为加快推进新型工业化，建设制造强国和网络强国，工业和信息化部等八部门联合印发《关于推动工业互联网高质量发展的实施意见》（以下简称《实施意见》），统筹布局政策、设施、技术、应用、生态五大体系，一体构建网络、标识、平台、数据、安全五大功能，以“五横五纵”的矩阵式模式为新阶段我国工业互联网发展提供顶层指引。中国工业互联网研究院院长鲁春丛对《实施意见》出台的基本考虑、重点任务、实施路径等进行解读，为各方充分理解政策、推动技术产业发展提供参考。

一、《实施意见》出台的基本考虑

工业互联网是做好两化融合这篇大文章的战略抓手，是推进新型工业化的重要支撑，也是促进实体经济和数字经济深度融合的关键路径。在政产学研用协同推进下，我国工业互联网快速发展。2025年，核心产业规模超1.6万亿元，带动工业增加值增长约2.5万亿元。当前，工业互联网迈入高质量发展新阶段，其内涵外延、发展重点都发生了较大变化。《实施意见》的出台，是基于以下三方面考虑。

一是工业互联网“建用结合”取得积极进展，为高质量发展打下坚实基础。“十四五”时期，我国工业互联网基础设施建设与行业融合应用快速推进。工业5G专网数超2.5万个，标识注册量超7400亿个，培育‌具有一定影响力的工业互联网平台超340家，智能算力规模达1882EFLOPS（FP16）。融合应用实现41个工业大类全覆盖，重点行业的关键工序数控化率达到68.6%，应用场景由销售、物流等外围环节向研发、检测、生产等核心环节延伸。建成500余家卓越级智能工厂、15家领航级智能工厂，超4万家中小企业梯次实施数字化改造。标杆5G工厂平均产品质量提升20.5%，运营成本降低18.4%，平均产能增加24.7%，降本、提质、增效、绿色、安全效益显著。但与高质量发展的要求相比，工业互联网细分行业覆盖面、核心环节渗透率以及关键技术产品的融合创新程度还存在一定不足。出台《实施意见》，是立足工业互联网新发展阶段，聚焦关键问题，以全局性、前瞻性、战略性政策体系引导工业互联网发展再上新台阶的战略选择。

二是人工智能“变量”化“增量”，为工业互联网高质量发展提供全新机遇。当前，新一代人工智能加速演进，成为推动科技跨越式发展、产业优化升级、生产力整体跃升的驱动力量。不论是美西方发达国家，还是全球制造业巨头，都在加强对人工智能创新应用的战略布局。某种程度上讲，国家与国家、企业与企业之间的竞争，已经从“制造能力”的比拼逐步聚焦到“智能能力”的较量。近年来，我国人工智能爆发式成长，多款大模型性能快速突破，日均词元（Token）调用量已达数百万亿，推理数据量超过训练数据量，具身智能开启规模化商用。制造业是人工智能应用的主战场，2025年规上制造业企业人工智能技术应用普及率超30%，正加速转化为现实生产力。出台《实施意见》，是深入实施“人工智能+”行动的具体举措，通过发挥工业互联网枢纽作用，将人工智能“关键变量”转化为制造业高质量发展“最大增量”，以更大力度推动科技创新与产业创新深度融合，抢占新一轮科技革命和产业发展制高点。

三是新型工业化加速推进，迫切需要工业互联网的创新发展与时俱进。未来十年，是我国基本实现新型工业化、迈向制造强国前列的关键阶段，对巩固产业体系优势、增强产业科技创新能力、提升重点产业链自主可控水平、实现价值创造能力跃升提出了更新、更高要求。2025年，我国制造业增加值达34.7万亿元，占全球近30%，已连续16年保持全球第一，拥有完整工业门类，绝大多数工业品产量世界第一。随着经济规模的不断增长，传统要素投入带来的边际收益趋于递减。要在质量效益、驱动要素、业态模式等方面实现系统性领先，必须将增长的底层逻辑从规模扩张转向技术增值。工业互联网是推进新型工业化的重要基础设施，其发展应用水平很大程度上决定了制造业数字化的深度、网络化的广度和智能化的高度。我国制造业要全面领先，离不开工业互联网的全面应用、与时俱进。出台《实施意见》，能够更好地发挥我国完整产业体系和丰富应用场景独特优势，加快制造业向智能化、绿色化、融合化发展。

