深化人工智能與工業互聯網融合應用　一體推進新型工業化

　　近日，工業和信息化部等八部門聯合印發《關于推動工業互聯網高質量發展的實施意見》（以下簡稱《實施意見》），圍繞基礎設施、技術供給、融合應用、安全保障、產業生態、要素資源六大方面，系統部署18項重點任務。落實《實施意見》，需要充分發揮國家戰略科技力量優勢，深化人工智能與工業互聯網融合應用，一體推進新型工業化。

　　強化技術產品供給　夯實工業互聯網發展根基

　　人工智能在工業領域的應用正從質量檢測、故障預警等外圍環節向工藝參數調優、生產調度決策、供應鏈協同等核心環節深度滲透。工業場景覆蓋從毫秒級確定性響應到跨域大規模調度的全譜系需求，對精準性和可靠性有嚴格要求，推廣工業互聯網的融合應用，不能簡單移植消費互聯網的成熟方案，必須在基礎理論、算法架構、系統協同等層面實現原創性突破。當前，我國在核心工業軟件、高端傳感器、工控系統等關鍵環節仍存在短板，底層網絡技術性能瓶頸尚未完全突破，部分關鍵技術和產品對外依存度較高。

　　《實施意見》提出增強技術創新能力，深入實施工業互聯網創新發展工程，打造以蜂窩技術、IP技術為底座的新型工業網絡技術產品，推動工業軟件云化升級，加速建鏈延鏈。這些部署將攻關重點聚焦于底層網絡、核心軟件和前沿算法三大方向，著力破解制約產業發展的技術瓶頸。

　　關鍵核心技術是買不來、討不來的。要錨定方向，在新型工業網絡技術方向突破時間敏感網絡、工業確定性網絡等關鍵技術，深化“5G+工業互聯網”，加快構建自主可控的技術產品體系。要軟硬并重，在工業軟件核心技術方向推進計算機輔助設計、工程仿真、數字孿生等核心工業軟件的云化重構和人工智能賦能。要加強攻關，在工業智能前沿算法方向圍繞工業數據分布外泛化、小樣本學習等，突破輕量化高可靠模型構建、知識數據協同驅動等關鍵技術。發揮國家戰略科技力量有組織科研優勢，以國家重大科技項目為牽引，在基礎理論、核心算法、關鍵系統等方面形成系統性攻關合力，把技術命脈牢牢掌握在自己手中。

　　推進中試驗證與場景適配　打通成果轉化通道

　　科技成果從實驗室走向產業應用，中試驗證是必經環節。工業領域的中試驗證需在真實工況、連續運行、安全冗余等約束下完成技術熟化和適配驗證，實驗室環境難以模擬。據統計，經過中試的科技成果產業化成功率可達80％以上，未經中試的僅為30％左右。當前，我國在工業互聯網領域積累了一批自主技術成果，但從中試驗證到規模化應用之間仍存在斷層，大量創新成果停留在概念驗證階段，技術供給與產業需求之間的通道尚未完全貫通。

　　《實施意見》提出建設一批工業互聯網技術創新中試中心，開展創新技術在工業場景的適配驗證，加快新技術解決方案產業化推廣，加強工業互聯網知識產權保護、運用和服務，推動專利技術產業化，著力構建從技術原型到產業應用的完整通道。

　　中試驗證是科技成果從實驗室走向生產線的橋梁。要建好平臺，圍繞研發設計、生產制造、運營服務等環節建設一批工業互聯網專業化中試中心，形成從技術適配到現場驗證的完整能力。要找準路徑，堅持分業推進，從重點行業的關鍵場景率先突破，形成可復制的驗證規范。要用好機制，探索先用后轉、資產單列管理等改革舉措，完善成果轉化收益分配機制，形成需求牽引、技術突破、場景驗證、產業應用的快速迭代閉環。

