在當(dāng)今數(shù)字化浪潮中，工業(yè)互聯(lián)網(wǎng)與人工智能無(wú)疑是兩顆最為耀眼的明星，它們正以前所未有的態(tài)勢(shì)重塑著傳統(tǒng)工業(yè)的格局，為產(chǎn)業(yè)發(fā)展注入全新活力。當(dāng)這兩大前沿技術(shù)碰撞交織，一場(chǎng)關(guān)乎未來(lái)工業(yè)主導(dǎo)權(quán)的較量也悄然拉開(kāi)帷幕，究竟是工業(yè)互聯(lián)網(wǎng)能笑到最后，還是人工智能更勝一籌?這成為眾多行業(yè)人士和投資者關(guān)注的焦點(diǎn)。

工業(yè)互聯(lián)網(wǎng)近年來(lái)取得了令人矚目的發(fā)展成就。在基礎(chǔ)設(shè)施建設(shè)方面，截至 2024 年 7 月，我國(guó) 5G 基站達(dá) 399.6 萬(wàn)個(gè)，90% 實(shí)現(xiàn)共建共享，為工業(yè)數(shù)據(jù)的高速傳輸和設(shè)備的實(shí)時(shí)互聯(lián)互通奠定了堅(jiān)實(shí)基礎(chǔ)。在產(chǎn)業(yè)規(guī)模上，2024 年中國(guó)工業(yè)互聯(lián)網(wǎng)市場(chǎng)規(guī)模已達(dá) 1.28 萬(wàn)億元，同比增長(zhǎng) 28.5%，預(yù)計(jì) 2025 年將突破 1.6 萬(wàn)億元，增速保持在 25% 以上，其核心產(chǎn)業(yè)增加值規(guī)模也已達(dá)到 1.35 萬(wàn)億元。同時(shí)，超過(guò) 270 家綜合型、特色型、專業(yè)型平臺(tái)涌現(xiàn)，跨行業(yè)工業(yè)互聯(lián)網(wǎng)平臺(tái)達(dá) 50 個(gè)，承載大量工業(yè)機(jī)理模型，圍繞全產(chǎn)業(yè)鏈、全價(jià)值鏈、全要素的全面 “鏈接”，構(gòu)建起新一代信息技術(shù)賦能制造業(yè)的新生態(tài)。這種生態(tài)強(qiáng)調(diào)海量生產(chǎn)要素的互聯(lián)互通、運(yùn)行數(shù)據(jù)的價(jià)值挖掘和工業(yè)知識(shí)的沉淀復(fù)用，為大模型的應(yīng)用提供了 “天然土壤”。

反觀人工智能，同樣展現(xiàn)出蓬勃的發(fā)展勢(shì)頭。算力基礎(chǔ)設(shè)施布局不斷加快，云算、智算、超算、量算等協(xié)同發(fā)展，10 余個(gè)高性能智算中心得以規(guī)劃建設(shè)，我國(guó)算力規(guī)模位居全球第二。算法創(chuàng)新水平穩(wěn)步提升，以大模型為代表的通用人工智能技術(shù)蓬勃發(fā)展，自主研制的智能芯片、開(kāi)發(fā)框架、通用大模型等創(chuàng)新成果加速涌現(xiàn)，人工智能企業(yè)數(shù)量超過(guò) 4500 家?！度斯ぶ悄艽竽Ｐ凸I(yè)應(yīng)用準(zhǔn)確性測(cè)評(píng)報(bào)告》顯示，截至 2024 年 8 月，以通義千問(wèn)為代表的國(guó)內(nèi)多款大模型能力接近 GPT-4，工業(yè)知識(shí)問(wèn)答等場(chǎng)景已經(jīng)具備較高的應(yīng)用成熟度。工業(yè)數(shù)據(jù)訓(xùn)練語(yǔ)料也不斷豐富，在電力、裝備、石化、汽車、日常消費(fèi)品等領(lǐng)域率先實(shí)現(xiàn)匯聚，并在制造業(yè)全流程中開(kāi)展應(yīng)用。

