工业互联网与人工智能深度融合推动智能制造新阶段

在当今快速发展的数字经济背景下，工业互联网日益成为新工业革命的重要基石，扮演着新型工业化过程中的战略性基础设施与驱动力。随着技术的不断演进，工业互联网在过去的十年间经历了从无到有、从小到大的发展历程，其体系化的进步为传统制造业带来了深刻的变革。

近期，工信部在多项政策中强调了加速工业互联网与人工智能的深度融合，以推动制造业的高效化、智能化和可持续发展。通过建设高质量的数据集与推广大模型的应用，工业互联网的未来发展潜力显得愈发巨大。

通过实际案例来看，如江西中润食品有限公司利用中国电信搭建的维盈云数采，实现灵活多样的数据采集，依托数据分析优化生产计划，达到了精准控制库存、降低运营成本的效果。又如海阳核电站的“5G + 智慧工地”项目，通过新一代通信技术的应用，大幅提升施工现场的信息化程度，提高了施工的效率与安全性。内蒙古移动与伊敏露天矿合作的“5G+全光多网络融合”项目，则通过搭建高效的5G网络，加快了生产设备的响应速度，提高了矿区操作的安全性与稳定性。这些案例不仅展示了工业互联网在制造、能源等多个领域的落地应用，还表明了其作为新质生产力的重要组成部分的角色。

根据工信部的最新数据，预计到2024年，工业互联网的核心产业规模将超过1.5万亿元，其产业带动的经济增长将近3.5万亿元。目前，工业互联网的应用已覆盖41个工业大类，实现了规模化应用和深耕场景的同步推进。国家工业互联网大数据中心已汇聚超过14亿条工业数据，构建了初步的工业模型语料库，这为未来的智能制造提供了强大的支持。

面对新的挑战，工信部信息通信发展司司长谢存指出，将以释放规模化应用的潜力为主线，加速工业互联网与人工智能的深度融合。“人工智能+”的时代已然来临，它不仅重新定义了制造业的发展方向，也为整个产业提升提供了新思路。

全链条的智能化升级是当前趋势之一。通过工业互联网与大模型的结合，可以在设备预测性维护、智能制造与供应链管理等多方面实现数据的深度挖掘。例如，结合大模型分析制造数据，企业能够优化生产控制与调度，从而提升生产效率和产品质量。同时，通过深度分析供应链数据，企业也能够实现智能化的供应链管理，降低了供应链风险。同时，通过设备运行数据的分析，企业能够提前预测设备故障风险，实现智能维护，避免潜在损失。

与此相对，小型企业的数字化转型同样至关重要。DeepSeek基于混合专家模型的创新算法，为中小企业提供了低成本、高性能的AI解决方案，降低了其数字化转型的门槛，促进了广泛的应用。通过开放的技术生态，企业可快速构建具有定制化的AI能力，从而在不同的生产场景中实现低成本的智能系统部署。

尽管如此，人工智能在中国制造业的应用普及依然 lagging。在中国，AI的应用普及率尚不足11%，远远落后于欧美等国家。因此，提升应用普及率的关键在于推行有效的场景应用落地与推广。建议从以下三个方面入手：

系统化统筹人工智能技术产业与数字化转型的推进，以促进数字经济与实体经济的深度融合。目前制造业面临的智能化基础和智能化需求差异显著，导致难以产生统一的解决方案。通过实施有针对性的应用场景，推动不同企业智能化能力的提升。

借助于与场景推动数据的积累，以试点项目沉淀核心数据语料库。在工业领域，数据隐私与安全性是企业关注的重点，许多企业不愿意将核心生产数据共享导致数据资源整合困难。建立信任机制，并积极开展数据共享与合作，将推动大模型的准确性提升。

，来强化产学研用的协同，培养专业人才。技术研发、市场推广、算力投入及数据采集等均需要专业的管理与运作，从而通过跨领域的合作，推动技术的创新与产业的升级。

在新技术和政策的共同赋能之下，工业互联网与人工智能的深度融合将持续推动中国制造业迈向智能化的新阶段。通过充分发挥二者的潜力，未来的智能制造将成为推动经济高质量发展的重要引擎，带动整个产业向更高层次的智能化转型。