当前，制造业数字化转型进入深水区，工业互联网加速向研发设计、生产制造、质量检测、供应链协同等核心环节延伸，对算力的需求呈现多样化、实时化和场景化特征。
在此背景下，工业和信息化部印发《工业互联网和人工智能融合赋能行动方案》，提出强化工业智能算力供给，加快构建全国一体化算力网络，推动智算云服务试点在工业领域应用推广，并强调在“云边端”协同、跨区域算力高效调用等方面提升能力，为工业智能化升级夯实底座。
从“问题”看，工业领域算力供需矛盾和结构性短板仍较突出。
一方面，企业在视觉质检、设备预测性维护、工艺优化、能耗管理等环节，对低时延、高可靠的边缘算力需求快速增长；另一方面，训练和推理所需的智能算力持续攀升，单个企业自建算力投入大、周期长、专业运维要求高，尤其是中小企业面临“用不起、用不好、用不稳”的现实困难。
同时，不同地区、不同算力中心之间的资源协同不足，算力跨域调度效率不高，导致部分区域紧张、部分区域闲置，影响整体利用率。
从“原因”分析，工业场景与互联网场景存在显著差异。
工业生产具有连续性强、容错率低、对安全与稳定要求高等特点，数据链路与应用系统往往跨设备、跨车间、跨企业，算力资源需要与产线节拍、设备协议、工控网络深度适配。
此外，工业数据存在分散、异构、质量参差等问题，只有将算力与数据采集、治理、传输、存储及安全体系同步建设，才能形成可复制、可扩展的智能化能力。
加之部分企业数字化基础薄弱、复合型人才不足，导致算力建设与应用落地脱节，出现“有算力没场景、上模型难运行”的情况。
从“影响”看，该行动方案以算力为关键抓手，将对工业互联网与人工智能融合发展产生多重带动效应。
其一，推动工业互联网与通算中心、智算中心、超算中心融合应用，有助于形成“按需供给、分层服务”的算力格局，既满足高端研发仿真、复杂优化等算力密集型任务，也支撑车间级实时决策与现场控制。
其二，鼓励公共算力服务商向工业企业提供服务，有利于降低企业获得智能算力的门槛，促进算力服务标准化、规模化，提升产业链整体数字化水平。
其三，引导部署边缘一体机、智能网关等设备，并在生产设备、传感器、无人运输车辆等端侧配置轻量化算力模块，将增强数据就地处理和实时响应能力，减少数据回传压力，提高生产效率与稳定性。
其四，推动工业大模型在跨区域算力高效调用和“云边端”精准匹配中普及应用，有望加快形成覆盖多行业、多工序的模型能力体系，提升工业智能应用的可用性与可迁移性。
从“对策”看，推进全国一体化算力网络在工业领域落地，需要在供给、调度、应用和安全等方面协同发力。
首先，要强化算力供给体系的分层建设，明确云端智算的训练能力、边缘算力的低时延保障能力和端侧算力的即时处理能力，形成与工业现场相适配的组合供给。
其次，要完善跨区域算力调度与服务机制，推动算力资源可计量、可编排、可交易，提升资源利用效率，减少重复建设。
再次，要以典型场景带动规模化应用，围绕质量检测、设备运维、生产排程、能耗优化等高价值场景，推动智算云服务试点形成可复制经验，并通过工业企业与设备供应商联合推进端侧设备智能化升级，增强从数据采集到模型推理的闭环能力。
最后，要同步强化工业数据安全与网络安全体系建设，完善权限管理、数据脱敏、可信计算等能力，确保算力与数据要素在合规可控前提下流动与共享。
从“前景”判断，随着“云边端”协同能力提升和算力网络加快成形，工业领域将从单点智能逐步走向系统智能。
一方面，算力供给和调度能力的增强，将促进工业大模型与行业知识、工艺经验深度结合，推动从“经验驱动”向“数据与模型驱动”转变；另一方面，公共算力服务面向工业企业开放，将带动更多中小企业以更低成本实现智能化应用，形成更广覆盖的产业数字化基础。
预计在政策牵引与产业协同作用下，面向工业的智能算力供给能力和利用效率将持续提升，工业互联网平台、设备制造商、算力服务商等主体间的生态联动也将进一步增强，为新型工业化提供更坚实支撑。
算力如同工业智能化的"水电煤"，其供给模式正从粗放走向集约。
这场由顶层设计牵引的算力革命，不仅关乎单个企业的降本增效，更是重塑中国制造全球竞争力的关键落子。
当跨越地理阻隔的算力网络全面建成之时，我国或将在全球工业4.0版图中书写新的坐标系。