瞭望丨推动工业互联网高质量发展

◇工业互联网是做好信息化和工业化深度融合这篇大文章的战略抓手，是推进新型工业化的重要支撑，也是促进实体经济和数字经济深度融合的关键路径

◇工业体系具有“多元、分级、融合”的鲜明特征，决定了工业互联网规模化应用，需要立足系统性、立体化的演进逻辑。《实施意见》部署十八项重点任务，正是立足工业客观规律，从广度、深度和高度构建高质量发展的三维坐标体系

文 | 鲁春丛

工业互联网是做好信息化和工业化深度融合这篇大文章的战略抓手，是推进新型工业化的重要支撑，也是促进实体经济和数字经济深度融合的关键路径。

不久前，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实施意见》（以下简称《实施意见》），统筹布局政策、设施、技术、应用、生态五大体系，一体构建网络、标识、平台、数据、安全五大功能，以“五横五纵”的矩阵模式为我国工业互联网发展提供顶层指引。

下一步，准确把握《实施意见》的战略考量、核心亮点与重点方向，是推动政策落地见效的关键。

在位于江苏南通苏锡通园区的思格新能源南通智慧能源中心，这里的每一台关键设备都接入了工业互联网。图为机械臂在进行电池包—电芯模组捆扎作业（2026 年 7 月 24 日摄）陈晔华摄 / 本刊

顶层部署的战略考量

近年来，我国工业互联网快速发展，2025年核心产业规模超1.6万亿元，带动相关产业增加值超过3.9万亿元。当前，工业互联网迈入高质量发展新阶段，其内涵外延、发展重点发生较大变化。《实施意见》是立足多重现实需求、统筹长远战略考量作出的部署，主要基于以下三方面考虑。

巩固“建用结合”成效，筑牢高质量发展底座。“十四五”时期，我国工业互联网基础设施建设与行业融合应用快速推进。工业5G专网数超2.5万个，标识注册量超7400亿个，培育具有一定影响力的工业互联网平台超360家。融合应用实现41个工业大类全覆盖，重点行业关键工序数控化率达到68.6%。但对标高质量发展要求，细分行业覆盖面、核心环节渗透率以及关键技术产品的融合创新程度还存在不足。《实施意见》正是聚焦关键问题，以全局性、前瞻性、战略性政策体系引导工业互联网发展再上新台阶的战略选择。

抢抓人工智能机遇，激活高质量发展动能。近年来，我国人工智能爆发式成长，多款大模型性能快速突破，日均词元（Token）调用量已达数百万亿，推理数据量超过训练数据量，具身智能开启规模化商用。制造业是人工智能应用的主战场，2025年规上制造业企业人工智能技术应用普及率超30%，正加速转化为现实生产力。《实施意见》是深入实施“人工智能+”行动的具体举措，通过发挥工业互联网枢纽作用，将人工智能“关键变量”转化为制造业高质量发展“最大增量”，抢占新一轮科技革命和产业变革的发展制高点。

锚定新型工业化目标，强化高质量发展支撑。2025年我国制造业增加值达34.7万亿元，占全球近30%，已连续16年保持全球第一，拥有完整工业门类，大多数主要工业品产量世界第一。随着经济规模的不断增长，要在质量效益、驱动要素、业态模式等方面实现系统性领先，必须将增长的底层逻辑从规模扩张转向技术增值。工业互联网是推进新型工业化的重要基础设施，其发展应用水平很大程度上决定了制造业数字化的深度、网络化的广度和智能化的高度。《实施意见》能够更好地发挥我国完整产业体系和丰富应用场景独特优势，加快制造业智能化、绿色化、融合化发展，以工业互联网的全面应用、与时俱进更好赋能制造业转型升级。

三大维度构建坐标体系

工业体系具有“多元、分级、融合”的鲜明特征，决定了工业互联网规模化应用，需要立足系统性、立体化的演进逻辑。《实施意见》部署十八项重点任务，正是立足工业客观规律，从广度、深度和高度构建高质量发展的三维坐标体系。

在“更广范围”上普惠赋能，全面覆盖多元行业主体。在“更广范围”推动工业互联网创新发展，意味着要跨越行业、地域边界，实现更大范围的泛在互联，推动全产业链、全要素的普惠赋能。

我国拥有超600万家制造业企业，既有引领行业的龙头标杆，也有深耕细分领域的中小企业，不同行业、不同规模企业的工艺流程、转型痛点与数智化基础千差万别。工业经济运行具有极强的行业属性，专用性优于通用性、适配性高于先进性、场景约束强于通用标准，决定了单一的通用数智技术或标准化的解决方案难以在工业界“包打天下”，需要坚持“分业推进”，一个行业一个行业地做深做透。同时，面向重点产业链和先进制造业集群，发挥龙头企业、链主企业的生态主导力，用订单和效益驱动上下游企业“上云用数”；将网络设施、算力资源和公共服务一体化下沉至产业园区，打造区域样板。

为此，《实施意见》提出融合应用实现207个工业中类全覆盖，实施“链网协同”工程，推进中小企业数字化转型城市试点，提供“小快轻准”产品，打通消费互联网与工业互联网，向农牧业、商贸、医疗等领域延伸，并深化国际交流合作。

在“更深程度”上逐级推进，精准适配分级应用场景。在“更深程度”推动工业互联网创新发展，要求数智化能力真正扎根生产一线，全面融入生产控制、工艺优化和研发设计的核心环节。

