作者簡介

孫頔??

中國聯合網絡通信有限公司研究院高級研究員，主要從事碳達峰碳中和、工業互聯網、數字經濟等方面的研究工作。

楊錦洲??

中國聯合網絡通信有限公司研究院數字經濟研究中心總監，主要從事數字經濟、智慧城市、政企數字化轉型等方面的研究工作。

夏璠??

中國聯合網絡通信有限公司研究院研究員，主要從事數字經濟、工業互聯網等方面的研究工作。

（中國聯合網絡通信有限公司研究院，北京 100176）

摘要：在建設中國式現代化、推進新型工業化的關鍵時期，AI和工業互聯網的不斷深入融合，已成為推動工業領域產業升級，建設制造強國、網絡強國和數字中國的“扣合點”。基于AI+工業互聯網模式在智慧能源綜合管理、設備預防性維護、智能計劃排產及倉儲管理等領域的應用效應分析，論證了其對工業智能化轉型的重要支撐作用，并著重研究了新興生成式AI產品對助力AI+工業互聯網模式發展升級的積極作用，同時也指出現階段AI+工業互聯網模式應用面臨的局限性因素，以期為促進更多的AI+工業互聯網模式應用場景加速落地、防范應用風險提供參考。

關鍵詞：人工智能；工業互聯網；工業數字化轉型

0? 引言

工業是國民經濟的命脈，在我國經濟邁入高質量增長的進程中，在加快推進新型工業化的同時，促進數字經濟和實體經濟深度融合，對轉變經濟發展方式、優化經濟結構、轉換增長動力具有重要推動作用。當前，工業互聯網憑借“全面連接、信息共享、上下聯動、資源整合”等優勢，已全面融入45個國民經濟大類，對重塑工業體系、實現數字中國和制造強國的關鍵支撐效應正逐漸顯現[1]。政府高度重視工業互聯網的發展，相繼發布《“十四五”信息化和工業化深度融合發展規劃》《“十四五”智能制造發展規劃》《“十四五”數字經濟發展規劃》等政策，明確提出2025年工業互聯網平臺普及率達到45%的目標[2]，要求建設可靠、靈活、安全的工業互聯網基礎設施，為制造業數字化、網絡化、智能化轉型創造條件[3-4]。工業和信息化部會同工業互聯網專項工作組各單位制定出臺了《工業互聯網創新發展行動計劃（2021—2023年）》，著力解決工業互聯網發展中的深層次難點、痛點問題，加快工業互聯網平臺體系化升級。

工業互聯網是新一代信息通信技術與工業經濟協同發展的新型基礎設施、應用模式和工業生態[5]，云計算、人工智能（Artificial Intelligence，AI）和5G等先進技術共同構成的新技術體系，正是其生長的土壤。其中，AI作為新一輪科技革命和產業變革的重要驅動力量，具備復雜分析、預測算法、人機交互等能力，能夠充分挖掘、利用工業互聯網中各類智能設備采集的海量數據價值，反哺工業企業，實現降本增效，使數據真正成為數字經濟引擎的“燃料”。

1? AI+工業互聯網模式已成為產業智能化新范式

國內研究機構將AI+工業互聯網模式概括為在工業互聯網的架構基礎上融合人工智能技術的模式，其特點是“以大量數據采集為算料基礎、以機器學習或深度學習算法為核心、以用戶需求為導向，面向工業場景提供智能解決方案，幫助工業企業更好地實現數據價值和效能提升，實現數據驅動的業務轉型和創新”[6]。

工業企業擁有復雜的生產線，其確保盈利的關鍵在于最大限度地提高生產率、降低轉化成本和保證按時交付產品，但需求和供應的不確定性導致傳統的管理方式難以幫助企業實現高效生產[7]。在這種情況下，AI+工業互聯網模式在工業生產環節中的融合應用，以工業互聯網對各類工業數據資源的泛在連接能力為基礎支撐，充分發揮AI在工業互聯網平臺的邊緣設備層、平臺層以及應用層等多個領域的高級計算、智能分析價值，不僅能拓展和豐富AI在工業領域的應用場景，促進工業互聯網服務能力提升，而且可促進機器、人、信息流的高效連接，有助于生產與服務資源在更大范圍內精準、高效配置，實現工業知識的沉淀和復用，提升從生產到應用的全產業鏈數字化、網絡化、智能化水平，提高企業的效率和競爭力，為企業創造巨大價值，進而推動我國從制造大國邁向制造強國。

