问题：制造业转型升级进入攻坚期，传统技术手段复杂系统优化、质量预测、设备维护、工艺控制等逐渐显得力不从心；此外，新一轮科技革命和产业变革加速推进，智能化正在成为重塑产业竞争力的关键因素。如何把人工智能的算法优势与工业互联网的连接优势结合起来，形成可复制、可推广的产业能力，成为推进新型工业化必须面对的现实课题。此次行动方案出台——聚焦产业迫切需求——推动两类关键技术体系协同发力，促使创新从单点突破走向系统集成。 原因：从技术逻辑看，人工智能要在工业现场“用得好”，离不开持续、真实、可追溯的工业数据；工业互联网要从“连起来”走向“智起来”，也需要智能算法提升对设备、产线和供应链的分析与决策能力。我国工业互联网已形成网络、标识、平台、数据、安全等体系基础，并覆盖全部工业大类，为数据采集、边缘计算和应用开发提供了支撑。但在不少企业，设备代际差异大、通信协议不统一、系统各自为政，数据难以贯通；工业数据标注依赖专业知识，成本高、周期长；工业场景差异明显，通用模型“拿来即用”效果有限，导致大模型落地面临“难泛化、难适配、难验证”等障碍。此外，工业智算供给、算力利用效率、模型工程化能力仍有短板，影响规模化应用进度。 影响：推动人工智能与工业互联网深度融合，关键在于把数据要素的价值落实到工厂、车间和供应链的具体流程中。一上，人工智能能够提升工业互联网平台的感知、分析与决策能力，工艺参数优化、产品质量检测、生产排程、能耗管理、安全风险预警等环节推动从经验驱动向数据驱动、模型驱动转变；另一上，工业互联网通过连接设备、汇聚数据、沉淀机理模型和知识经验，为人工智能提供“感官”“养料”和“作业场”，让算法真实场景中持续学习迭代。更重要的是，两者协同将带动研发设计、生产制造、运营维护、供应链协同等全流程优化，推动制造业提质增效、降本控险，并形成更可持续的技术与产业生态。从宏观层面看，这将有助于增强产业链供应链韧性，培育新质生产力，提升我国制造业在全球价值链中的竞争优势。 对策：释放融合赋能效应，需要在“强底座、通数据、促应用、立标准、育生态”上联合推进。其一，夯实智能化基础设施，推动工业互联网平台向智能化升级，提高工业智算供给能力和利用效率，强化边缘侧与云侧协同，提升复杂场景下的实时响应与稳定运行能力。其二，疏通数据流通堵点，围绕关键设备、关键工序、关键产线建立高质量数据采集与治理体系，在安全可控前提下推动异构数据联通共享，减少“数据孤岛”对模型训练和应用部署的影响。其三，以重点行业和重点产业链为突破口，鼓励企业在研发、制造、运维等环节开展可量化、可评估的融合应用，形成一批可复制的解决方案，带动中小企业“用得起、用得上、用得好”。其四，加快标准体系衔接和关键技术产品创新，推动工业通信芯片、工业传感器、工业控制系统等领域迭代升级，完善安全保障体系，为规模化推广提供制度与技术支撑。其五，推动产学研用协同和人才体系建设，提升模型工程化、工业机理融合与现场交付能力，避免“重模型、轻落地”。 前景：我国制造业增加值规模长期位居世界前列，并拥有规模大、水平较高的信息通信网络基础，为工业互联网与人工智能融合提供了广阔场景、数据资源与网络通道。随着行动方案落地见效，融合应用有望从示范试点走向规模化推广，从单一环节智能化延伸到全流程协同优化，从“设备互联”升级到“智能自治”。在这个过程中，数据治理能力、平台智能化水平、行业大模型的专业化与可验证性将成为竞争焦点。可以预见，围绕工业软件、工业模型、智能装备与安全体系的创新将加速涌现，推动中国制造在效率、质量、柔性与绿色低碳上形成新的综合优势。
人工智能与工业互联网的融合，不只是技术叠加，更是推动我国制造业高质量发展的重要选择。当前，全球制造业竞争格局加速调整，谁能更好把先进技术与工业实践结合起来，谁就更可能在新一轮产业竞争中占据主动。通过系统推进两者深度融合，聚焦解决工业数据、工业算力、工业模型等关键瓶颈，我国制造业有望从数字化连接迈向全面智能化，为建设制造强国和网络强国提供有力支撑。