深化人工智能与工业互联网融合应用　一体推进新型工业化

发布时间：2026-07-18 04:28:06 来源：安智兰德资讯网 作者：知识

近日，深化工业和信息化部等八部门联合印发《关于推动工业互联网高质量发展的人工实施意见》（以下简称《实施意见》）。该文件围绕基础设施、工业工业技术供给、互联合应化融合应用、网融安全保障、用体产业生态、推进要素资源六大维度，新型系统部署18项重点任务。深化落实《实施意见》的人工关键，在于充分发挥国家战略科技力量优势，工业工业深化人工智能与工业互联网的互联合应化深度融合，从而一体推进新型工业化进程。网融

强化技术产品供给，用体夯实工业互联网发展根基

人工智能在工业领域的推进应用正经历从质量检测、故障预警等外围环节，向工艺参数调优、生产调度决策、供应链协同等核心环节的深层渗透。工业场景涵盖了从毫秒级确定性响应到跨域大规模调度的全谱系需求，对精准性和可靠性有着严苛要求。因此，推广工业互联网融合应用，绝不能简单移植消费互联网的成熟方案，必须在基础理论、算法架构、系统协同等层面实现原创性突破。

当前，我国在核心工业软件、高端传感器、工控系统等关键环节仍存在短板，底层网络技术性能瓶颈尚未完全突破，部分关键技术和产品对外依存度较高。

《实施意见》明确提出增强技术创新能力，深入实施工业互联网创新发展工程，打造以蜂窝技术、IP技术为底座的新型工业网络技术产品，推动工业软件云化升级，加速建链延链。这些部署将攻关重点聚焦于底层网络、核心软件和前沿算法三大方向，着力破解制约产业发展的技术瓶颈。

• 锚定方向，突破关键技术：在新型工业网络技术方向，重点突破时间敏感网络、工业确定性网络等关键技术，深化“5G+工业互联网”应用，加快构建自主可控的技术产品体系。
• 软硬并重，重构核心软件：在工业软件核心技术方向，推进计算机辅助设计、工程仿真、数字孪生等核心工业软件的云化重构和人工智能赋能。
• 加强攻关，突破前沿算法：在工业智能前沿算法方向，围绕工业数据分布外泛化、小样本学习等，突破轻量化高可靠模型构建、知识数据协同驱动等关键技术。

要发挥国家战略科技力量有组织科研优势，以国家重大科技项目为牵引，在基础理论、核心算法、关键系统等方面形成系统性攻关合力，把技术命脉牢牢掌握在自己手中。

推进中试验证与场景适配，打通成果转化通道

科技成果从实验室走向产业应用，中试验证是必经环节。工业领域的中试验证需在真实工况、连续运行、安全冗余等约束下完成技术熟化和适配验证，实验室环境难以完全模拟。据统计，经过中试的科技成果产业化成功率可达80％以上，而未经中试的仅为30％左右。当前，我国在工业互联网领域虽积累了一批自主技术成果，但从中试验证到规模化应用之间仍存在断层，大量创新成果停留在概念验证阶段，技术供给与产业需求之间的通道尚未完全贯通。

《实施意见》提出建设一批工业互联网技术创新中试中心，开展创新技术在工业场景的适配验证，加快新技术解决方案产业化推广，加强工业互联网知识产权保护、运用和服务，推动专利技术产业化，着力构建从技术原型到产业应用的完整通道。

中试验证是科技成果从实验室走向生产线的桥梁。

• 建好平台：围绕研发设计、生产制造、运营服务等环节建设一批工业互联网专业化中试中心，形成从技术适配到现场验证的完整能力。
• 找准路径：坚持分业推进，从重点行业的关键场景率先突破，形成可复制的验证规范。
• 用好机制：探索先用后转、资产单列管理等改革举措，完善成果转化收益分配机制，形成需求牵引、技术突破、场景验证、产业应用的快速迭代闭环。

