工业互联网作为连接制造强国与网络强国建设的关键支撑，是实体经济与数字经济深度融合的基石，也是推进新型工业化的重要基础设施。在各方协同努力下，工业互联网已迈入高质量发展与规模化应用的新阶段，并有望迎来新的发展契机，尤其是在《关于推动工业互联网高质量发展的实施意见》等政策出台后。

数字化转型步伐加快

工业互联网的支撑使得工厂车间的数字化水平显著提升，体现在设备参数的实时采集、AGV小车的灵活调度以及智能摄像机的高速质检等方面。

根据工业和信息化部的数据，我国工业互联网的应用已广泛渗透至41个工业大类和185个工业中类。工业互联网核心产业的产值已突破1.6万亿元，并带动了约2.5万亿元的工业增加值增长。目前，“5G+工业互联网”项目数量已超过2.5万个，标识注册总量达到7400亿以上，国家工业互联网大数据中心汇聚的工业数据已超过17亿条。此外，工业互联网产业联盟已吸纳超过2800家成员单位，成为全球规模最大的相关产业生态组织。

工业互联网的快速发展正加速推动工业企业的数字化转型。例如，在辽宁，鞍钢集团通过深度融合信息通信技术与企业运营的各个环节，其齐大山铁矿已建成一体化智慧管控平台，实现了国内冶金露天矿山全流程的智能化开采与管控，并成功降低了17%的铁精矿完全成本。在江西，金虎保险设备集团有限公司通过消除车间主要生产设备的数据“信息孤岛”，构建了金属家具行业的“5G+工业互联网”平台，有效带动了产业链上下游及合作伙伴的数字化转型，显著提高了部门间生产信息传递效率50%，并提升了18%的工艺标准化程度。

工业和信息化部信息通信管理局的负责人指出，当前新一轮科技革命和产业变革正在深入发展，人工智能、5G/5G-A、算力网络等技术在经济社会各领域的广泛应用，正加速制造业的数智化转型，为工业互联网的发展带来了新的机遇。

与人工智能融合赋能

人工智能在工业领域的应用对工业互联网的网络互联、数据汇聚和资源配置能力提出了更高要求。在中国信息通信研究院主办的“2026工业互联网大会”上，专家们就人工智能与工业互联网的融合赋能进行了深入探讨。

中国工程院院士钱锋强调，应利用工业互联网构建“工业大脑”，打造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，以支持产业链供应链价值链的协同优化、生产要素的创新配置、制造过程的实时精准调控、生产安全环保的智慧运维以及新产品新材料的智能设计，从而培育新质生产力，推动制造业数智化转型和高质量发展。人工智能与工业互联网的深度融合，正在加速催生数据驱动、智能协同、虚实融合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，现阶段的工业互联网已超越了单纯的跨设备、跨厂区连接，正逐步升级为承载全行业工业知识和运行工业智能应用的新型数字底座。而工业AI大模型正是释放该底座价值的核心智能引擎，为制造业的柔性生产、智能运维、质量管控和供应链优化开辟了全新途径。

工业和信息化部等8部门近期发布的《关于推动工业互联网高质量发展的实施意见》中，明确提出了“深化人工智能与工业互联网融合应用”的部署。工业和信息化部信息通信管理局相关负责人解释说，一方面，要发挥工业互联网在泛在互联和数据汇聚方面的关键作用，加强高质量工业数据集的供应，推动端、边、云多层级算力的动态协同，并加速模型训练的互联和工业智能体的推广。另一方面，要利用人工智能的自感知、自学习、自执行等技术优势，提升工业互联网基础设施的发展水平，增强工业系统的智能感知和决策执行能力，以加快形成创成式设计、生产网络优化等新应用。

激发更大增长潜能

数据显示，今年1至5月，我国规模以上互联网和相关服务企业实现了8749亿元的互联网业务收入，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不断释放出巨大的增长潜力。

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指出，当前工业智能体的应用主要集中在流程规范、高频协同、知识密集且风险相对可控的环节。通过利用智能体一体化的感知、决策和执行能力，可以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，从而实现高效的流程自主执行和综合决策辅助。卡奥斯、浪潮云洲等企业正积极探索推动“工业互联网平台+AI”新型解决方案，旨在将平台能力从连接、汇聚、管理向知识沉淀、任务编排和智能优化方向演进。

田洪川进一步提出，应推动从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，以提升复杂生产系统的自主运行能力。同时，要促进制造资源的在线组织、生产过程的智能调度以及产业链供应链的协同响应，最终形成以数据驱动、模型支撑、智能协同为特征的新型制造范式。

随着工业互联网的发展，信息安全的需求也在持续增长。杭州安恒信息技术股份有限公司的相关负责人表示，国内通用大模型的快速迭代正在推动各行业垂直领域大模型的落地应用。而具备行业专属属性的工业安全垂直领域大模型，需要深入挖掘工业场景，贴合工业生产特性，并具备工业环境的原生理解能力以及工业安全专属的认知和智能决策能力。为满足不同工业场景的差异化安全需求，应通过持续的场景落地验证、细分领域能力拓展以及技术自主迭代优化，逐步完善模型能力。