二、《实施意见》从三个维度构建了新阶段高质量发展的新坐标

工业体系本身固有“行业主体多元、应用场景分级、技术知识融合”的鲜明特征。这决定了工业互联网的规模化应用不能搞“一刀切”，而是需要一套系统性、立体化的演进逻辑。《实施意见》部署的十八项重点任务，正是立足工业客观规律，从广度、深度和高度构建了新阶段高质量发展的三维坐标体系。

（一）基于行业主体的“多元”，要在“更广范围”上普惠赋能

我国建成了全世界最完整的工业体系，拥有超600万家制造业企业，既有引领行业的龙头标杆，也有深耕细分领域的中小企业，不同行业、不同规模企业的工艺流程、转型痛点与数智化基础千差万别。同时，工业经济运行具有极强的行业属性，专用性优于通用性、适配性高于先进性、场景约束强于通用标准。“隔行如隔山”，极高的行业认知壁垒，也决定了单一的通用数智技术或标准化的解决方案根本无法在工业界“包打天下”。要坚持“分业推进”，一个行业一个行业地做深做透。同时，要面向重点产业链和先进制造业集群，发挥龙头企业、链主企业的生态主导力，通过统一的数据接口和业务标准，实现研发协同、产能共享和供应链金融，用订单和效益驱动上下游企业“上云用数”。要将网络设施、算力资源和公共服务一体化下沉至产业园区，打造“工业互联网+特色产业集群”的区域样板。

面对“千企千面”的客观现实与错综复杂的产业链条，弥合“数字鸿沟”、让数智化红利惠及广大市场主体是产业升级的必然选择。在“更广范围”推动工业互联网创新发展，意味着要跨越行业、地域的边界，实现更大范围的泛在互联，推动全产业链、全要素的普惠赋能。《实施意见》明确提出，融合应用要实现207个工业中类全覆盖，培育一批分级分类的5G工厂；实施工业互联网与重点行业“链网协同”工程，“一业一策”制定推广融合应用指南；推进中小企业数字化转型城市试点，提供普惠性数字工具和“小快轻准”产品；打通消费互联网与工业互联网，向农牧业、商贸、医疗等领域延伸，并深化国际交流合作。

（二）遵循应用场景的“分级”，要在“更深程度”上逐级推进

工业互联网应用要深入核心生产环节，必须充分尊重工业的客观规律。工业应用场景呈现出从设备感知执行、产线控制、车间调度、企业运营、供应链协同到产业生态协同的“六级架构”。越往底层的生产控制环节走，对毫秒级低时延、高可靠性和绝对确定性的要求就越高。工业的底层逻辑始终是“稳定性优于激进性、安全性高于效率性”。这就要求我们在推进工业互联网应用时，不能盲目追求数智技术的“大而全”、智能装备的“高而奢”，而是要与工业现场严谨的物理规律、工艺机理模型相适配。要构建“大小脑协同”的底层架构，以云端大模型作为“大脑”，负责复杂的统筹规划与逻辑推理，以边缘侧专业小模型作为“小脑”，保障精准执行与可靠控制。通过“数据+知识”的双轮驱动模式，有效化解深度学习算法“黑箱”带来的幻觉与不确定性风险，确保智能决策不仅“算得快、看得全”，而且“控得准、信得过”。

随着平台化设计、智能化制造、网络化协同、个性化定制、服务化延伸、数字化管理‌等典型模式加速普及，应用场景的复杂度与业务融合的深度不断提升。在“更深程度”推动工业互联网创新发展，要求数智化能力真正扎根生产一线，全面融入生产控制、工艺优化和研发设计的核心环节。《实施意见》重点部署了深化人工智能与工业互联网的融合应用，支持开展工业领域大模型和特定场景小模型的训练；加快工业智能体在创成式设计、人机交互、生产网络优化等场景的推广；同时强调释放数据要素潜力，加强国家工业互联网大数据中心体系建设，建设工业数据资产登记平台和高质量数据集，并健全安全分类分级管理制度，实施“铸网”演练。