現階段，在電子信息制造、裝備制造和石油化工行業，AI+工業互聯網平臺的行業滲透率已分別達到10.5%、8.6%和8.5%[6]，應用領域以智慧能源綜合管理、設備預防性維護、智能計劃排產及倉儲管理等生產相關環節中的輔助性單點應用為主。

1.1? 智慧能源綜合管理

能源是工業的血液，是企業正常運轉的根本保障。尤其在“雙碳”目標指引下，在推動能耗雙控轉向碳排放雙控的過程中，對于占全社會能源消費65%的工業領域[8]，積極應用可再生能源、踐行節能降碳已經成為企業發展的必選路徑。然而，風電、光電等可再生能源具有間歇性、隨機性和波動性等特點，需與電網供電合理配合，并充分結合波峰波谷電價，才能在確保生產安全穩定的同時，降低碳排放，節約運營成本，提高經濟效益。

基于AI+工業互聯網模式建立的智慧能源綜合管理系統，綜合各類用能設備的運行數據，可分析確定企業經營生產的高耗能、高碳排環節，并提供智能科學的優化建議。同時，結合可再生能源發電功率預測結果，以安全性和經濟性為目標，制定工廠內部及廠區范圍的多能源協同策略，保證多種能量來源之間的平滑切換，實現用能設備運行于最優效率區間、產品良率提升、綠色低碳生產及用能成本降低等多方面效益共贏。

工業互聯網標識智庫征集案例顯示，某國家級高新區（簡稱“高新區”）有數百家制造企業入駐，存在電網、自建熱電廠、分布式光伏/風電、集中式儲能等多種電力來源，存量系統復雜。在應用AI+工業互聯網智慧能源綜合管理平臺的實踐中，該高新區以工業互聯網對能源數據、設備數據、質量數據的高精度采集為支撐，結合企業的個性化需求，利用AI對以上數據進行系統級解析，并建立發電及負荷預測模型，從而幫助企業準確預測能源供給，精準匹配負荷調節，制定峰谷期電能應用策略。該高新區的AI+工業互聯網智慧能源綜合管理平臺通過智能分析挖掘34 家企業的可調節負荷資源潛力，實現聚合調節能力27 MW，基本覆蓋高新區在用電高峰時段的錯峰需求，以降低供電緊張時對生產造成的影響[9]。同時，AI+工業互聯網智慧能源綜合管理平臺還挖掘出118 家企業的潛在節電量約6 425 萬kWh/年，78 家企業的峰谷期降費收益約1 571 萬元/年[9]。

1.2? 設備預防性維護

在過程工業中，設備的正常運行是保障工廠高效、可靠和安全生產的關鍵。根據國際自動化學會的數據，全球每年因為機器故障引發的停機時間導致了6 470 億美元的損失[10]。如何使工廠在提升產能的同時降低維護成本、提高關鍵設備的可用性、減少非計劃性停產，一直是困擾工業生產安全運行和降本增效的重要因素。為保證設備長期穩定運行，大部分工廠采用定期的預防性維修維護策略，然而這種方法不僅極易導致過度維護，而且依然無法有效避免非計劃停產，甚至可能造成維修性故障的發生。

應用AI+工業互聯網模式，基于設備正常運行時所采集的海量歷史數據訓練模型，并綜合考慮各類傳感器數據之間的關聯關系，能夠建立具備分析判斷復雜規則能力、在實際數據出現偏差時快速預警的智能化預防性維護系統。智能預警機制將為企業應對潛在故障或風險爭取寶貴的時間，以及時采取相應措施，避免非計劃停產的發生。同時，基于AI+工業互聯網模式的預防性維護系統還能進行故障維修維護指導，以幫助企業有效控制風險，實現安全生產。

工業互聯網產業聯盟在實踐研究中發現，某石油公司基于AI+工業互聯網模式建立的智能生產預警系統，利用工業互聯網采集井口平臺上相關生產設備設施的實時性能狀態數據并上傳至中心平臺，應用AI技術實時比對分析設備運行參數和歷史健康數據，自動判斷預警設備異常狀態，并制定預防性維護措施，避免因重要元器件損壞造成設備計劃外停機。該系統應用后，該石油公司每年節省人工成本約600 萬元，減少維修設備投入成本約4 000 萬元[11]。