事實(shí)上，工業(yè)互聯(lián)網(wǎng)與人工智能并非孤立存在，而是呈現(xiàn)出相互融合、協(xié)同發(fā)展的態(tài)勢(shì)。二者融合在諸多領(lǐng)域已取得顯著成效。在技術(shù)研發(fā)模式重塑上，某汽車制造商聯(lián)合設(shè)備制造商打造的智能大模型，內(nèi)嵌于汽車工業(yè)機(jī)器人等生產(chǎn)設(shè)備，實(shí)現(xiàn)自動(dòng)化編程與控制，大幅減少停機(jī)時(shí)間，生產(chǎn)效率提高 30%;中國(guó)商飛利用智能建模仿真和模擬預(yù)測(cè)技術(shù)，優(yōu)化了大型客機(jī)的研發(fā)流程，降低試錯(cuò)成本，加快產(chǎn)品開(kāi)發(fā)進(jìn)程。在人機(jī)交互方式升級(jí)方面，多模態(tài)交互系統(tǒng)逐漸成為主流，語(yǔ)音、圖像和觸控等多種交互方式融入其中，如洛克希德?馬丁公司采用微軟的 HoloLens 混合現(xiàn)實(shí)技術(shù)，輔助工人進(jìn)行航天器的組裝，將生產(chǎn)效率提高了 50%，培訓(xùn)時(shí)間縮短了 85%。在數(shù)據(jù)決策鏈路優(yōu)化上，鞍山鋼鐵針對(duì)高爐煉鐵環(huán)節(jié)，建立煤氣智能平衡系統(tǒng)，對(duì)高爐產(chǎn)氣、管網(wǎng)波動(dòng)、異常狀態(tài)等進(jìn)行預(yù)測(cè)，形成輔助調(diào)度策略，對(duì)煤氣管網(wǎng)進(jìn)行精細(xì)化管理，每年實(shí)現(xiàn)直接經(jīng)濟(jì)價(jià)值千余萬(wàn)元;中鐵裝備研發(fā)的智能倉(cāng)儲(chǔ)物流協(xié)作設(shè)計(jì)平臺(tái)，通過(guò)資源統(tǒng)一管理，將制造工期由 5 個(gè)月縮短至 3 個(gè)月，效率提升 40%。在質(zhì)檢和運(yùn)維效率提升方面，寶馬通過(guò)自研工業(yè) AI 云平臺(tái)，實(shí)現(xiàn)發(fā)動(dòng)機(jī)產(chǎn)品檢測(cè)全程 “無(wú)人化” 作業(yè)和誤檢率 “自學(xué)習(xí)” 模式，節(jié)省檢測(cè)工位 70%，缺陷識(shí)別率達(dá)到 99.86%;中車集團(tuán)以工業(yè)互聯(lián)網(wǎng)技術(shù)為基礎(chǔ)，應(yīng)用智能算法實(shí)現(xiàn)車輛故障診斷與預(yù)測(cè)，日檢工作量減少 30%，部件利用率提升 15%。

然而，二者融合發(fā)展并非一帆風(fēng)順，依然面臨諸多挑戰(zhàn)。在技術(shù)集成上，工業(yè)場(chǎng)景碎片化特點(diǎn)突出，技術(shù)供應(yīng)商需根據(jù)行業(yè)甚至單一廠商特點(diǎn)進(jìn)行工業(yè)大模型研發(fā)和適配，將 “通用大模型” 轉(zhuǎn)化為 “專用大模型” 存在 “最后一公里” 的問(wèn)題，且我國(guó)在高端技術(shù)層面，“缺芯少魂” 的問(wèn)題依然影響發(fā)展，高性能芯片對(duì)外依賴嚴(yán)重，高端智能算力供給不足，原創(chuàng)算法薄弱。在數(shù)據(jù)管理上，我國(guó)工業(yè)體系龐大，數(shù)據(jù)結(jié)構(gòu)多樣、質(zhì)量參差不齊，工業(yè)大模型標(biāo)準(zhǔn)體系尚不健全，不同企業(yè)之間的數(shù)據(jù)難以互通互認(rèn)，同時(shí)數(shù)據(jù)安全和隱私保護(hù)問(wèn)題也亟待解決。在應(yīng)用推廣上，制造企業(yè)因智能化改造回報(bào)周期長(zhǎng)、中小企業(yè)數(shù)字化基礎(chǔ)弱和專業(yè)人才匱乏、智能化解決方案復(fù)用性差以及人工智能企業(yè)缺乏工業(yè)經(jīng)驗(yàn)等原因，形成供需不匹配難題，且我國(guó)在人工智能核心技術(shù)研發(fā)、行業(yè)應(yīng)用等領(lǐng)域投資不足，頂尖人才短缺。

工業(yè)互聯(lián)網(wǎng)與人工智能的融合發(fā)展是大勢(shì)所趨，它們并非競(jìng)爭(zhēng)關(guān)系，而是相互依存、相互促進(jìn)的共生關(guān)系。工業(yè)互聯(lián)網(wǎng)為人工智能提供應(yīng)用場(chǎng)景和數(shù)據(jù)基礎(chǔ)，人工智能為工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展賦智。只有兩者深度融合，攜手共進(jìn)，才能真正推動(dòng)工業(yè)體系向高端化、智能化、綠色化邁進(jìn)，在未來(lái)的工業(yè)變革浪潮中笑到最后，共同開(kāi)創(chuàng)工業(yè)發(fā)展的新時(shí)代。因此，與其爭(zhēng)論誰(shuí)能最終勝出，不如聚焦如何更好地促進(jìn)二者融合，發(fā)揮出 1+1>2 的協(xié)同效應(yīng)，這才是推動(dòng)工業(yè)轉(zhuǎn)型升級(jí)、實(shí)現(xiàn)新型工業(yè)化的關(guān)鍵所在。