智能化解決方案。高峰坦言，傳統工業質檢曾是行業“老大難”，人工檢查會因疲勞導致出現誤檢情況；簡單機器視覺受固定規則限制，應對產品迭代乏力，且檢測數據與生產、采購環節割裂，形成數據孤島，缺陷追溯與根源定位困難。

 

“工業互聯網疊加人工智能機器視覺、深度學習及數據分析等技術，對工業制造全流程進行智能化管理與控制，有效解決傳統質檢規則不統一、準確率波動大、檢測效率低等難題。”高峰介紹，公司打造“檢測—判別—數據擴充”三位一體技術體系，具備實時性強、精度高、低樣本依賴等特點，可適配復雜工況需求。

 

《行動方案》提出以場景為牽引，以應用為導向的融合思路，提出要加快個性化定制、網絡化協同、服務化延伸、可視化治理等模式創新，對研發設計、生產制造、運維管理等環節實施改造；部署工業互聯網“鏈網協同”參考指南發布及典型案例征集、解決方案資源池建設等工作，加快融合應用在重點行業、大中小企業普及推廣。

 

鞍鋼集團數智科技有限公司總經理王弢解釋，研發設計階段，人工智能驅動的方案生成、三維建模與代碼自動化，將顯著壓縮產品開發周期，提升設計質量；在生產制造階段，依托虛擬產線和智能模型的預測與優化控制，實現設備狀態超前感知和工藝參數動態優化。

 

建設高質量工業數據集
 

工業數據是工業互聯網與人工智能融合賦能的基礎與紐帶。《行動方案》提出，到2028年，工業數據匯聚、治理、流通、共享體系不斷完善，在20個重點行業打造一批高質量數據集。

 

“高質量工業數據驅動人工智能在工業領域應用深化，推動工業互聯網智能化升級。工業互聯網為高質量工業數據集建設提供采集網絡、處理平臺、服務生態，推動人工智能在工業領域技術迭代與創新。”中國工程院院士、合肥工業大學教授楊善林說。

 

《行動方案》提出數據模型互通行動和應用模式煥新行動，構建起覆蓋數據全生命周期的技術支撐體系，為高質量工業數據集建設提供了能力保障。同時，“數據匯聚—可信流通—場景賦能”的完整鏈路，也為高質量工業數據集建設擘畫了具體實施路徑。

 

“實施路徑的重要抓手在于打造一個支撐數據安全、可信、高效流動的公共基礎環境，為集數據確權登記、存證溯源、安全計算、合規審計與交易結算等功能于一體的數據流通提供保障，降低多方主體間的數據協作門檻與技術復雜度，保障數據主權、數據隱私和數據安全，促進數據在產業鏈上下游、區域產業集群以及產學研用之間的規模化流通。”楊善林建議，圍繞鋼鐵、航空、船舶、工程機械等重點行業關鍵痛點，針對消費與生產、供應與制造、產品與服務等典型場景的迫切需求，開展面向特定領域與問題的高價值、高復用性工業數據集的聯合開發、標注與封裝，牽引工業數據集在真實場景中落地應用，賦能制造業數字化轉型與智能化升級。

 

國家智能制造專家委委員張龍強以鋼鐵行業為例分析，目前鋼鐵數據標注缺失、格式不統一等問題仍然存在，應聯合龍頭企業、數據服務商，分類建設通識類、行業通用類、專用類三級數據集。此外，要加強數據安全與質量管控，研發專用清洗標注（MA標識體系）工具，建設工業數據訓練基地，為AI應用提供標準化的數據服務。依托“AI+工業互聯網”打造虛擬產線，實現工藝參數自優化、物料平衡調控等自主決策，推動生產從“經驗驅動”向“數據驅動”轉變，通過全鏈條數據分析優化能源調度與庫存管理，降低運營成本。

 

“工業互聯網和人工智能融合賦能是一項系統工程，涉及面廣、復雜度高、交叉性強。下一步，要鼓勵地方因地制宜出臺配套政策，打造區域集聚、各具特色的發展路徑，不斷完善部省聯動、橫縱貫通、齊抓共管的發展模式。充分利用現有資金渠道，積極引導和帶動社會資本參與，加快關鍵技術攻關和工程化應用。”田川說。