1.3? 智能計劃排產

為了達到最佳生產運營目標，企業需以最有效的方式調配利用人力、設備和倉儲等各類資源。生成排產計劃的過程既耗時又復雜，不僅需考慮可用資源、設備效率、員工數量、市場需求和既定產品服務目標等諸多因素，還要根據訂單變動、計劃外停機等約束條件的不斷變化做出及時合理的優化調整，以確保安全生產、任務達成以及經濟性優良。

AI+工業互聯網模式能夠有效賦能排產計劃生成，利用工業互聯網采集的各生產線數據，基于智能化分析能力評估各環節實際生產效率限度，結合多維約束條件，快速、準確地制定出優化的排產計劃，節約人工成本，增強過程控制。此外，AI+工業互聯網模式的應用還能將外部市場形勢與內部工況信息進行融合研判，及時、高效地做出適應性調整，降低對既定目標和運營效益的影響。在AI+工業互聯網模式下，開展排產計劃與倉儲管理數據實時共享也將有助于加快物資周轉，提高保供服務水平并不斷優化庫存結構，降低庫存成本[12]。

在北京大成企業研究院開展的案例分析中，某新能源電池生產企業為解決規模不斷擴大中出現的各業務環節割裂、生產協同不足、決策效率低、排產效率差等問題，基于AI+工業互聯網模式構建了決策分析與智慧排產系統。利用AI的高級計算和快速反饋能力，深度挖掘工業互聯網監測、采集的各基地生產、倉儲數據價值，并結合區域市場需求、物流運輸情況等信息開展排產運營策略制定及優化，實現智慧化的排產設計、訂單響應、決策制定，促進數據分析對生產運營的反哺。基于AI+工業互聯網模式的決策分析與智慧排產系統實施后，該企業排產效率提升17%，訂單響應速度提升1倍，跨部門協同效率增加40%，訂單履約率提升22%[13]。

在數字中國、制造強國的建設過程中，人工智能和工業互聯網的融合應用已成為新階段工業數字化、網絡化、智能化發展的必由之路。未來，隨著產業轉型的逐步深入，工業互聯網、AI相關技術的不斷進步，AI+工業互聯網模式在工業領域的滲透性將進一步增強，呈現出多點落地的規模化趨勢。

2? 生成式AI的應用將助力AI+工業互聯網模式發展升級

2022年11月30日，美國開放人工智能（OpenAI）公司推出了對話式AI工具——ChatGPT。ChatGPT是一個超大的統計語言及順序文本預測模型，其核心技術為生成式AI。2023年3月15日，OpenAI發布多模態預訓練大語言模型GPT-4，帶來了自然語言處理在表述邏輯性、自然性等人機交互體驗領域的巨大提升[14]，隨后我國百度、阿里、華為等科技公司也相繼推出了本土化的“類ChatGPT”生成式AI產品。由于具備更大的語料庫、更強的計算能力、更通用的預訓練和更強的自我學習能力，這些創新產品將為優化傳統工業互聯網賦能方式、助力工業產品全生命周期的效率和質量提升帶來更多可能性。

2.1? 促進全方位數據挖掘分析

在工業領域中，各類傳統行業工程技術人員與數字化工程師之間往往存在著協作壁壘，嚴重阻礙了對工業生產各類數據的全方位挖掘分析，很大程度上約束了全面數字化轉型的落地。生成式AI具備的人機協同和編程能力，能夠更好地理解任務需求，有效擴展數據獲取渠道，并結合工業互聯網的生產數據采集功能，利用智能化算法為企業制定更合理的經營生產策略，也有助于解決“工業+數字化”復合型人才短缺的問題。

2.2? 支持跨行業信息融合

產業融合是全球經濟增長和現代產業發展的重要趨勢。在此背景下，企業亟需擴展產業鏈相關環節的技術、知識、生產經營數據等信息，以提升融合發展水平，促進向價值鏈“微笑曲線”兩端的高附加值環節延伸。生成式AI依托豐富的數據庫資源，可以在線解答各種科技、生產等相關問題，并將復雜的技術知識快速簡化為易于理解的形式，從而幫助從業人員高效獲取跨行業技術、知識。同時，生成式AI還能對產業鏈中以“機器-工業互聯網-AI-人”形式傳播的信息流進行整合，根據不同的顆粒度、種類和實時性等需求，以更加智能的方式將各環節的數據信息進行差異化生成和推送，并提供智能化的跨行業融合方案，促進資源共享、技術交互以及業務優化配置，不斷推動產業高質量融合發展。