工业应用场景呈现出从设备感知执行、产线控制、车间调度、企业运营、供应链协同到产业生态协同的“六级架构”。越往底层的生产控制环节走，对毫秒级低时延、高可靠性和绝对确定性的要求就越高。这就要求在推进工业互联网应用时，不能盲目追求数智技术的“大而全”、智能装备的“高而奢”，而是要与工业现场严谨的物理规律、工艺机理模型相适配。因此，需要构建“大小脑协同”的底层架构，以云端大模型作为“大脑”，负责复杂的统筹规划与逻辑推理，以边缘侧专业小模型作为“小脑”，保障精准执行与可靠控制。通过“数据+知识”的双轮驱动模式，有效化解深度学习算法“黑箱”带来的幻觉与不确定性风险。

为此，《实施意见》重点部署深化AI与工业互联网融合，支持大模型与特定场景小模型训练，加快工业智能体在创成式设计、人机交互、生产网络优化等场景的推广，并健全安全分类分级管理制度，实施“铸网”演练。

在“更高水平”上迭代创新，深度融合前沿技术知识。“更高水平”推动工业互联网创新发展，核心在于重构技术底座，以高能级的算力底座来支撑高水平的数智融合。

工业互联网向高水平演进，本质上是各种先进技术的跨界融合，尤其是加速信息技术（IT）、通信技术（CT）、控制技术（OT）和数据技术（DT）的“4T”深度融合，并注入“智能”这一关键变量。在技术融合的基础上，进一步实现知识的融合，将沉淀在老师傅头脑中、图纸文件里和生产过程中的隐性工业知识、经验与工艺进行模型化封装、软件化复用和价值化放大。通过推动“软件定义制造”与“软硬件解耦”，从底层重构互联规则，将工业经验转化为驱动产业升级的智能资产，推动制造模式从自动执行向自主决策跨越。这种前沿技术与工业知识的深度融合，对底层网络与算力提出了前所未有的要求。

对此，《实施意见》部署建设新型工业网络、实施标识贯通、构建工业算力网络、增强技术创新能力等任务，强调释放数据要素潜力，加强国家工业互联网大数据中心体系建设，并提出强化工业互联网标准体系建设，壮大跨界融合生态。

统筹推进六项重点工作

工业互联网是一项基础性、系统性、战略性、全局性的创新工程。通过总结产业实践经验，落实《实施意见》总体要求，发展工业互联网、实现数智化转型升级，需统筹开展好六方面的工作。

一是发展智能装备。推进存量老旧设备“唤醒”与升级，加装智能传感器与边缘网关，实现从被动维修向预测性维护跃升。集中攻克多模态感知融合、高精度运动控制等核心技术，研发AI芯片与智能视觉模组。抢抓具身智能机遇，推动高负载工业机器人及人形机器人在复杂装配、危险巡检等场景的先导应用。同时，加快工业软件AI原生化重构，推动传统研发设计软件向智能生成、智能仿真演进。

二是完善数智基础设施。打破传统五层架构，构建“端—边—云”扁平化网络，综合运用工业5G、确定性网络（TSN）等技术实现现场无缝覆盖，打造“智能基座”。统筹布局工业算力体系，按照“产业云行业部署、企业云按需部署、边缘云实时响应”思路打造“三云”协同智算能力。通过边缘云实现就近计算，企业云支撑智能决策，产业云提供大模型训练服务，保障全产业链跨域调度高效畅通。

三是推进要素互联。聚焦“人机料法环测”全要素泛在互联，破除设备壁垒，打破传统可编程逻辑控制器（PLC）“黑盒”模式，推行软件定义控制；打通协议壁垒，构建通用开放互操作架构与全互联通信中间件，屏蔽底层私有协议差异，实现异构设备即插即用；消除系统壁垒，构建标准化信息模型与工业语义字典，弥合业务系统间的语义断层，推动系统交互从“数字搬运”升级为“业务意图交互”。

四是建设高质量数据集。深入实施工业数据筑基行动，重点建设反映供需波动的“产业链数据集”、反映资源优化的“企业运营数据集”以及沉淀工艺经验的“企业生产数据集”。依托隐私计算、联邦学习等技术打造可信数据空间，在“数据物理不出域、可用不可见”前提下，探索分布式训练与收益分配新路径，破解企业数据“不敢供、不愿供”难题，全面激活数据资产价值。

五是发展工业智能体。坚持“找场景”与“造场景”并重，分层部署智能体应用。在研发设计环节部署“设计智能体”缩短研发周期，在中试验证环节部署“仿真智能体”压缩物理试车时间，在生产制造环节部署“生产控制智能体”实现质量闭环与柔性调度，在产业链环节部署“生态协同智能体”强化上下游协同。通过通用与专用智能体协同作战，形成“感知—决策—执行—反馈”全链路闭环。

六是构筑安全屏障。针对设备上云与AI控制带来的新型风险，构建全方位安全防护体系。管理机制上，制定企业AI应用分类分级与安全评估制度；基础防护上，实施工控网络与AI应用网络分区隔离，推行零信任架构与动态授权审计；系统提升上，建立边缘节点隔离与熔断机制，部署工业安全大模型辅助威胁检测，运用检索增强生成（RAG）等技术降低大模型“幻觉”，确保工业AI应用“为人所用、为人所控”。

（作者为中国工业互联网研究院院长）

来源：《瞭望》2026年第33期