（三）把握技术知识的“融合”，要在“更高水平”上迭代创新

工业互联网向高水平演进，本质上是各种先进技术的跨界融合，尤其是加速信息技术（IT）、通信技术（CT）、控制技术（OT）和数据技术（DT）的“4T”深度融合，并注入“智能”这一关键变量。在技术融合的基础上，进一步实现知识的融合，将沉淀在老师傅头脑中、图纸文件里和生产过程中的隐性工业知识、经验与工艺，高效地进行模型化封装、软件化复用和价值化放大。要从底层重构互联规则，向扁平化、网络化的新型架构演进，推动“软件定义制造”与“软硬件解耦”，通过这种深度的技术与知识融合，将沉淀的工业经验转化为驱动产业升级的智能资产，才能真正实现“数据随着业务走、算力跟着场景布”。不仅能彻底盘活海量的工业数据与隐性知识，更将推动制造模式从经验依赖的自动执行向智能驱动的自主决策跨越，实现全要素、全流程的全局智能优化。

前沿技术的跨界融合与工业知识的模型化沉淀，对底层网络的承载力、算力的协同性提出了前所未有的高要求。在“更高水平”推动工业互联网创新发展，核心在于重构技术底座，以高能级的算力底座来支撑高水平的数智融合。《实施意见》部署了优化网络基础能力，建设新型工业网络；增强标识纽带作用，实施标识贯通行动；开发模型互联接口，优化协同效率；提升算力支撑水平，构建工业算力网络体系；增强工业系统的智能感知与决策执行能力；强化工业互联网标准体系建设，壮大跨界融合生态。

三、贯彻落实《实施意见》推动企业数智转型的路径

工业互联网是一项基础性、系统性、战略性、全局性的创新工程，推动工业互联网高质量发展，要坚持“分业分级、场景驱动、数据赋能、智能引领”的推进思路。通过总结产业实践经验，我们认为，企业落实《实施意见》总体要求，发展工业互联网实现数智化转型升级，需统筹开展好六方面的工作。

一是加强软硬协同，发展智能装备。智能装备是人工智能与工业互联网融合的物理载体与执行终端。要推进传统装备的“唤醒”与升级，针对存量老旧设备，加快加装智能传感器、边缘智能网关和智能控制器，让传统的“哑设备”具备数据采集和端侧推理能力，实现从被动维修向预测性维护、参数自适应的跃升。要突破核心智能部件与底层算法，集中力量攻克多模态感知融合、高精度运动控制等“卡脖子”技术，研发AI芯片、高精度伺服系统和智能视觉模组，提升装备的“感官”敏锐度。同时，要抢抓具身智能与新型机器人发展机遇，大力发展高负载、高精度的工业机器人。特别是要推动人形机器人在复杂装配、危险环境巡检、物流搬运等工业场景的先导应用。此外，要加快工业软件的AI原生化重构，利用生成式AI解构并复用工业知识，推动传统CAD、CAE、PLM软件向智能生成、智能仿真演进。

二是完善数智基建，夯实算网底座。海量工业数据的实时处理和规模化应用，要依托云边协同、控网算一体的新型基础设施。建设新型工业网络。随着高清视觉质检、大模型边缘推理的应用，工业网络带宽需求提升千倍以上；柔性制造与AGV的大量应用，对移动网络提出了控制指令时延小于10ms、网络丢包率小于0.1%的刚性要求。要打破传统ISA-95五层金字塔结构，构建“端—边—云”扁平化架构，综合运用工业5G、确定性网络（TSN）、工业光网等技术，实现工业现场网络无缝覆盖，将网络从单纯的“连接工具”升级为“智能基座”。布局工业算力体系。按照“产业云行业部署、企业云按需部署、边缘云实时响应”的架构思路，打造“三云”协同的智算能力。在生产现场部署“边缘云”，集成机器视觉、设备预警等轻量化模型，实现“就近计算、快速响应”；在企业侧部署“企业云”，承载生产调度、数字孪生等应用，实现“智能仿真、辅助决策”；在产业侧部署“产业云”，构建PB级算力规模的行业智算中心，提供大模型训练等大算力服务，实现全产业链的“跨域调度、高效畅通”。

