近年来，制造业数字化转型进入深水区，工业现场从“设备联网”迈向“体系协同”，对网络、数据与应用的综合能力提出更高要求。工业互联网提供连接与平台底座，智能技术强化感知、分析与决策，两者融合被视为提升产业链韧性、促进新型工业化的重要路径。工业和信息化部近日印发《工业互联网和人工智能融合赋能行动方案》，针对四项行动部署重点任务，并提出到2028年网络、数据、应用、生态各上形成更强支撑能力。 问题于，当前不少企业在转型中仍面临“连得上、用不好”的痛点：一是工业现场通信环境复杂，实时控制、机器视觉、柔性生产等场景对高可靠、低时延、低抖动提出硬指标，传统网络改造成本高、收益周期长；二是工业数据存在分散、质量参差、口径不一等情况，跨系统、跨环节难以打通，限制了算法训练与规模化复制；三是应用侧仍以单点试验为主，缺少面向产业链关键环节的可复用解决方案，中小企业更易受制于资金、人才与供应商服务能力；四是生态要素配置效率不高，标准、平台、工具、服务资源分布不均，协同创新不足。 造成上述问题，既有技术因素也有管理与机制因素。从技术看，工业控制类业务对确定性网络和边缘算力要求高，网络架构升级需要与产线改造同步推进；数据上，工业数据涵盖设备、工艺、质量、能源、供应链等多源异构信息，缺乏统一治理规范与共享机制，导致“数据可用”不足；从管理看，一些企业数字化顶层设计不完善，数据资产意识薄弱，投入侧重硬件采购而忽视持续运营；从产业侧看，解决方案供给能力与行业需求之间仍存“最后一公里”，标准化产品与定制化需求之间的平衡尚未形成成熟模式。 行动方案的部署，直指网络、数据、应用、生态四个关键环节，有望推动融合从“试点示范”向“规模普及”迈进。在基础底座上，方案提出扩大满足工业应用高通量、低时延、高可靠、低抖动通信需求的新型工业网络规模，并推动不少于50000家企业实施网络改造升级。业内认为，这将为生产控制、设备预测性维护、质量线检测、数字化供应链等场景提供更稳定的底层支撑，降低应用落地的不确定性，推动企业从“信息化”向“智能化”升级。 在数据与模型互通上，方案强调完善工业数据汇聚、治理、流通、共享体系，并提出20个重点行业打造一批高质量数据集。高质量数据集不仅意味着数据规模，更强调标注规范、口径一致、可追溯和可迭代。面向行业共性场景形成数据“公共底座”，有利于提升模型训练效率与泛化能力，减少重复采集与重复开发成本，推动经验沉淀为可复制、可迁移的能力。对企业而言，数据治理能力的提升也将倒逼流程规范化，促进质量管理、能耗管理与安全管理的精细化。 在应用模式焕新与产业生态融通上，方案提出面向重点产业链关键环节、典型场景，培育一批智能化解决方案供应商，推动大中小企业协同升级，并强调重点企业、技术产品、公共服务等要素资源高效配置。以产业链视角看，链主企业对标准与场景具有牵引作用，专业化供应商提供工具与服务，中小企业通过模块化方案降低改造门槛，能够形成“需求牵引—供给响应—协同迭代”的良性循环。随着公共服务与开源生态、标准体系继续完善，行业有望从“项目制交付”逐步转向“产品化、平台化服务”，提高供给侧效率。 从影响看，方案落地将带来多重效应：其一，推动制造业提质降本增效，通过设备状态预测、工艺优化、质量缺陷识别等提升稳定性与良率；其二，促进产业链协同与韧性提升，数据贯通有助于缩短交付周期、优化库存与排产，增强对市场波动的响应；其三，带动新型工业网络、工业软件、边缘计算、工业数据服务等新业态成长，扩大高技能人才需求，推动形成新的增长点；其四，安全与合规上也提出更高要求，数据流通与共享必须与安全体系建设同步推进，确保工业生产的稳定可靠。 对策层面，业内建议各地各部门推进过程中把握好三点：一是以场景为牵引，优先在收益明确、可复制性强的场景形成标准化方案，避免“一哄而上”与重复建设；二是以数据治理为抓手，把数据标准、质量体系、权限管理和全流程追溯纳入企业数字化基础工程，推动数据资产化；三是以生态协同为路径，强化链主企业牵引作用，完善测试验证、评估认证、公共服务平台等能力，提升中小企业可获得性与可负担性。同时，网络升级与产线改造应统筹规划，建立可持续运营机制，确保投入转化为长期能力。 前景上，随着行动方案提出目标逐步推进，工业互联网与智能技术融合将从单一环节的“辅助决策”走向跨环节的“协同优化”，从局部工厂的“点状提升”走向产业链的“系统跃升”。到2028年，若新型工业网络规模持续扩大、高质量数据集重点行业形成示范效应，解决方案供给能力增强，我国制造业有望在柔性化生产、绿色低碳转型、质量一致性提升等上取得更显著进展，并为新型工业化提供更坚实的数字基础设施与数据资源支撑。
工业互联网与人工智能的浪潮势不可挡。此次《行动方案》的实施，既是应对当前挑战的务实之举，也是布局未来竞争力的关键一步。只有夯实数据基础、激发创新活力，才能在全球产业变革中占据主动。