飛象網訊 在5月21日舉辦的 “2025工業互聯網大會”上，中國信息通信研究院院長余曉暉接受媒體采訪，系統梳理了我國工業互聯網的十年發展與成就，以及未來與人工智能技術的融合前景展望，揭示了其中的深層邏輯與發展動力。

工業互聯網十年發展變化

當前，工業互聯網已經走過了10年歷程，從2017年國務院工會指導意見確定的目標來看，已經全部完成，并且其中部分目標超額完成�；仡欉^去10年的產業實踐推動了制造業的數字化轉型、數字經濟與實體經濟的融合。從企業層面來看實現了降本增效提質。

余曉暉院長認為其中第一個變化是，10年前產業更多關注是單環節的生產層面自動化與管理層面信息化。但工業互聯網提供了一個體系化的思路和視角，將各個鏈條通過數字化實現全面打通，從系統的單個環節的自動化和信息化轉變為整體的系統性數字化發展。

另一深刻變化在于過去更加關注系統設備自身的硬性能力，這個能力主要是與生產相關的高效執行能力。余曉暉院長認為工業互聯網提供了一個思路，即通過各個系統、環節的互聯互通建立一個跨越全生命周期、全生產環節的數據鏈，形成以數據驅動的優化范式，特別是通過數據與各個行業的機理和知識相結合的新優化范式。

這種新范式讓行業意識到數據在工業數字化轉型中的作用，形成從制造、生產、研發設計、營銷服務再到產業鏈供應鏈等各方面的智能化升級，形成數據驅動的智能化優化閉環。

第三個變化在于，在工業互聯網的進程中，業界將許多數字技術和工業技術相結合。以往通常數字技術體系比較開放，有很多分工，工業互聯網的進程推動了工業體系的開放化，通過開放化讓更多技術能夠發揮作用，也讓更多主體參與工業的數字化轉型。

工業互聯網通過將設備、設施、勞動者等“人、機、物”全面連接，實現了縱向貫通設備、橫向打通企業，以及覆蓋產品全生命周期的數據鏈構建。這種深度互聯為體系化優化提供了基礎，使企業能夠靈敏響應市場變化，實現從個性化定制到敏捷制造、以及倉儲和供應鏈與生產深度協同的全新制造模式。打通數據鏈不僅推動了各環節的數據積累，更與行業知識結合，形成涵蓋研發、制造、營銷、服務、供應鏈等多個層面的智能化優化決策閉環。全面深度互聯與數據驅動的智能閉環，正是我國工業互聯網規劃設計的核心特質，歷經十年驗證，已成為支撐制造業高質量發展的關鍵。

構建自主能力核心體系

余曉暉院長指出，十年前，我國在工業網絡領域幾乎沒有話語權，全球主流的幾十種工業網絡協議標準幾乎均由國外主導，核心設備與關鍵技術依賴進口。過去十年間，我國在這一底層基礎領域實現了關鍵突破，特別是以5G為代表的新一代通信技術，以及工業光纖、工業以太網等關鍵領域，中國企業在工業網絡方面已具備相當程度的話語權。

以“5G+工業互聯網”為代表的融合應用已在制造業、港口、礦山等重點行業實現規�；�落地，目前全國范圍內已建設超過1.85萬個工業5G項目。這一成果不僅具有數量上的領先優勢，更在技術成熟度和應用廣度方面顯著領先全球同行。以MWC巴塞羅那為例，許多歐洲國家和發達經濟體仍處于試點示范階段，而中國已經實現了規�；瘧�用，比國際主流節奏領先2～3年。這不僅標志著中國在工業互聯網最底層架構中掌握了關鍵影響力，也為后續與5G-A、6G的銜接與融合奠定了堅實基礎。

在實現全面互聯的過程中，數字身份體系的構建至關重要。我國已初步建立起一個自主、安全的物聯世界標識體系，具備使每一個物理設備和產品都擁有唯一的數字身份的能力。江蘇省在此方面的探索最為領先。

該體系以全局標識為核心，兼容各類私有標識，通過標準化的解析協議，實現數據的統一入口和系統間的互操作。這一體系的意義不僅在于身份賦能，更在于為“物理世界與數字世界的融合”打開了通路。雖然目前尚處于起步階段，但其潛力巨大，未來將在工業場景的數據治理、追溯分析和智能管理中發揮日益顯著的作用。

平臺體系的建設是我國工業互聯網發展的又一核心支柱。目前，全國已形成由49家“雙跨平臺”（跨行業、跨領域）和200多家特色型平臺構成的多層級平臺體系，涵蓋了從通用型到行業專用型的廣泛應用需求。

更值得關注的是，中國多數領先的平臺企業已經實現“出�！�，并在海外市場取得了良好的業務表現，利潤水平普遍高于國內。這表明我國平臺企業在國際化能力、技術成熟度和市場適配性方面具備較強競爭力。

隨著平臺、網絡、標識等體系的逐步完善，我國工業互聯網在推動傳統產業轉型的同時，也孕育出一批具有代表性的新興產業。從2017年起步至2024年，我國工業互聯網相關產業的總產值已達到1.5萬億元，預計今年帶動經濟增長將達到3.5萬億元。

工業互聯網與人工智能的融合展望

在以大模型和生成式AI技術為代表的人工智能浪潮下，工業人工智能發展是工業互聯網發展演進的核心方向，以真正實現數據驅動的智能優化決策閉環。同時，工業互聯網也為人工智能發展提供了數據資源沉淀，為場景打造和模型研發創造條件。因此工業互聯網是人工智能落地的關鍵載體。

人工智能也是一個重要機遇。當前的人工智能大模型雖具備一定的泛化能力，但在面對工業生產中所需的復雜推理與決策任務時仍顯不足，特別是在公開數據逐步耗盡的背景下，更需依賴工業場景中的專有數據支持。中國具備完整的產業體系、豐富的應用場景和龐大的數據資源，這些優勢可有效反哺大模型訓練，推動其在物理世界實現更深層次的智能能力。若能進一步將現有的語言、多媒體處理智能擴展至物理環境中的研發與決策，將成為一項重大突破，標志著人工智能從專用、淺層階段向通用、深層應用邁進，也將為我國工業智能化發展提供重要機遇與戰略方向。

當前，大模型在工業領域的應用呈現“微笑曲線”分布，即在知識密集型的研發設計和與自然語言高度契合的營銷服務環節應用廣泛，而在生產制造環節的應用相對較少。這反映出大模型依賴大量數據訓練和泛化能力的特點。相比之下，小模型則恰恰相反，在生產制造等特定任務場景中應用更為廣泛，具有高度專用性，能有效解決具體問題。未來，工業智能化的發展趨勢將是大模型與小模型的協同融合：大模型負責任務規劃與協調，小模型在具體場景中精準執行。同時，面向物理世界的“具身智能”也將成為關鍵發展方向，特別是在裝備制造、機器人和未來工業互聯網中，推動制造業邁向更高水平的智能化與數字化。