工業(yè)互聯(lián)網(wǎng)與人工智能融合創(chuàng)新 解鎖新型工業(yè)化

人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，具有溢出帶動性很強(qiáng)的“頭雁”效應(yīng)。當(dāng)前，我國工業(yè)互聯(lián)網(wǎng)正邁入規(guī)?；l(fā)展的新階段，人工智能與工業(yè)互聯(lián)網(wǎng)深度融合，能夠大幅提高生產(chǎn)效率、優(yōu)化資源配置、降低生產(chǎn)成本，可進(jìn)一步加速工業(yè)體系向高端化、智能化、綠色化邁進(jìn)，為新型工業(yè)化發(fā)展提供強(qiáng)大的技術(shù)支持和動力。

相輔相成，相得益彰

工業(yè)互聯(lián)網(wǎng)為人工智能創(chuàng)造廣泛的應(yīng)用場景和數(shù)據(jù)基礎(chǔ)，人工智能也為工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展賦智，形成協(xié)同發(fā)展、雙向促進(jìn)的格局。二者的融合對推進(jìn)新型工業(yè)化、建設(shè)現(xiàn)代化產(chǎn)業(yè)體系、構(gòu)建新發(fā)展格局意義重大。

工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)基礎(chǔ)不斷完善。我國工業(yè)互聯(lián)網(wǎng)核心產(chǎn)業(yè)增加值規(guī)模已達(dá)到1.35萬億元。在基礎(chǔ)設(shè)施層面，工業(yè)互聯(lián)網(wǎng)基礎(chǔ)設(shè)施建設(shè)不斷強(qiáng)化，截至2024年7月，我國5G基站達(dá)399.6萬個，90%實(shí)現(xiàn)共建共享。在關(guān)鍵技術(shù)層面，5G核心網(wǎng)、定制化基站等實(shí)現(xiàn)商用，推動5G工業(yè)網(wǎng)關(guān)、巡檢機(jī)器人等終端創(chuàng)新。在應(yīng)用賦能層面，超過270家綜合型、特色型、專業(yè)型平臺涌現(xiàn)，跨行業(yè)工業(yè)互聯(lián)網(wǎng)平臺達(dá)50個，承載大量工業(yè)機(jī)理模型。在合作生態(tài)方面，5G已融入71個國民經(jīng)濟(jì)大類，應(yīng)用案例超過9.4萬個。工業(yè)互聯(lián)網(wǎng)圍繞全產(chǎn)業(yè)鏈、全價值鏈、全要素的全面“鏈接”，構(gòu)建新一代信息技術(shù)賦能制造業(yè)的新生態(tài)，強(qiáng)調(diào)海量生產(chǎn)要素的互聯(lián)互通、運(yùn)行數(shù)據(jù)的價值挖掘和工業(yè)知識的沉淀復(fù)用，為大模型的應(yīng)用提供了“天然土壤”。

人工智能技術(shù)產(chǎn)業(yè)蓬勃發(fā)展。今年以來，我國人工智能賦能新型工業(yè)化取得了積極成效，典型產(chǎn)品加速迭代，場景應(yīng)用加快落地。算力基礎(chǔ)設(shè)施加快布局，云算、智算、超算、量算等協(xié)同發(fā)展，10余個高性能智算中心得以規(guī)劃建設(shè)，算力供給結(jié)構(gòu)不斷優(yōu)化，算力規(guī)模位居全球第二。算法創(chuàng)新水平穩(wěn)步提升。以大模型為代表的通用人工智能技術(shù)蓬勃發(fā)展，自主研制的智能芯片、開發(fā)框架、通用大模型等創(chuàng)新成果加速涌現(xiàn)，人工智能企業(yè)數(shù)量超過4500家，我國涌現(xiàn)出一批準(zhǔn)確性高、穩(wěn)定性強(qiáng)的大模型?！度斯ぶ悄艽竽Ｐ凸I(yè)應(yīng)用準(zhǔn)確性測評報告》顯示，截至2024年8月，以通義千問為代表的國內(nèi)多款大模型能力接近GPT-4o，工業(yè)知識問答等場景已經(jīng)具備較高的應(yīng)用成熟度。工業(yè)數(shù)據(jù)訓(xùn)練語料不斷豐富，大模型訓(xùn)練語料已在電力、裝備、石化、汽車、日常消費(fèi)品等領(lǐng)域率先實(shí)現(xiàn)匯聚，在研發(fā)設(shè)計、生產(chǎn)制造、運(yùn)營管理、營銷服務(wù)等制造業(yè)全流程中開展應(yīng)用。中國工業(yè)互聯(lián)網(wǎng)研究院面向八大工業(yè)重點(diǎn)行業(yè)，目前已收集了10萬余條工業(yè)知識問答數(shù)據(jù)，形成了工業(yè)語料庫，支撐了大模型在工業(yè)領(lǐng)域的高效微調(diào)，加速工業(yè)互聯(lián)網(wǎng)應(yīng)用落地。

