当前，数字化转型正从“单点应用”迈向“系统重构”。工业领域，工业互联网为设备互联、数据汇聚和业务协同提供基础，而人工智能在感知、预测、优化与决策上具备优势，两者融合有望提升制造体系的韧性与效率。但从实践看，一些行业仍存网络能力与业务需求不匹配、数据质量与可用性不足、模型难以跨场景复用、解决方案碎片化等问题，制约了融合赋能的规模化释放。 问题的表象，根源在底层能力与要素供给。首先，工业现场对通信提出高通量、低时延、高可靠、低抖动的要求，传统网络在部分复杂工况下难以稳定支撑“实时控制+边缘计算+云端协同”的组合应用。其次，工业数据具有分散在端侧、格式多样、语义不统一等特点，数据治理和标注成本高、共享机制不健全，导致“有数据但难以用、能训练但难落地”。再次，工业知识沉淀在工艺、设备与管理流程中——行业差异显著——通用模型迁移到具体产线往往需要二次开发与长期调优，缺少可复制、可推广的标准化路径。最后，产业生态仍需完善，供需对接不够顺畅，中小企业在资金、人才和改造周期上承受能力有限，影响整体推进速度。 鉴于此，工信部印发行动方案，意在以政策牵引打通“网络—数据—模型—应用—生态”链条，加快形成可持续的融合发展机制。方案明确到2028年推动不少于5万家企业实施新型工业网络改造升级，并在20个重点行业打造高质量数据集，表达出两个关键信号：其一，以新型工业网络为基础底座，优先解决现场连接与实时性短板，为工业智能应用提供稳定“跑道”；其二，以高质量数据集为牵引，补齐工业数据供给与治理能力，推动算法模型更好适配产业需求，避免“算力、算法强而数据弱”的结构性矛盾。 从影响看，融合赋能将对重点行业产生连锁效应。一上，面向原材料、装备制造、消费品、电子信息等领域，企业加快部署应用后，设备预测性维护、质量线检测、能耗优化、柔性排产等场景将更易规模推广，有望提升良品率、降低停机损失、缩短交付周期。另一上，围绕重点产业链关键环节与典型场景培育智能化解决方案供应商，将增强产业链配套能力，带动上下游协同升级，推动形成“龙头企业牵引、平台企业支撑、专精特新补位”的分工格局。此外，重点企业、技术产品、公共服务等要素资源的高效配置，有助于降低中小企业试错成本，提升政策落地的覆盖面与均衡性。 对策层面，行动方案提出实施基础底座升级、数据模型互通、应用模式焕新、产业生态融通等四大行动，强调从体系化建设入手推进融合发展。基础底座升级，关键在于加快满足工业应用通信需求的新型工业网络规模化部署，推动现场连接、边缘算力与云平台协同，提升网络稳定性与确定性。数据模型互通，重在围绕行业共性需求建设高质量数据集，推动数据标准、接口规范与语义体系逐步统一，提升数据可流通、可共享、可复用能力。应用模式焕新，指向典型场景的工程化落地，通过可验证、可复制的解决方案模板，推动从“试点示范”走向“批量应用”。产业生态融通，则着眼供给侧能力建设与服务体系完善，通过培育解决方案供应商、强化公共服务平台支撑、促进大中小企业协作，形成创新链与产业链同向发力的良性循环。 展望未来，到2028年有关目标的实现，将使工业互联网与人工智能融合发展进入“规模化、体系化、深水区”阶段。随着网络能力提升、数据集建设推进和解决方案供给增强，制造业数字化转型将从局部优化转向全流程协同，从经验驱动转向数据驱动，从单厂智能化迈向产业链联动。可以预期，围绕高端装备、关键材料、电子信息等领域的“卡点”“堵点”，融合应用将在提质降本增效之外，更服务安全生产、绿色低碳和供应链韧性建设，形成面向高质量发展的新动能。
工业互联网与人工智能的深度融合是制造业高质量发展的关键路径；此次行动方案的实施既针对当前短板，也为未来竞争力布局。在技术和政策的双重推动下，中国制造业有望在全球价值链中占据更有利地位。