核心产业规模超1.6万亿元——
工业互联网发展迎来新机遇(锐财经)
工业互联网一头连着制造强国建设，一头连着网络强国建设，是实体经济和数字经济深度融合的关键底座，是推进新型工业化的重要基础设施。近年来，在政产学研用各方协同推进下，工业互联网发展取得积极成效，迈入高质量发展和规模化应用新阶段。近期，多位业内人士表示，随着《关于推动工业互联网高质量发展的实施意见》等一系列举措出台实施，工业互联网发展有望迎来新机遇。
数字化转型步伐加快
设备参数实时采集、AGV小车灵活穿梭、智能摄像机高速质检……工厂车间数字化水平不断提升，离不开工业互联网的支持。
工业和信息化部相关数据显示，我国工业互联网应用已覆盖41个工业大类、185个工业中类。工业互联网核心产业规模超1.6万亿元，带动工业增加值增长约2.5万亿元，“5G+工业互联网”项目数超2.5万个，标识注册总量超7400亿个，国家工业互联网大数据中心汇聚工业数据超17亿条。同时，工业互联网产业联盟汇聚超过2800家单位，成为全球该领域规模最大的产业生态组织。
随着工业互联网的快速发展，工业企业数字化转型步伐在加快。
在辽宁，鞍钢集团积极推进信息通信技术与企业全流程、全场景、全链条深度融合。其中，齐大山铁矿建成一体化智慧管控平台，在国内率先实现冶金露天矿山全流程智能化开采与管控，铁精矿完全成本降低17%。
在江西，金虎保险设备集团有限公司全面消除车间主要生产设备的数据“信息孤岛”，打造金属家具行业“5G+工业互联网”平台，协同带动产业链上下游企业和合作伙伴进行数字化转型。部门间生产信息传递效率提高了50%，工艺标准化程度提高了18%。
工业和信息化部信息通信管理局相关负责人说，当前，新一轮科技革命和产业变革深入发展，人工智能、5G/5G-A、算力网络等技术广泛深入经济社会各领域，制造业数智化转型步伐不断加快，工业互联网发展迎来新机遇。
与人工智能融合赋能
人工智能工业应用对工业互联网网络互联、数据汇聚、资源配置等能力提出了新要求。在中国信息通信研究院主办的“2026工业互联网大会”上，多位专家学者围绕人工智能与工业互联网的融合赋能进行了探讨。
中国工程院院士钱锋说，要依托工业互联网搭建工业大脑，构建集制造全生命周期生产要素于一体的生产制造具身智能系统，支撑产业链供应链价值链协同优化、生产要素创新性配置、制造过程实时精准调控、生产安全环保智慧运维、新产品新材料智能设计等，以此培育新质生产力，助推制造业数智化转型与高质量发展。人工智能与工业互联网深度融合，正加速孕育数据驱动、智能协同、虚实融生的新型工业经济形态。
中国信息通信研究院工业互联网与物联网研究所副所长谢家贵认为，现阶段工业互联网已不再单纯是跨设备、跨厂区的连接网络，而是逐步升级为承载全行业工业知识、运行工业智能应用的新型数字底座，而工业AI大模型正是驱动底座价值释放的核心智能引擎，为制造业柔性生产、智能运维、质量管控、供应链优化开辟全新路径。
工业和信息化部等8部门近日印发的《关于推动工业互联网高质量发展的实施意见》明确就“深化人工智能与工业互联网融合应用”作出部署。“一方面，发挥工业互联网泛在互联、数据汇聚关键作用，加强工业高质量数据集供给，推动端边云多层级算力动态协同，加快模型训练互联和工业智能体推广。另一方面，基于人工智能自感知、自学习、自执行等技术优势，提升工业互联网基础设施发展水平，增强工业系统的智能感知与决策执行能力，加快形成创成式设计、生产网络优化等新应用。”工业和信息化部信息通信管理局相关负责人说。
激发更大增长潜能
数据显示，1至5月，我国规模以上互联网和相关服务企业完成互联网业务收入8749亿元，同比增长10.4%。在实践中，工业互联网与人工智能的融合发展正激发更大增长潜能。
“工业智能体应用现阶段主要聚焦流程规范、高频协同、知识密集、风险相对可控的环节，利用智能体感知、决策、执行的一体化能力，辅助工程与管理人员处理复杂信息、调用知识工具、形成专业判断，实现高效的流程自主执行与辅助综合决策。”中国信息通信研究院信息化与工业化融合研究所副所长田洪川说，“工业互联网平台+AI”的新型解决方案加快涌现，卡奥斯、浪潮云洲等企业正探索推动平台能力从连接、汇聚、管理向知识沉淀、任务编排和智能优化演进。
田洪川说，应推动单点智能应用向多智能体任务分解、工具调用、流程协作和闭环优化升级，提升复杂生产系统自主运行能力。推动制造资源在线组织、生产过程智能调度、产业链供应链协同响应，形成以数据驱动、模型支撑、智能协同为特征的新型制造范式。
伴随工业互联网发展，信息安全需求持续提升。“国内通用大模型的高速迭代，持续推动各行业垂域大模型的落地深耕，而工业安全垂域大模型具备极强的行业专属属性，必须深耕工业场景、贴合工业生产特性，具备工业环境原生理解能力与工业安全专属认知、智能决策能力。”杭州安恒信息技术股份有限公司相关负责人说，应通过持续场景落地验证、细分领域能力拓展、技术自主迭代优化，逐步完善模型能力，适配不同工业场景的差异化安全需求。