深化工业智能体创新应用，抢抓智能变革机遇

工业应用场景呈现从设备感知执行、产线控制、车间调度、企业运营到供应链协同的分层架构，越往底层对低时延、高可靠性和确定性的要求越高。这决定了人工智能在工业中的部署需要分层分级推进，云端大模型与边缘侧专业模型各司其职、协同配合。当前，工业互联网融合应用已实现41个工业大类全覆盖，应用场景由外围环节向研发、检测、生产等核心环节延伸，但仍面临通用模型可靠性不足、边缘端实时推理延迟、大小模型协同效率不高等制约。

《实施意见》部署开展工业领域大模型和特定场景小模型的训练，开发模型互联接口，提升协同效率，加快工业智能体推广，增强工业系统的智能感知与决策执行能力。工业智能体涉及大模型、具身智能、多模态感知等多个前沿方向，是国家人工智能科技创新布局的重点领域。

工业智能体是人工智能走向工业核心环节的关键载体。

• 突破核心技术：强化云端大模型与边缘小模型的协同能力，推动模型互联接口标准化，降低协同推理时延，提升模型在工业场景下的可靠性和可解释性。
• 深化场景应用：聚焦创成式设计、生产网络优化、设备预测性维护等高价值场景率先突破，以场景成效牵引技术迭代。

推动国家战略科技力量协同产学研各方，围绕工业智能体形成创新合力，推动工业智能体从试点示范走向规模化部署。

健全工业安全治理体系，守牢安全发展底线

工业互联网的广泛应用打破了传统物理隔离，人工智能在创造价值的同时，也带来了数据投毒、模型幻觉、对抗攻击等新型风险，已超出传统网络和数据安全的范畴。面向大模型在工业领域加速落地的新形势，模型安全、算法偏见、决策可解释性等治理难题日益凸显，现有安全治理框架尚不能完全覆盖人工智能在工业场景中的特殊风险，破解这些难题离不开安全技术与治理规范的协同推进。

《实施意见》提出加强数据分类分级管理和安全防护，建立健全工业网络和数据安全技术能力，增强安全保障能力。

安全是工业发展的生命线，也是人工智能赋能新型工业化不可逾越的底线。

• 管得住：推动建立人工智能应用分类分级和安全评估制度，将人工智能安全纳入企业网络和数据安全责任制。
• 防得严：通过检索增强生成、知识图谱约束等方法降低模型幻觉风险，强化对训练数据投毒、对抗样本攻击等新型威胁的检测防御能力。
• 兜得牢：实施工控网络与人工智能应用网络分区隔离，建立边缘节点熔断机制，确保单一智能模块失效不影响整条产线运行。

推动形成覆盖网络安全、数据安全、模型安全、应用安全的完整保障体系，确保人工智能在工业领域安全可靠、可信可控。

加强复合型人才队伍建设，夯实要素资源支撑

人才是第一资源。人工智能与工业互联网的跨界融合对人才的知识结构和能力素质提出了新要求，既需要精通算法、算力、数据等技术，又需要熟悉工业机理、工艺流程和行业知识。当前，这类复合型人才供给不足，传统学科划分将信息技术与工业工程割裂，人才评价体系尚不能完全适应交叉领域人才的成长规律。

《实施意见》从学科设置、人才培养、职业标准、平台建设等方面作出系统安排，提出优化工业互联网学科专业布局，培育一批工业互联网领域科技人才和创新团队，持续完善工业互联网相关职业国家标准，壮大数字技术工程师人才队伍。

面向工业互联网高质量发展需求，加强人才队伍建设。

• 引得进：依托国家人才项目，加大对工业人工智能领域战略科学家、领军人才和创新团队的引进力度。
• 育得强：加强科教协同育人，推动高校布局新兴交叉学科，依托重大科技任务和创新平台在实战中培养造就复合型人才。
• 用得好：建立以创新能力、质量、实效、贡献为导向的人才分类评价体系，完善科研人员到产业一线双向流动机制，为人工智能与工业互联网深度融合发展提供坚实的智力支撑。

（上海人工智能实验室主任、首席科学家 周伯文）

相关文章