2月24日，中国工业互联网研究院院长鲁春丛应邀参加广东省高质量发展大会，在“智能制造与工业互联网”分论坛作主旨演讲。广东省人民政府副省长王胜出席会议并讲话，工业和信息化部装备工业一司副司长汪宏出席会议并致辞。广东省人民政府副秘书长孙哲、广东省工业和信息化厅厅长曾进泽，以及21个地市工信主要领导和企业代表约200人参会。

以下是主旨演讲的主要内容和观点。

加快推动“AI+制造”

——在广东省高质量发展大会“智能制造与工业互联网”分论坛的主题演讲

中国工业互联网研究院院长 鲁春丛

《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》中强调，要坚持把发展经济的着力点放在实体经济上，促进制造业数智化转型，全面实施“人工智能+”行动，全方位赋能千行百业。到2035年，我国将基本实现新型工业化，客观上要求企业在质量效益、驱动要素、业态模式等方面实现系统性跃升，这离不开工业互联网的全面应用、与时俱进，也离不开“人工智能+”的技术赋能。

一、把握工业互联网的内涵要义

一是把握发展定位。回顾工业革命历程，从机械化、电气化到自动化，每一次变革都极大地提升了生产力。当前，我们正经历以“智能化”为主要特征的第四次工业革命。如果说第三次工业革命主要解决的是“机械化换人”和“自动化减人”问题，第四次工业革命就是要实现“智能化无人或人机协同”。而智能化的重要前提是海量工业数据。工业数据的产生、采集、传输、存储、计算、分析和应用，都需要一个泛在互联、畅通安全的载体，这个载体，就是工业互联网。

二是把握实施架构。以工业互联网推动制造业数智化转型，需要构建一个自下而上、贯穿OT与IT的体系架构。我院在开展大量数智转型服务基础上，提出了“六级架构”。从L1的设备感知执行，到L2的产线智能控制，再到L3的车间监控优化、L4的工厂制造管理、L5的企业经营决策，最终到L6的产业生态协同。将OT和IT进行深度融合，畅通从设备、产线到企业经营、产业协同的全链路数据流，为人工智能工业应用奠定坚实基础。

三是把握发展战略。即按照“T型战略”，深耕工业互联网的“一米宽，百米深”。“一横”，重在IT技术，打通研发、生产、供应链、销售等不同制造阶段和商业计划的IT系统，实现企业间、环节间的横向集成。“一纵”，重在OT技术，将设备、产线、车间、工厂等不同层级自动化控制系统贯通，实现企业内部制造系统的纵向集成。

四是把握实施战术。要抓住本质、把握规律、建立体系。“分业推进”，隔行如隔山，工业互联网必须与行业的工艺、技术、知识和经验紧密结合，要一个行业一个行业地做深做透。“分级推进”，引导不同发展阶段的企业梯次改造，“点线面”结合分类施策。“顶格推进”，打造“行业出题、产业答题、供需协同”的数智化转型工作体系。

二、推进“AI+制造”五大任务

任务之一，建设数智基础设施。为了适应大带宽、柔性化、开放化等网络需求变化，要打破传统工业网络五层金字塔结构，改变数据逐级流动模式，构建云边协同、控网算一体的新型工业网络，通过应用工业5G、工业光网等技术，将架构扁平化为“端—边—云”三层，极大提升数据流转和协同效率。同时，布局工业算力体系，打造边缘云、企业云、产业云“三云”协同智算能力。通过“三云互联”，实现算力分层、协同与高效利用。破解“联不稳”“算不快”的数字基建瓶颈问题，为海量工业数据实时处理和规模化应用提供坚实支撑。

任务之二，推进工业互联互通。通过实现“人机料法环测”等要素有效采集，解决“采不上”“看不懂”的数据源头难题，实现工业全要素的泛在互联。人，通过5G/Wi-Fi、可穿戴设备，获取工作人员身份、位置、技能状态。机，接入传感器、物联网，传输设备运行状态、参数、故障码。料，加装无源标签、标识解析，实现原材料、在制品等全流程追溯。法，应用MES、数字孪生，将工艺规程、作业指导书数字化。环，部署各类环境传感器、智能终端，采集安全生产、作业环境数据。测，通过机器视觉、在线测量仪，检测质检结果等数据。只有打通异构设备、系统与协议间的壁垒，才能获得有效数据。

任务之三，建设工业高质量数据集。构建产业链、企业运行、企业生产三类高质量数据集。破解“数据多但质量低”“有数据但不会用”的问题。第一类是产业链数据，反映重点产业链与产业集群各环节企业实体信息，包括企业基本情况、主营业务、核心产品、产能规模等。第二类是企业运行数据，反映管理决策、供需波动、财务状况等情况，包括订单、采购、库存、物流等。第三类是企业生产数据，反映生产制造全流程状态，包括设备信息、工艺参数、产能、良率等。

任务之四，发展工业智能体。依据“六级架构”按照分层部署、一体协同的原则打造工业智能体，解决“用在哪”“怎么用”的数据价值落地难题。L1级部署故障诊断、寿命预测、工艺优化等设备级工业智能体，实现单点自主感知与控制。L2/L3级部署异常检测、能耗计算、工控代码生成等产线/车间级智能体，保障生产连续性与高效性。L4/L5级部署物料调度、仓储优化、风控预警等工厂层智能体，推动资源优化配置和高效执行。L6生态级部署供需智能匹配、产业链供应链管控等生态层智能体，服务产业链协同联动。

任务之五，构筑安全防护屏障。AI与制造技术融合引发模型、网络、数据等一系列新风险。化解这些“看不清风险”和“防不住攻击”的发展安全顾虑，需要构建覆盖数据、模型、网络和终端的全方位、多层次、系统性安全防护体系。要健全安全管理机制，制定企业AI应用分级分类和安全评估制度，建立风险信息共享机制。要增强风险预警能力，建设风险监测预警体系，实现风险的早发现、早预警、早处置。要夯实安全防护基础，使用经过安全认证的终端设备，实施工控网与AI应用网分区隔离，部署安全大模型辅助威胁检测。要提升系统防护水平，通过知识库优化等方式降低模型“幻觉”，添加内容标识确保可溯源，对训练数据进行全生命周期保护。

来源：“中国工业互联网研究院”微信公众号