2.3? 滿足個性化需求

新消費群體和新需求對“個性化”的強烈訴求向企業準確捕捉需求痛點、增強柔性化生產水平、兼顧個性化與低成本的能力提出了更高的要求。生成式AI具有強大的人機對話交互能力，可以更精準地理解用戶的需求，助推企業與用戶的深度交互變革，實現用戶在產品全生命周期中的深度參與。其與工業互聯網的融合應用可有力破解傳統生產經營方式中，客戶個性化需求難以有效指導企業生產的難題，并通過制定科學合理的差異化生產方案，提高柔性化生產能力，讓企業以低成本、高質量、高效率的運營，實現產品個性化設計、生產、銷售及服務，提升用戶滿意度，強化企業競爭力。

3? AI+工業互聯網應用的局限性分析

盡管AI+工業互聯網模式的應用對打破工業生產的效率瓶頸、進一步激活生產數據要素的潛能、促進工業智能化轉型具有重要意義，但由于工業具有細分領域眾多、流程環節復雜、容錯性低、可靠性和安全性要求高等特點，因此目前AI+工業互聯網模式在工業領域的規模化推廣還存在諸多限制因素。

3.1? 結果可靠性與可解釋性不足

工業生產過程交互環節多、業務復雜性高、容錯率極低，要求智能化分析、決策的每一步階段性結果具有可解釋性。然而，許多AI算法通常采取“黑盒”機制，致使其決策結果的產生邏輯具有不可辨識性和不可推論性，這種模糊性直接降低了結果的可信任度，與工業生產依賴的準確嚴謹的過程預測、決策之間存在較大矛盾，也與工業互聯網的高可靠性、強確定性要求不相符，嚴重阻礙了AI+工業互聯網模式的部署應用。

3.2? 模型構建難度大

一方面，AI算法模型的準確性提升需要以大量的訓練數據為基礎，但工業數據具有私密性高、有價值信息提取難、有效標注少等問題，尤其是對模型敏感能力影響極大的生產設備異常等訓練數據量不足，將制約AI算法模型的持續調優、升級。另一方面，工業場景復雜多樣，工藝流程差異化較大，采用單一場景或流程訓練的AI算法模型泛化能力差、復用難度大。以上兩方面因素不利于AI+工業互聯網模式的大范圍推廣應用，難以實現對工業生產發展的及時跟進。

3.3? 開發成本過高

AI算法模型集大算力、大算法、大數據為一體，在訓練時依賴海量的數據、計算資源與云化存儲能力，且需經歷復雜的訓練、驗證環節，耗費成本極高。華為公布數據顯示，僅一次AI大模型的開發訓練成本就高達1 200 萬美元[15]。由此將給企業帶來沉重的經濟負擔，導致企業對AI+工業互聯網模式的研發應用望而卻步。這不僅影響產業投入的積極性、阻礙技術發展，而且難以達到工業互聯網賦能中小企業數字化轉型發展的目標要求。

3.4? 數據安全性難以保障

工業數據包含了企業生產、經營和管理等信息，具有重要價值，如果遭遇威脅，可能會對企業的經營造成嚴重損害。同時，工業數據也是國家安全和國民經濟的重要基礎，一旦遭受破壞或泄露，將對社會穩定和經濟發展造成重大損失。因此數據安全一直以來都受到企業和政府部門的重點關注。為防范企業內部因生成式AI產品儲存用戶聊天記錄或通過互聯網開展人機交互而可能造成的數據泄露和隱私保護相關風險問題，蘋果、三星、SK海力士等企業已宣布禁用ChatGPT等生成式AI產品。

4? 結束語

在產業升級轉型逐漸步入深水區的進程中，隨著數據量呈現爆發式增長、計算能力顯著提升、深度學習算法取得突破性進步，AI技術同工業領域融合應用的滯后周期正不斷縮短，并將通過與工業互聯網融合等模式，滲透到生產制造、運營管理、人員培訓等過程。尤其在鼓勵AI+工業互聯網發展的政策陸續出臺后，AI與工業互聯網融合的模式將迎來高速發展期，對推進我國新型工業化發揮更大作用。在此過程中，不僅應努力拓展AI+工業互聯網模式的賦能水平，豐富其應用場景，而且應針對現存的發展限制性因素從技術、管理、政策等多方面研究制定應對策略，以更充分地發揮AI+工業互聯網模式對企業新舊動能轉換和價值鏈延伸的推動作用，使其能更好助力中國制造業高質量發展。

審核編輯：黃飛

?