飞象网讯 在5月21日举办的 “2025工业互联网大会”上，中国信息通信研究院院长余晓晖接受媒体采访，系统梳理了我国工业互联网的十年发展与成就，以及未来与人工智能技术的融合前景展望，揭示了其中的深层逻辑与发展动力。
工业互联网十年发展变化
当前，工业互联网已经走过了10年历程，从2017年国务院工会指导意见确定的目标来看，已经全部完成，并且其中部分目标超额完成。回顾过去10年的产业实践推动了制造业的数字化转型、数字经济与实体经济的融合。从企业层面来看实现了降本增效提质。
余晓晖院长认为其中第一个变化是，10年前产业更多关注是单环节的生产层面自动化与管理层面信息化。但工业互联网提供了一个体系化的思路和视角，将各个链条通过数字化实现全面打通，从系统的单个环节的自动化和信息化转变为整体的系统性数字化发展。
另一深刻变化在于过去更加关注系统设备自身的硬性能力，这个能力主要是与生产相关的高效执行能力。余晓晖院长认为工业互联网提供了一个思路，即通过各个系统、环节的互联互通建立一个跨越全生命周期、全生产环节的数据链，形成以数据驱动的优化范式，特别是通过数据与各个行业的机理和知识相结合的新优化范式。
这种新范式让行业意识到数据在工业数字化转型中的作用，形成从制造、生产、研发设计、营销服务再到产业链供应链等各方面的智能化升级，形成数据驱动的智能化优化闭环。
第三个变化在于，在工业互联网的进程中，业界将许多数字技术和工业技术相结合。以往通常数字技术体系比较开放，有很多分工，工业互联网的进程推动了工业体系的开放化，通过开放化让更多技术能够发挥作用，也让更多主体参与工业的数字化转型。
工业互联网通过将设备、设施、劳动者等“人、机、物”全面连接，实现了纵向贯通设备、横向打通企业，以及覆盖产品全生命周期的数据链构建。这种深度互联为体系化优化提供了基础，使企业能够灵敏响应市场变化，实现从个性化定制到敏捷制造、以及仓储和供应链与生产深度协同的全新制造模式。打通数据链不仅推动了各环节的数据积累，更与行业知识结合，形成涵盖研发、制造、营销、服务、供应链等多个层面的智能化优化决策闭环。全面深度互联与数据驱动的智能闭环，正是我国工业互联网规划设计的核心特质，历经十年验证，已成为支撑制造业高质量发展的关键。
构建自主能力核心体系
余晓晖院长指出，十年前，我国在工业网络领域几乎没有话语权，全球主流的几十种工业网络协议标准几乎均由国外主导，核心设备与关键技术依赖进口。过去十年间，我国在这一底层基础领域实现了关键突破，特别是以5G为代表的新一代通信技术，以及工业光纤、工业以太网等关键领域，中国企业在工业网络方面已具备相当程度的话语权。
以“5G+工业互联网”为代表的融合应用已在制造业、港口、矿山等重点行业实现规模化落地，目前全国范围内已建设超过1.85万个工业5G项目。这一成果不仅具有数量上的领先优势，更在技术成熟度和应用广度方面显著领先全球同行。以MWC巴塞罗那为例，许多欧洲国家和发达经济体仍处于试点示范阶段，而中国已经实现了规模化应用，比国际主流节奏领先2～3年。这不仅标志着中国在工业互联网最底层架构中掌握了关键影响力，也为后续与5G-A、6G的衔接与融合奠定了坚实基础。
在实现全面互联的过程中，数字身份体系的构建至关重要。我国已初步建立起一个自主、安全的物联世界标识体系，具备使每一个物理设备和产品都拥有唯一的数字身份的能力。江苏省在此方面的探索最为领先。
该体系以全局标识为核心，兼容各类私有标识，通过标准化的解析协议，实现数据的统一入口和系统间的互操作。这一体系的意义不仅在于身份赋能，更在于为“物理世界与数字世界的融合”打开了通路。虽然目前尚处于起步阶段，但其潜力巨大，未来将在工业场景的数据治理、追溯分析和智能管理中发挥日益显著的作用。
平台体系的建设是我国工业互联网发展的又一核心支柱。目前，全国已形成由49家“双跨平台”（跨行业、跨领域）和200多家特色型平台构成的多层级平台体系，涵盖了从通用型到行业专用型的广泛应用需求。
更值得关注的是，中国多数领先的平台企业已经实现“出海”，并在海外市场取得了良好的业务表现，利润水平普遍高于国内。这表明我国平台企业在国际化能力、技术成熟度和市场适配性方面具备较强竞争力。
随着平台、网络、标识等体系的逐步完善，我国工业互联网在推动传统产业转型的同时，也孕育出一批具有代表性的新兴产业。从2017年起步至2024年，我国工业互联网相关产业的总产值已达到1.5万亿元，预计今年带动经济增长将达到3.5万亿元。
工业互联网与人工智能的融合展望
在以大模型和生成式AI技术为代表的人工智能浪潮下，工业人工智能发展是工业互联网发展演进的核心方向，以真正实现数据驱动的智能优化决策闭环。同时，工业互联网也为人工智能发展提供了数据资源沉淀，为场景打造和模型研发创造条件。因此工业互联网是人工智能落地的关键载体。
人工智能也是一个重要机遇。当前的人工智能大模型虽具备一定的泛化能力，但在面对工业生产中所需的复杂推理与决策任务时仍显不足，特别是在公开数据逐步耗尽的背景下，更需依赖工业场景中的专有数据支持。中国具备完整的产业体系、丰富的应用场景和庞大的数据资源，这些优势可有效反哺大模型训练，推动其在物理世界实现更深层次的智能能力。若能进一步将现有的语言、多媒体处理智能扩展至物理环境中的研发与决策，将成为一项重大突破，标志着人工智能从专用、浅层阶段向通用、深层应用迈进，也将为我国工业智能化发展提供重要机遇与战略方向。
当前，大模型在工业领域的应用呈现“微笑曲线”分布，即在知识密集型的研发设计和与自然语言高度契合的营销服务环节应用广泛，而在生产制造环节的应用相对较少。这反映出大模型依赖大量数据训练和泛化能力的特点。相比之下，小模型则恰恰相反，在生产制造等特定任务场景中应用更为广泛，具有高度专用性，能有效解决具体问题。未来，工业智能化的发展趋势将是大模型与小模型的协同融合：大模型负责任务规划与协调，小模型在具体场景中精准执行。同时，面向物理世界的“具身智能”也将成为关键发展方向，特别是在装备制造、机器人和未来工业互联网中，推动制造业迈向更高水平的智能化与数字化。
0 条