三是推进要素互联，促进信息互通。要解决“采不上”“看不懂”的数据源头难题，工业现场仍存在严重的互联阻碍，老旧机床用传统串口，新产线用千兆网口；不同品牌设备协议各异，如同“方言”各说各话；ERP的“订单”与MES的“工单”、SCADA的“批次号”存在语义断层。要破解这些互通困局，必须大力推进“人机料法环测”等工业全要素的泛在互联。破除“设备”壁垒，打破传统PLC软硬件强耦合的“黑盒”模式，打造自主可控的工业实时操作系统，推行软件定义控制。打通“协议”壁垒，跳出“打补丁、做翻译”的旧思路，构建通用开放互操作架构与全互联通信中间件，屏蔽底层如Profinet、Modbus等私有协议差异，实现异构设备即插即用。消除“系统”壁垒，弥合语义差异，构建标准化信息模型与工业语义字典，让系统间对话从底层的“数字搬运”升级为高层的“业务意图交互”。

四是加强规范治理，建设高质量数据集。当前智能化改造中，数据工程投入占比高达五到六成。要深入实施工业数据筑基行动，重点建设三类核心数据集：反映供需波动与实体信息的“产业链数据集”，支撑强链补链与精准匹配；反映资源优化与财务状况的“企业运营数据集”，支撑资源动态优化；反映设备状态与工艺参数的“企业生产数据集”，将“老师傅”的经验转化为AI可读的语料。同时，要打造可信数据空间。基于隐私计算、联邦学习、安全沙箱等技术，在“数据物理不出域”前提下，通过“可用不可见”模式满足多主体数据流通需求。探索“云边协同、联邦优化”的分布式训练路径，依据边缘节点提供的数据质量分配收益，彻底破解企业“不愿供、不敢供”的顾虑，把“脏活累活”变成高价值的数据资产。

五是深化场景应用，发展工业智能体。工业智能体是推动制造业从数字化向智能化跃升的关键引擎。要坚持“找场景”与“造场景”并重，依托多维场景分层部署智能体应用。在研发设计环节，部署“设计智能体”，辅助生成打破传统思维的仿生学结构，大幅缩短研发周期；在中试验证环节，部署“仿真智能体”，构建高精度数字孪生工厂，将传统物理试车时间从数月压缩至几周；在生产制造环节，部署“生产控制智能体”，实现质量闭环控制与柔性物流调度；在产业链协同环节，部署“生态协同智能体”，实现链主企业与上下游供应商的精准协同。通过通用智能体与专用智能体的协同作战，形成“感知—决策—执行—反馈”的全链路闭环。

六是技术管理并重，构筑安全屏障。工业互联网的广泛应用打破了传统物理隔离，设备直接上云、AI接管控制，带来了多元交织的新型风险。例如，攻击者可能向训练数据“投毒”，导致AI质检系统变“瞎子”；大模型产生的“幻觉”可能引发错误的工艺参数下发，直接威胁生产安全。化解这些风险，必须构建全方位、多层次的安全防护体系。在管理机制上，制定企业AI应用分类分级和安全评估制度；在基础防护上，实施工业控制网络与人工智能应用网络的分区隔离，推行零信任架构，对跨系统访问进行动态授权与行为审计；在系统提升上，建立边缘节点隔离与熔断机制，阻断故障蔓延，部署工业安全大模型辅助威胁检测，通过检索增强生成（RAG）等技术降低模型幻觉，确保AI在工业领域的应用始终“为人所用、为人所控”。