　　深化工業智能體創新應用　搶抓智能變革機遇

　　工業應用場景呈現從設備感知執行、產線控制、車間調度、企業運營到供應鏈協同的分層架構，越往底層對低時延、高可靠性和確定性的要求越高。這決定了人工智能在工業中的部署需要分層分級推進，云端大模型與邊緣側專業模型各司其職、協同配合。當前，工業互聯網融合應用已實現41個工業大類全覆蓋，應用場景由外圍環節向研發、檢測、生產等核心環節延伸，但仍面臨通用模型可靠性不足、邊緣端實時推理延遲、大小模型協同效率不高等制約。

　　《實施意見》部署開展工業領域大模型和特定場景小模型的訓練，開發模型互聯接口，提升協同效率，加快工業智能體推廣，增強工業系統的智能感知與決策執行能力。工業智能體涉及大模型、具身智能、多模態感知等多個前沿方向，是國家人工智能科技創新布局的重點領域。

　　工業智能體是人工智能走向工業核心環節的關鍵載體。要突破核心技術，強化云端大模型與邊緣小模型的協同能力，推動模型互聯接口標準化，降低協同推理時延，提升模型在工業場景下的可靠性和可解釋性。要深化場景應用，聚焦創成式設計、生產網絡優化、設備預測性維護等高價值場景率先突破，以場景成效牽引技術迭代。推動國家戰略科技力量協同產學研各方，圍繞工業智能體形成創新合力，推動工業智能體從試點示范走向規模化部署。

　　健全工業安全治理體系　守牢安全發展底線

　　工業互聯網的廣泛應用打破了傳統物理隔離，人工智能在創造價值的同時，也帶來了數據投毒、模型幻覺、對抗攻擊等新型風險，已超出傳統網絡和數據安全的范疇。面向大模型在工業領域加速落地的新形勢，模型安全、算法偏見、決策可解釋性等治理難題日益凸顯，現有安全治理框架尚不能完全覆蓋人工智能在工業場景中的特殊風險，破解這些難題離不開安全技術與治理規范的協同推進。

　　《實施意見》提出加強數據分類分級管理和安全防護，建立健全工業網絡和數據安全技術能力，增強安全保障能力。

　　安全是工業發展的生命線，也是人工智能賦能新型工業化不可逾越的底線。要管得住，推動建立人工智能應用分類分級和安全評估制度，將人工智能安全納入企業網絡和數據安全責任制。要防得嚴，通過檢索增強生成、知識圖譜約束等方法降低模型幻覺風險，強化對訓練數據投毒、對抗樣本攻擊等新型威脅的檢測防御能力。要兜得牢，實施工控網絡與人工智能應用網絡分區隔離，建立邊緣節點熔斷機制，確保單一智能模塊失效不影響整條產線運行。推動形成覆蓋網絡安全、數據安全、模型安全、應用安全的完整保障體系，確保人工智能在工業領域安全可靠、可信可控。

　　加強復合型人才隊伍建設　夯實要素資源支撐

　　人才是第一資源。人工智能與工業互聯網的跨界融合對人才的知識結構和能力素質提出了新要求，既需要精通算法、算力、數據等技術，又需要熟悉工業機理、工藝流程和行業知識。當前，這類復合型人才供給不足，傳統學科劃分將信息技術與工業工程割裂，人才評價體系尚不能完全適應交叉領域人才的成長規律。

　　《實施意見》從學科設置、人才培養、職業標準、平臺建設等方面作出系統安排，提出優化工業互聯網學科專業布局，培育一批工業互聯網領域科技人才和創新團隊，持續完善工業互聯網相關職業國家標準，壯大數字技術工程師人才隊伍。

　　面向工業互聯網高質量發展需求，加強人才隊伍建設。要引得進，依托國家人才項目，加大對工業人工智能領域戰略科學家、領軍人才和創新團隊的引進力度。要育得強，加強科教協同育人，推動高校布局新興交叉學科，依托重大科技任務和創新平臺在實戰中培養造就復合型人才。要用得好，建立以創新能力、質量、實效、貢獻為導向的人才分類評價體系，完善科研人員到產業一線雙向流動機制，為人工智能與工業互聯網深度融合發展提供堅實的智力支撐。（上海人工智能實驗室主任、首席科學家　周伯文）

來源：人民郵電報