融合應(yīng)用，成效初顯

重塑技術(shù)研發(fā)模式，強(qiáng)化數(shù)字設(shè)計能力。在工業(yè)控制領(lǐng)域，某汽車制造商聯(lián)合設(shè)備制造商打造的智能大模型，內(nèi)嵌于汽車工業(yè)機(jī)器人等生產(chǎn)設(shè)備，實(shí)現(xiàn)自動化編程與控制，大幅減少停機(jī)時間，生產(chǎn)效率提高30%。在工業(yè)設(shè)計領(lǐng)域，中國商飛利用智能建模仿真和模擬預(yù)測技術(shù)，優(yōu)化了大型客機(jī)的研發(fā)流程，通過數(shù)字化設(shè)計和虛擬仿真，降低了試錯成本，加快了產(chǎn)品開發(fā)進(jìn)程。

升級人機(jī)交互方式，提升人機(jī)協(xié)同水平。在人機(jī)交互層面，多模態(tài)交互系統(tǒng)逐漸成為主流，語音、圖像和觸控等多種交互方式正在融入。洛克希德·馬丁公司采用微軟的HoloLens混合現(xiàn)實(shí)技術(shù)，輔助工人進(jìn)行航天器的組裝，將生產(chǎn)效率提高了50%，培訓(xùn)時間縮短了85%。在具身智能層面，基于人工智能和大模型技術(shù)，新一代工業(yè)機(jī)器人正在引領(lǐng)制造業(yè)的變革，近期發(fā)布的“領(lǐng)航者2號”機(jī)器人采用了大模型結(jié)合強(qiáng)化學(xué)習(xí)的決策規(guī)劃框架，具備與人類接近的導(dǎo)航能力。

優(yōu)化數(shù)據(jù)決策鏈路，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動運(yùn)營。在生產(chǎn)層面，鞍山鋼鐵針對高爐煉鐵環(huán)節(jié)，建立煤氣智能平衡系統(tǒng)，對高爐產(chǎn)氣、管網(wǎng)波動、異常狀態(tài)等進(jìn)行預(yù)測，形成輔助調(diào)度策略，對煤氣管網(wǎng)進(jìn)行精細(xì)化管理，每年實(shí)現(xiàn)直接經(jīng)濟(jì)價值千余萬元。在運(yùn)營層面，中鐵裝備研發(fā)了智能倉儲物流協(xié)作設(shè)計平臺，通過資源統(tǒng)一管理，將制造工期由5個月縮短至3個月，效率提升40%。

提升質(zhì)檢和運(yùn)維效率，強(qiáng)化精準(zhǔn)質(zhì)量管控。在質(zhì)檢層面，寶馬通過自研工業(yè)AI云平臺，構(gòu)建了通用發(fā)動機(jī)質(zhì)檢應(yīng)用底座，實(shí)現(xiàn)了發(fā)動機(jī)產(chǎn)品檢測全程“無人化”作業(yè)和誤檢率“自學(xué)習(xí)”模式，節(jié)省檢測工位70%，缺陷識別率達(dá)到99.86%。在運(yùn)維層面，中車集團(tuán)以工業(yè)互聯(lián)網(wǎng)技術(shù)為基礎(chǔ)，采集車輛設(shè)計制造數(shù)據(jù)、在線運(yùn)營數(shù)據(jù)等，應(yīng)用智能算法實(shí)現(xiàn)車輛故障診斷與預(yù)測，日檢工作量減少30%，部件利用率提升15%。

