工业互联网作为连接制造强国与网络强国的重要桥梁，是实体经济与数字经济深度融合的关键支撑，也是推动新型工业化的核心基础设施。在各方协同努力下，工业互联网已取得显著进展，进入了高质量发展和规模化应用的新阶段。近期，多位行业专家指出，随着《关于推动工业互联网高质量发展的实施意见》等政策的落地，工业互联网的发展将迎来新的契机。

数字化转型步伐加速

在工业互联网的助力下，工厂车间的数字化水平不断提高，设备参数实时采集、AGV小车有序穿梭、智能摄像机进行高速质检成为常态。

根据工业和信息化部的数据，我国工业互联网的应用已覆盖41个工业大类和185个工业中类。其核心产业规模已超过1.6万亿元，并带动工业增加值增长约2.5万亿元。目前，“5G+工业互联网”项目数量已突破2.5万个，标识注册总量超过7400亿个，国家工业互联网大数据中心汇聚了超过17亿条工业数据。此外，工业互联网产业联盟已吸引超过2800家成员单位，成为全球规模最大的同领域产业生态组织。

工业互联网的快速发展正有力推动着工业企业的数字化转型。例如，在辽宁，鞍钢集团通过深度融合信息通信技术与企业全流程，其齐大山铁矿已建成一体化智慧管控平台，在国内率先实现了冶金露天矿山全流程智能化开采与管控，并成功降低了铁精矿17%的完全成本。在江西，金虎保险设备集团有限公司通过打造金属家具行业“5G+工业互联网”平台，消除了主要生产设备的数据孤岛，并带动了产业链上下游企业协同进行数字化转型，使部门间生产信息传递效率提升了50%，工艺标准化程度提高了18%。

工业和信息化部信息通信管理局相关负责人表示，当前新一轮科技革命和产业变革深入发展，人工智能、5G/5G-A、算力网络等技术在经济社会各领域得到广泛应用，制造业的数智化转型步伐不断加快，为工业互联网发展带来了新的机遇。

与人工智能融合赋能

人工智能在工业领域的应用对工业互联网的网络互联、数据汇聚和资源配置能力提出了更高要求。在中国信息通信研究院主办的“2026工业互联网大会”上，与会专家就人工智能与工业互联网的融合赋能进行了深入探讨。

中国工程院院士钱锋提出，应利用工业互联网构建工业大脑，打造集制造全生命周期生产要素于一体的生产制造具身智能系统。该系统将支持产业链供应链价值链的协同优化、生产要素的创新配置、制造过程的实时精准调控、生产安全环保的智慧运维以及新产品新材料的智能设计，从而培育新质生产力，推动制造业数智化转型和高质量发展。人工智能与工业互联网的深度融合，正在加速孕育出数据驱动、智能协同、虚实融合的新型工业经济形态。

中国信息通信研究院工业互联网与物联网研究所副所长谢家贵认为，现阶段的工业互联网已超越了简单的跨设备、跨厂区连接，正逐步升级为承载全行业工业知识、运行工业智能应用的新型数字底座。而工业AI大模型正是驱动这一底座价值释放的核心智能引擎，为制造业的柔性生产、智能运维、质量管控和供应链优化开辟了崭新路径。

工业和信息化部等8部门联合发布的《关于推动工业互联网高质量发展的实施意见》，明确了“深化人工智能与工业互联网融合应用”的部署。工业和信息化部信息通信管理局相关负责人指出，一方面，要发挥工业互联网在泛在互联和数据汇聚方面的关键作用，加强工业高质量数据集供给，推动端边云多层级算力协同，加快模型训练互联和工业智能体推广。另一方面，要借助人工智能的自感知、自学习、自执行等技术优势，提升工业互联网基础设施水平，增强工业系统的智能感知和决策执行能力，加速形成创成式设计、生产网络优化等新应用。

激发更大增长潜能

数据显示，今年1至5月，我国规模以上互联网和相关服务企业实现互联网业务收入8749亿元，同比增长10.4%。在实践中，工业互联网与人工智能的融合发展正不断释放出巨大的增长潜力。

中国信息通信研究院信息化与工业化融合研究所副所长田洪川表示，当前工业智能体的应用主要集中在流程规范、高频协同、知识密集且风险可控的环节。通过利用智能体的一体化能力，可以辅助工程与管理人员处理复杂信息、调用知识工具、形成专业判断，实现高效的流程自主执行和综合决策辅助。诸如卡奥斯、浪潮云洲等企业正积极探索“工业互联网平台+AI”的新型解决方案，推动平台能力从连接、汇聚、管理向知识沉淀、任务编排和智能优化升级。

田洪川进一步指出，应推动单点智能应用向多智能体任务分解、工具调用、流程协作和闭环优化等方向升级，以提升复杂生产系统的自主运行能力。同时，要促进制造资源的在线组织、生产过程的智能调度以及产业链供应链的协同响应，从而形成以数据驱动、模型支撑、智能协同为特征的新型制造范式。

随着工业互联网的发展，信息安全需求也日益增长。杭州安恒信息技术股份有限公司相关负责人强调，国内通用大模型的快速迭代正推动各行业垂域大模型的落地应用。特别是工业安全垂域大模型，因其具备极强的行业专属属性，必须深入挖掘工业场景，贴合工业生产特性，并具备工业环境的原生理解能力以及工业安全专属的认知和智能决策能力。通过持续的场景落地验证、细分领域能力拓展和技术自主优化，能够逐步完善模型能力，以满足不同工业场景的差异化安全需求。