首页 > 新闻动态 > 行业资讯

行业资讯
鲁春丛:推进工业互联网的六个关键任务
发布时间:2026-11-19 09:11:58

  近日,在2026世界物联网大会的工业互联网论坛上,中国工业互联网研究院院长鲁春丛作题为《推进工业互联网的关键任务》的主旨演讲。

  制造业数智化转型是运用数智技术对生产制造全过程、产品全生命周期、产业链供应链全环节进行改造升级和价值重塑,目的是提升研发设计、生产制造、经营管理、运维服务的数字化、网络化、智能化水平,提升企业的综合竞争力,最终成效集中体现为降本、提质、增效、绿色、安全五个方面。

  鲁春丛认为:“数字化是基础,网络化是手段,智能化是数字化、网络化基础上的高级形态,是最终目标。”制造业数智化转型主要有三个方向:一是建立数字时空,二是实现数据赋能,三是构筑数智融合的新生态。

  工业智能化应用主要包含两类模型。一类是工业大模型,即基于工业大数据进行概率性计算的人工智能,主要应用于文档生成、客户服务、市场营销等对精确性要求不高的信息技术软场景;另一类是工业小模型,即基于学科知识、知识图谱、规则模型和机理模型进行确定性计算,服务于生产过程等操作技术硬场景。鲁春丛强调,工业智能的发展应坚持“大模型+小模型”协同推进,尤其要把小模型作为培育新质生产力的重点任务。

  人工智能激发工业互联网创新发展的活力,连接、数据、模型、智能正成为工业界普遍认同的基本范式。企业数智化的推进与各类应用模式的落地,都要以先进的数智基础设施为支撑。

  与此同时,人工智能还将促进工业数据的汇聚、集成与流通。工业数据的开发利用主要依托可信数据空间,通过数字化技术在企业私域内开展。工业数据与消费数据最本质的区别在于,制造业数据以企业为主体,数据的产生、供给与服务均围绕企业自身展开;而消费数据则主要依托互联网平台。借助人工智能,工业数据可以“用得上”“生得出”,在企业私域内形成采集、治理、应用、再生的价值闭环。

  当前,物理AI正在快速兴起,工业互联网必须与之紧密结合:通过感知三维空间,理解重力、摩擦、碰撞等真实物理规律,借助世界模型与本体模型,形成“感知—理解—推理—决策—执行”的闭环,实现对现实世界的实体操作、改造与赋能,使机器不仅“会观察、会行动、会适应”,而且能够“自学习”。

  “十五五”规划提出,要“坚持智能化、绿色化、融合化方向”“全面实施‘人工智能+’行动”“促进制造业‘智改数转网联’”“实施智能制造工程和工业互联网创新发展工程”。结合实践,鲁春丛总结了新时代发展工业互联网的六方面重点任务。

  第一,发展智能装备。工业装备是发展工业互联网的基础,智能装备则是“AI+制造”的物理载体。要推进传统设备的唤醒与升级,使数字化装备不仅能“说话”,更能“听指挥”;要突破核心智能部件与底层算法,重点攻克多模态感知融合、高精度运动控制等核心技术,加快工业级芯片、高精度伺服系统和智能视觉系统等关键部件攻关,提升装备的感知敏锐度与控制精准度;要布局具身智能与新型机器人,推动人形机器人、四足机器人等多元形态发展,并促使高负载、高精度工业机器人在复杂装配、危险环境巡检、物流搬运等场景先行使用,实现AI大脑与机械躯体协同演进。

  第二,建设数智基础设施。一方面,建设新型工业网络。工业数智化转型若缺乏足够的网络支撑,数据传输便如走“羊肠小道”,难以承载复杂多样的工业场景。应紧密结合新一代通信网,实现万物互联,推动工业网络由传统模式向大带宽模式转变;同时推进无线化发展,支撑柔性化生产。AGV、搬运机器人、物流传输等均需要高性能移动网络,通过Wi-Fi、工业5G等无线网络,可大幅压缩产线调整与网络部署时间。另一方面,布局工业算力体系。与传统服务行业不同,工业领域涵盖边缘云、企业云和产业云,越向下越接近操作技术(OT),越向上越接近信息技术(IT)。按照“产业云行业部署、企业云按需部署、边缘云实时响应”的思路打造“三云”协同智算能力。通过边缘云实现就近计算,企业云支撑智能决策,产业云提供大模型训练服务,保障全产业链跨域调度高效畅通。

  第三,实现互联互通。工业场景需要全面连接“人、机、料、法、环、测”等全要素,特别是在流程型行业中,海量底层数据来源于各类仪器仪表。这些要素如何连接、应连接哪些内容,需要总体规划与设计,不仅要在物理层面依托工业互联网标识解析体系与多协议转换网关打破封闭状态,让所有设备都能说上“普通话”,更要在语义层面实现深度贯通。针对企业资源计划(ERP)中的“订单”、生产执行系统(MES)中的“工单”、数据采集与监视控制系统(SCADA)中的“批次号”等跨系统同义异名或同名异义问题,加快构建标准化信息模型、工业语义字典与工业本体模型,通过对制造全生命周期中的实体、属性、关系与规则进行形式化定义,弥合跨系统语义断层,为多智能体协同提供统一的认知对齐底座,让AI真正理解数据背后的业务逻辑和工艺机理。

  第四,建设工业高质量数据集。没有数据集,AI便无法实现融合应用;没有连接,也就没有高质量的数据集。经调查研究,中国工业互联网研究院按三类工业高质量数据集推进建设:第一类是产业链数据集,承载于产业园区,服务强链补链,以统一的数据和大模型解决工业上下游协同问题;第二类是企业运营数据集,涵盖研、产、供、销、服等环节,服务于企业经营管理,实现敏捷决策;第三类是企业生产数据集,面向设备与车间,重在物理感知与控制,需要数字时空与时序模型支撑,以解决实时性问题。

  第五,建立工业智能体。智能体的出现将重新定义人与服务之间的连接方式。工业智能体由大模型、工具调用能力和自主决策能力构成,以各类感知设备为“眼、耳、鼻”,以大模型为“大脑”,以数字化工具为“手和脚”,构建起能够自主完成任务的智能系统,实现从人机协同到自主执行的跃迁。

  第六,构筑工业安全保障。人工智能与制造业的融合将引发一系列新的风险,工业企业的安全风险呈现多元交织、相互叠加的态势,涉及模型安全、网络安全和数据安全。对此,应当坚持发展与安全并重,推动安全能力与数智化建设同步规划、同步建设、同步运行。(李瑞璐)

来源:人民邮电报