定制化生產(chǎn)和柔性制造，滿足多樣化市場需求。隨著市場需求的多樣化和個性化趨勢日益顯著，傳統(tǒng)的大規(guī)模標(biāo)準(zhǔn)化生產(chǎn)模式已難以滿足用戶需求。針對3C、汽車等制造行業(yè)生產(chǎn)物料復(fù)雜、規(guī)格多樣等痛點(diǎn)，京東物流推出柔性線邊物流解決方案，研發(fā)多款物流機(jī)器人和云端柔性線邊物流管控平臺，通過物聯(lián)網(wǎng)、云計算等技術(shù)實(shí)現(xiàn)機(jī)器人智能調(diào)度、算法集成和數(shù)據(jù)管控，引入仿真技術(shù)和大數(shù)據(jù)算法實(shí)現(xiàn)管理精益化。

融合發(fā)展，挑戰(zhàn)猶存

在技術(shù)集成上，工業(yè)互聯(lián)網(wǎng)和人工智能的結(jié)合需要以高度的技術(shù)集成和大量的技術(shù)創(chuàng)新為基礎(chǔ)，包括硬件和軟件的融合、數(shù)據(jù)管理、網(wǎng)絡(luò)安全及系統(tǒng)集成等。而工業(yè)場景碎片化特點(diǎn)較為突出，技術(shù)供應(yīng)商往往需要根據(jù)行業(yè)特點(diǎn)甚至單一廠商的特點(diǎn)進(jìn)行工業(yè)大模型研發(fā)和適配，將“通用大模型”轉(zhuǎn)化為“專用大模型”仍存在“最后一公里”的問題。同時，在高端技術(shù)層面，“缺芯少魂”的問題依然影響發(fā)展。我國高性能芯片對外依賴嚴(yán)重，高端智能算力供給不足，原創(chuàng)算法薄弱，底層框架、基礎(chǔ)算法與美國仍存在2到3年的動態(tài)差距。

在數(shù)據(jù)管理上，我國工業(yè)體系龐大，數(shù)據(jù)結(jié)構(gòu)多樣，數(shù)據(jù)間關(guān)聯(lián)性和復(fù)雜度高，數(shù)據(jù)質(zhì)量參差不齊。一方面，目前工業(yè)大模型標(biāo)準(zhǔn)體系尚不健全，導(dǎo)致不同企業(yè)之間的數(shù)據(jù)難以互通互認(rèn)，對工業(yè)大模型的訓(xùn)練和應(yīng)用造成制約。另一方面，如何在確保數(shù)據(jù)的安全和隱私，防止數(shù)據(jù)泄露和濫用的前提下，實(shí)現(xiàn)數(shù)據(jù)要素流通也是一個需要長期關(guān)注的問題。

在應(yīng)用推廣上，制造企業(yè)因智能化改造回報周期長而望而卻步，不敢投；中小企業(yè)數(shù)字化基礎(chǔ)弱，專業(yè)人才匱乏，導(dǎo)致不會用人工智能技術(shù)；制造業(yè)場景眾多、生產(chǎn)流程差異大，智能化解決方案復(fù)用性較差，人工智能企業(yè)缺乏工業(yè)經(jīng)驗(yàn)，形成供需不匹配難題。同時，我國人工智能核心技術(shù)研發(fā)、行業(yè)應(yīng)用等領(lǐng)域的投資分別約為美國的1/5和1/20，頂尖人才數(shù)僅為美國的1/5，高端復(fù)合型人才、產(chǎn)業(yè)實(shí)用技能人才嚴(yán)重短缺。

推進(jìn)融合發(fā)展提速的四點(diǎn)建議

一是強(qiáng)化人工智能技術(shù)基礎(chǔ)，加速高智能大模型研發(fā)。加快關(guān)鍵核心技術(shù)攻關(guān)，推進(jìn)智能芯片、算法、模型、框架等基礎(chǔ)性關(guān)鍵技術(shù)和產(chǎn)品的突破，提升智能算力供給水平。培育高智能大模型，加快打造具備全球競爭力的通用大模型，重點(diǎn)支持?jǐn)?shù)學(xué)定理證明、工程計算等領(lǐng)域的大模型研發(fā)。鼓勵自主研發(fā)和開源生態(tài)建設(shè)，引導(dǎo)科研機(jī)構(gòu)和企業(yè)堅持自主創(chuàng)新，構(gòu)建面向國產(chǎn)開源架構(gòu)的大模型開源生態(tài)，提升國內(nèi)高智能大模型的研發(fā)水平。

