问题——制造业转型升级进入深水区，传统改造路径边际效应减弱；当前，我国制造业规模长期位居世界前列，但也面临外部需求波动、成本约束上升、产业链竞争加剧等多重压力。企业提质增效、柔性生产、设备可靠性、供应链协同诸上，对数字化、智能化能力提出更高要求。同时，仅靠自动化改造或信息化叠加，往往难以应对复杂工况、非线性过程和多目标优化等难题，亟需更高层次实现以“数据驱动”为核心的系统性升级。 原因——两类关键技术互为支点，但融合仍存在瓶颈。一上，人工智能正加速进入生产制造领域，具备模式识别、预测优化与自适应决策等能力，可质量检测、工艺优化、能耗管理、预测性维护等场景大幅提升效率。另一上，工业互联网作为推进新型工业化的重要基础设施，已行业覆盖、体系建设与规模推广上取得阶段性进展，具备连接设备、汇聚数据、承载应用与保障安全的综合能力。两者融合的关键在于：工业互联网提供真实场景、数据资源与平台载体，人工智能把数据价值转化为可执行的模型与决策，推动工业互联网从“连接”走向“智能”。 但现实难点依然突出。其一，高质量工业数据供给不足。部分企业设备存量大、协议标准多，数据孤岛普遍存在；工业数据标注依赖工艺知识与经验，专业门槛和成本较高，影响模型训练与迭代。其二，面向工业场景的模型落地难。工业过程高度异构，不同行业、产线和工况差异显著，通用模型难以直接套用；场景碎片化也抬高了规模化应用门槛。其三，算力与投入约束明显。工业场景对实时性、可靠性与安全性要求更高，算力供给、利用效率及综合成本仍需优化，制约应用扩面提速。 影响——融合赋能将重塑制造业竞争力与产业组织方式。推动“人工智能+工业互联网”规模化发展，有望在三个层面形成带动效应：一是提升生产体系的可视化与可控性，通过全流程数据贯通与智能分析，降低停机、返工与能耗，提高良品率与设备综合效率；二是推动产业链协同升级，依托统一平台与标识体系促进跨企业、跨环节的数据交换与业务协同，增强供应链韧性与响应速度；三是加快形成新型工业软件与服务生态，围绕诊断、仿真、优化、运维等关键能力沉淀行业模型和解决方案，培育新模式新业态，为制造强国和网络强国建设提供持续支撑。 对策——以“底座+数据+模型+标准”协同发力打通堵点。业内普遍认为，释放融合效应需要系统推进：首先，提升工业互联网平台智能化水平，增强边缘端与平台端的计算、调度与安全能力，提高工业智算供给能力和利用效率，支持模型训练、部署与在线更新的闭环运行。其次，推进工业数据互联互通，围绕数据采集、治理、标注、共享与安全使用，推动不同来源、不同格式数据有效联通与共用，形成可持续的数据供给机制。再次，引导企业在研发、制造、运维等全环节提升智能化水平，聚焦重点行业和关键产业链的典型场景，打造可复制、可推广的标杆应用，以点带面扩大成效。与此同时，加强工业互联网与智能应用有关标准体系衔接，加快工业通信芯片、工业传感器、工业控制系统等关键技术与产品创新，夯实安全可控的产业基础。 前景——从“规模连接”迈向“全面智能”，融合发展将成为新型工业化的重要增量。我国已建成全球规模领先的信息通信网络，拥有门类齐全的工业体系与丰富的制造场景，为融合应用提供网络通道、数据资源与落地空间。随着政策牵引、技术迭代与产业协同持续深化，工业场景将更多从单点智能走向系统智能，从局部提效走向全链条优化。可以预期，数据治理能力、场景工程能力与生态协作能力，将成为新阶段竞争的关键变量；“可落地、可持续、可复制”的解决方案将加速涌现，推动我国制造业形成新的比较优势。
人工智能与工业互联网的融合，不只是技术叠加，更是推动制造业高质量发展的重要路径。通过深度融合，我国制造业有望逐步破解传统难题，实现从数字化向智能化的跨越，在全球产业竞争中深入稳固并提升优势。这个过程既需要政策引导与基础设施完善，也需要企业持续探索与创新实践，合力推动中国制造迈向更高质量、更高效率、更具竞争力的发展阶段。