推进人工智能与工业互联网深度融合 助力新型工业化进程

近期，工业和信息化部联合七部门共同发布《关于促进工业互联网高质量发展的指导意见》（简称《指导意见》），从基础设施、技术能力、融合实践、安全防护、产业生态和资源要素六个维度，全面规划18项核心任务。落实《指导意见》，需充分借助国家战略科技力量，加强人工智能与工业互联网的协同应用，协同推进新型工业化发展。

提升技术产品供应筑牢工业互联网基础

人工智能在工业场景的运用正从质检、预警等辅助环节向工艺优化、生产调度、供应链协调等关键领域深入拓展。工业环境涵盖从毫秒级精准响应到跨区域大规模管理的全范围需求，对准确度和稳定性有极高要求，扩展工业互联网的融合实践，不能直接照搬消费互联网的现成模式，必须在基础研究、算法设计、系统协作等层面取得原创进展。目前，我国在关键工业软件、先进传感器、工控系统等核心部分仍有不足，底层网络技术效能瓶颈尚未完全突破，部分重要技术和产品依赖外部供应。

《指导意见》明确提升技术研发实力，持续推进工业互联网创新项目，构建以蜂窝技术和IP技术为支撑的新型工业网络技术方案，加快工业软件云端转型，促进产业链延伸。这些规划将突破重点集中于底层网络、核心软件和先进算法三个方向，着力解决阻碍产业进步的技术难题。

关键核心技术无法依赖购买或索取。要明确目标，在新型工业网络技术领域攻克时间敏感网络、工业高确定性网络等核心科技，深化“5G+工业互联网”融合，加速建立自主可控的技术产品系统。要兼顾软件硬件，在工业软件核心技术方向推动计算机辅助设计、工程模拟、数字孪生等核心工业软件的云端重构和人工智能增强。要强化研发，在工业智能前沿算法方向针对工业数据分布泛化、小样本训练等，突破轻量高可靠模型构建、知识数据协同驱动等关键技术。发挥国家战略科技力量的组织化科研优势，以国家重大科技任务为引领，在基础理论、核心算法、关键系统等方面凝聚系统攻关合力，将技术主导权牢固掌握在自己手中。

加快中试验证与场景匹配畅通成果转化路径

科技成果从实验室转向产业应用，中试验证是不可或缺的步骤。工业领域的中试验证需在真实操作条件、持续运行、安全备份等限制下完成技术优化和适应性验证，实验室环境难以复制。据数据统计，经过中试的科技成果产业化成功率可超过80%，未经过中试的仅约30%。当前，我国在工业互联网方面积累了一批自主技术成果，但从中试验证到大规模推广之间仍有隔阂，许多创新成果停留在概念验证阶段，技术供给与产业需求之间的通道尚未完全打通。

《指导意见》提出设立一批工业互联网技术研发中试基地，开展创新技术在工业环境的适配测试，加速新技术解决方案产业化推广，强化工业互联网知识产权保护、运用和服务，促进专利技术产业化，努力构建从技术原型到产业应用的完整链条。

中试验证是科技成果从实验室迈向生产线的纽带。要完善平台，围绕研发设计、生产制造、运营服务等环节建设一批工业互联网专业中试基地，形成从技术适配到现场测试的全面能力。要明确路径，坚持分行业推进，从重点行业的关键场景先行突破，打造可推广的验证标准。要优化机制，探索先用后转、资产独立管理等创新举措，完善成果转化收益分配机制，构建需求驱动、技术突破、场景验证、产业应用的快速迭代闭环。

拓展工业智能体创新实践把握智能变革先机

工业应用场景展现从设备感知执行、产线控制、车间调度、企业运营到供应链协同的分层结构，越接近底层对低延迟、高可靠性和确定性的要求越高。这决定了人工智能在工业中的配置需分层分级进行，云端大模型与边缘侧专业模型各尽其责、协同运作。当前，工业互联网融合应用已覆盖全部41个工业大类，应用场景由辅助环节向研发、检测、生产等核心环节延伸，但仍面临通用模型可靠性欠缺、边缘端实时推理延迟、大小模型协同效能不足等限制。

《指导意见》部署开展工业领域大模型和特定场景小模型的训练，研发模型互联接口，提升协同效能，加速工业智能体推广，增强工业系统的智能感知与决策执行能力。工业智能体涵盖大模型、具身智能、多模态感知等多个前沿领域，是国家人工智能科技创新布局的重点方向。

工业智能体是人工智能深入工业核心环节的重要载体。要攻克核心技术，强化云端大模型与边缘小模型的协同能力，推动模型互联接口标准化，减少协同推理延迟，提升模型在工业环境下的可靠性和可解释性。要深化场景应用，聚焦创成式设计、生产网络优化、设备预测性维护等高价值场景率先突破，以场景成效驱动技术迭代。推动国家战略科技力量协同产学研各方，围绕工业智能体凝聚创新合力，促进工业智能体从试点示范走向规模化部署。

完善工业安全治理框架坚守安全发展红线

工业互联网的广泛运用打破了传统物理隔离，人工智能在创造效益的同时，也引入了数据污染、模型偏差、对抗攻击等新兴风险，已超越传统网络和数据安全的范围。面对大模型在工业领域加速部署的新态势，模型安全、算法偏见、决策可解释性等治理问题日益突出，现有安全治理框架尚不能完全覆盖人工智能在工业场景中的独特风险，解决这些难题需安全技术与治理规范的协同推进。

《指导意见》提出强化数据分类分级管理和安全防护，建立健全工业网络和数据安全技术能力，提升安全保障水平。

安全是工业进步的生命线，也是人工智能赋能新型工业化不可逾越的底线。要管控到位，推动建立人工智能应用分类分级和安全评估体系，将人工智能安全纳入企业网络和数据安全责任范围。要防御严密，通过检索增强生成、知识图谱约束等方法降低模型偏差风险，强化对训练数据污染、对抗样本攻击等新型威胁的检测防御能力。要保障稳固，实施工控网络与人工智能应用网络分区隔离，建立边缘节点熔断机制，确保单一智能模块失效不影响整条产线运行。推动形成覆盖网络安全、数据安全、模型安全、应用安全的全面保障体系，确保人工智能在工业领域安全可靠、可信可控。

强化复合型人才培育筑牢要素资源基础

人才是首要资源。人工智能与工业互联网的跨界融合对人才的知识结构和能力素质提出新挑战，既需掌握算法、算力、数据等技术，又需了解工业机理、工艺流程和行业知识。当前，这类复合型人才供应短缺，传统学科划分将信息技术与工业工程分离，人才评价体系尚不能完全适应交叉领域人才的成长模式。

《指导意见》从学科布局、人才培养、职业标准、平台建设等方面作出系统规划，提出优化工业互联网学科专业设置，培养一批工业互联网领域科技人才和创新团队，持续完善工业互联网相关职业国家标准，壮大数字技术工程师人才队伍。

面向工业互联网高质量发展需求，强化人才队伍建设。要吸引到位，依托国家人才项目，加大对工业人工智能领域战略科学家、领军人才和创新团队的引进力度。要培养到位，加强科教协同育人，推动高校设立新兴交叉学科，依托重大科技任务和创新平台在实践中培养造就复合型人才。要使用到位，建立以创新能力、质量、实效、贡献为导向的人才分类评价体系，完善科研人员到产业一线双向流动机制，为人工智能与工业互联网深度融合发展提供坚实的智力支撑。（上海人工智能实验室主任、首席科学家周伯文）