二是建設(shè)人工智能增強(qiáng)版工業(yè)互聯(lián)網(wǎng)平臺。打造AI增強(qiáng)版工業(yè)互聯(lián)網(wǎng)大數(shù)據(jù)中心，整合工業(yè)數(shù)據(jù)資源，解決數(shù)據(jù)流通難、標(biāo)準(zhǔn)不統(tǒng)一、質(zhì)量參差不齊等問題，構(gòu)建高質(zhì)量的行業(yè)語料庫和提示詞語料庫。建設(shè)行業(yè)大模型中試平臺，依托工業(yè)互聯(lián)網(wǎng)大數(shù)據(jù)分中心，搭建行業(yè)級模型訓(xùn)練庫，開展國產(chǎn)人工智能框架和芯片的適配測試，降低企業(yè)AI應(yīng)用開發(fā)門檻。強(qiáng)化算力和平臺供給，提升數(shù)據(jù)匯聚和分析能力，通過突破高端傳感器、邊緣計算設(shè)備等，增強(qiáng)工業(yè)互聯(lián)網(wǎng)平臺的數(shù)據(jù)匯聚、建模分析和知識復(fù)用能力，為工業(yè)智能應(yīng)用奠定基礎(chǔ)。

三是深化人工智能融合應(yīng)用，構(gòu)建協(xié)同發(fā)展新格局。加強(qiáng)產(chǎn)業(yè)協(xié)同，發(fā)揮人工智能領(lǐng)域領(lǐng)軍企業(yè)的生態(tài)整合作用，帶動“專精特新”中小企業(yè)提升智能解決方案供給能力，形成協(xié)同創(chuàng)新格局。打通供需壁壘，鼓勵行業(yè)龍頭企業(yè)開放資源和應(yīng)用場景，促進(jìn)通用大模型在工業(yè)領(lǐng)域的部署，加速研發(fā)、中試、生產(chǎn)、服務(wù)、管理等環(huán)節(jié)的智能化升級。構(gòu)建賦能聯(lián)合體，支持AI企業(yè)與制造業(yè)龍頭企業(yè)組建賦能聯(lián)合體，開展“深度行”活動，推動企業(yè)智能化升級。培育應(yīng)用生態(tài)，依托創(chuàng)新中心、公共服務(wù)平臺等載體，促進(jìn)大模型與工業(yè)場景的深度融合，打造一批典型應(yīng)用示范，壯大產(chǎn)業(yè)生態(tài)。

四是加強(qiáng)政策引導(dǎo)和數(shù)據(jù)安全保障，完善產(chǎn)業(yè)發(fā)展生態(tài)。完善頂層設(shè)計和資金引導(dǎo)機(jī)制，強(qiáng)化國家統(tǒng)籌協(xié)調(diào)，完善產(chǎn)業(yè)政策保障，設(shè)立人工智能產(chǎn)業(yè)投資基金，引導(dǎo)社會資本支持人工智能與制造業(yè)融合。建立標(biāo)準(zhǔn)化的工業(yè)大模型應(yīng)用評測體系。面向工業(yè)重點(diǎn)領(lǐng)域，構(gòu)建可實(shí)踐、可度量、可擴(kuò)展的評測基準(zhǔn)，構(gòu)建大模型工業(yè)應(yīng)用發(fā)展指數(shù)。支持工業(yè)企業(yè)聯(lián)合高校和科研院所搭建大模型測試環(huán)境，收集大模型工業(yè)應(yīng)用中的各類問題并迭代優(yōu)化，使模型可以逐漸適應(yīng)多樣化的工業(yè)場景。

中服云（www.cserver.com.cn）——長期致力于工業(yè)物聯(lián)網(wǎng)平臺及工業(yè)APP的研發(fā)和服務(wù)，工業(yè)物聯(lián)網(wǎng)技術(shù)業(yè)界領(lǐng)先。全力打造自動數(shù)據(jù)采集獲取技術(shù)+數(shù)據(jù)分析價值挖掘技術(shù)兩個核心技術(shù)，基于“平臺+APPS”的產(chǎn)品架構(gòu)思想。從數(shù)字化底座、到智能化生產(chǎn)、再到生產(chǎn)環(huán)境的智能化，形成了完整的“中服云”數(shù)智化產(chǎn)品品牌。致力于業(yè)務(wù)層和物理層的深度融合，從根本上解決智能化的核心問題。

審核編輯 黃宇